CN112633715A - 一种线上业务用户流失分析方法 - Google Patents
一种线上业务用户流失分析方法 Download PDFInfo
- Publication number
- CN112633715A CN112633715A CN202011580745.1A CN202011580745A CN112633715A CN 112633715 A CN112633715 A CN 112633715A CN 202011580745 A CN202011580745 A CN 202011580745A CN 112633715 A CN112633715 A CN 112633715A
- Authority
- CN
- China
- Prior art keywords
- loss
- link
- user
- data
- page
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims description 5
- 230000008520 organization Effects 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 abstract description 5
- 238000005457 optimization Methods 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 8
- 238000003672 processing method Methods 0.000 description 4
- 230000014759 maintenance of location Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000030279 gene silencing Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种线上业务用户流失分析方法,属于数据处理领域,针对现有技术中的埋点数据分析把重点落在用户在界面上的行为,而忽略了信贷业务涉及许多金融产品必要的后台处理流程,以及得到的分析结果仅是一个比较粗的指标,不具备进一步分析的延续性,很难实际指导业务优化的问题,本发明提出以下方案:将线上业务流程抽象为多个环节,每一个环节设置有对应的前端页面和后端的业务请求;当用户在页面进行每一次访问后,采集用户在页面上的行为数据以及用户请求数据;将数据整理以及加工成不同的数据指标;分析每个环节的转化率指标得出客户在哪个环节流失率高;对每个环节客户流失的原因进行分类,定位客户流失原因。本发明用于用户流失分析。
Description
技术领域
本发明属于数据处理领域,具体涉及一种线上业务用户流失分析方法。
背景技术
数据埋点指的是在应用中特定的流程中收集一些信息,用于跟踪应用使用的状况,后续用于进一步优化产品或是提供运营的数据支撑,比如访问数、访客数、用户停留时长、页面浏览数和跳出率等。数据埋点采集的信息可以分为两类:页面统计(某个页面被访问了多少次)和行为统计(用户在界面上的操作行为)。数据埋点常用于互联网业务分析,常见应用场景包括:流量分析、用户画像和营销转化分析。
在互联网金融及手机银行不断发展的今天,数据埋点分析在线上信贷业务也得到广泛应用。现有技术中,实际应用场景没有摆脱常规埋点数据分析的框架:一类是着眼于PV/UV的流量分析,以优化曝光及访问量为目标;另一类是对渠道用户画像分析,以甄别优质渠道、目标用户群体,以降低整体获客成本;最后一类是针对营销活动转化、留存分析,衡量营销活动的效果。
现有技术中针对线上信贷业务的埋点数据分析存在两方面的问题:一是没有真正结合信贷业务的流程特性,仅把它当作一个“普通的线上业务”。把重点落在用户在界面上的行为,而忽略了信贷业务涉及许多金融产品必要的后台处理流程;二是得到的分析结果仅是一个比较粗的指标,如注册转化率、次月留存率,不具备进一步分析的延续性,很难实际指导业务优化。
发明内容
针对现有技术中的埋点数据分析把重点落在用户在界面上的行为,而忽略了信贷业务涉及许多金融产品必要的后台处理流程,以及得到的分析结果仅是一个比较粗的指标,如注册转化率、次月留存率,不具备进一步分析的延续性,很难实际指导业务优化的问题,本发明提供一种线上业务用户流失分析方法,其目的在于:通过结合线上信贷业务的流程和业务特点,提出了结合前端埋点数据和后台业务数据的数据采集、指标加工方法;并根据线上信贷业务用户流失的原因分析经验,提出了结合指标的用户流失分析方法。
为了达到上述目的,本发明采用如下技术方案:
一种线上业务用户流失分析方法,包括:
步骤A:将线上业务流程抽象为多个环节,每一个环节设置有对应的前端页面和后端的业务请求;
步骤B:当用户在页面进行每一次访问后,采集用户在页面上的行为数据以及用户请求数据;
步骤C:根据步骤B中采集到的数据,将数据整理以及加工成不同的数据指标;
步骤D:根据所述数据指标分析每个环节的转化率指标,进一步得出客户在哪个环节流失率高;
步骤E:统计每个环节客户流失的原因并进行分类,深层定位客户流失原因。
本发明结合线上信贷业务的流程和业务特点,提出了结合前端埋点数据和后台业务数据的数据采集、指标加工方法;
进一步的,步骤A中,所述每个环节对应前端的一个或多个页面。
进一步的,步骤B中,所述行为数据包括访问时间、停留时间和跳出时间,所述请求数据包括请求时间和请求结果。
进一步的,步骤C中,对数据维度进行分类,分为环节维度,页面维度和请求维度;
所述环节维度包括环节转化率、沉默用户占比、提交率和拒绝率;
所述页面维度包括PV、UV、跳出率和停留时长;
所述请求维度包括请求次数、请求用户数。响应时长和拒绝率。
本发明指标具体含义为:
进一步的,步骤E具体为:
将通过了上一环节,但未进入本环节的用户流失原因归类为沉默流失,通过每个环节沉默用户占比识别;
将由于产品体验问题离开页面的用户流失原因归类为体验流失,通过环节提交率指标识别;
将被企业机构内规定策略拒绝的用户流失原因归类为策略流失,通过环节拒绝率识别。
本发明根据线上信贷业务用户流失的原因分析经验,提出了结合上述指标的用户流失分析方法。
本发明中,沉默类流失可能由于申请完了找不到产品入口、或有了其它替代产品等。主要通过客户回访收集客户断点原因;
体验类流失原因可能是要求填写的资料过多、系统响应太慢、页面缺少引导等。主要通过页面停留时长、跳出率、按钮点击率等指标,找到页面具体问题;
策略类流失原因可能是客户年龄、地域、学历或收入水平不符合规定策略要求。通过分析策略拒绝原因分布找到具体原因。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
一、结合线上信贷业务的流程和业务特点,提出了结合前端埋点数据和后台业务数据的数据采集、指标加工方法;
二、根据线上信贷业务用户流失的原因分析经验,提出了结合上述指标的用户流失分析方法。
附图说明
图1为本发明一种具体实施方式数据定义、采集及加工示意图;
图2为本发明一种具体实施方式数据分析示意图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
下面将结合附图及具体实施方式对本发明作进一步的描述。
一种线上业务用户流失分析方法,包括:
步骤A:将线上业务流程抽象为多个环节,每一个环节设置有对应的前端页面和后端的业务请求;信贷业务流程抽象为注册、实名认证、授信申请、绑卡、借款五个主要环节。
步骤A中,所述每个环节对应前端的一个或多个页面。
步骤B:当用户在页面进行每一次访问后,采集用户在页面上的行为数据以及用户请求数据;步骤B中,所述行为数据包括访问时间、停留时间和跳出时间,所述请求数据包括请求时间和请求结果。
步骤C:如图1所示,根据步骤B中采集到的数据,将数据整理以及加工成不同的数据指标;
步骤C中,对数据维度进行分类,分为环节维度,页面维度和请求维度;
所述环节维度包括环节转化率、沉默用户占比、提交率和拒绝率;
所述页面维度包括PV、UV、跳出率和停留时长;
所述请求维度包括请求次数、请求用户数。响应时长和拒绝率。
本发明指标具体含义为:
步骤D:根据所述数据指标分析每个环节的转化率指标,进一步得出客户在哪个环节流失率高;
步骤E:如图2所示,统计每个环节客户流失的原因并进行分类,深层定位客户流失原因。
步骤E具体为:
将通过了上一环节,但未进入本环节的用户流失原因归类为沉默流失,通过每个环节沉默用户占比识别;
将由于产品体验问题离开页面的用户流失原因归类为体验流失,通过环节提交率指标识别;
将银行或金融机构内风险策略拒绝的用户流失原因归类为策略流失,通过环节拒绝率识别。
沉默类流失可能由于申请完了找不到产品入口、或有了其它替代产品等。主要通过客户回访收集客户断点原因;
体验类流失原因可能是要求填写的资料过多、系统响应太慢、页面缺少引导等。主要通过页面停留时长、跳出率、按钮点击率等指标,找到页面具体问题;
策略类流失原因可能是客户年龄、地域、学历或收入水平不符合风险要求。通过分析风险拒绝原因分布找到具体原因;
上述数据采集与加工方法,有效将线上信贷业务的流程抽象,定义出合适的数据采集与加工维度,能够覆盖前端用户行为及后端策略,为后续用户流失分析提供丰富全面的指标。而上述用户流失数据分析方法,采用层层下钻、逐步细化的方式,保证分析的延续性和有效性,最终定位到细节原因,能够更明确指导业务优化。
以上仅是本发明众多具体应用范围中的代表性具体实施方式,对本发明的保护范围不构成任何限制。凡采用变换或是等效替换而形成的技术方案,均落在本发明权利保护范围之内。
Claims (5)
1.一种线上业务用户流失分析方法,其特征在于,包括:
步骤A:将线上业务流程抽象为多个环节,每一个环节设置有对应的前端页面和后端的业务请求;
步骤B:当用户在页面进行每一次访问后,采集用户在页面上的行为数据以及用户请求数据;
步骤C:根据步骤B中采集到的数据,将数据整理以及加工成不同的数据指标;
步骤D:根据所述数据指标分析每个环节的转化率指标,进一步得出客户在哪个环节流失率高;
步骤E:统计每个环节客户流失的原因并进行分类,深层定位客户流失原因。
2.根据权利要求1所述的一种线上业务用户流失分析方法,其特征在于,步骤A中,所述每个环节对应前端的一个或多个页面。
3.根据权利要求1所述的一种线上业务用户流失分析方法,其特征在于,步骤B中,所述行为数据包括访问时间、停留时间和跳出时间,所述请求数据包括请求时间和请求结果。
4.根据权利要求1所述的一种线上业务用户流失分析方法,其特征在于,步骤C中,对数据维度进行分类,分为环节维度,页面维度和请求维度;
所述环节维度包括环节转化率、沉默用户占比、提交率和拒绝率;
所述页面维度包括PV、UV、跳出率和停留时长;
所述请求维度包括请求次数、请求用户数。响应时长和拒绝率。
5.根据权利要求1所述的一种线上业务用户流失分析方法,其特征在于,步骤E具体为:
将通过了上一环节,但未进入本环节的用户流失原因归类为沉默流失,通过每个环节沉默用户占比识别;
将由于产品体验问题离开页面的用户流失原因归类为体验流失,通过环节提交率指标识别;
将被企业机构内规定策略拒绝的用户流失原因归类为策略流失,通过环节拒绝率识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011580745.1A CN112633715A (zh) | 2020-12-28 | 2020-12-28 | 一种线上业务用户流失分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011580745.1A CN112633715A (zh) | 2020-12-28 | 2020-12-28 | 一种线上业务用户流失分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112633715A true CN112633715A (zh) | 2021-04-09 |
Family
ID=75325589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011580745.1A Pending CN112633715A (zh) | 2020-12-28 | 2020-12-28 | 一种线上业务用户流失分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633715A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114331162A (zh) * | 2021-12-30 | 2022-04-12 | 中国民航信息网络股份有限公司 | 客户转化率的确定方法、相关装置及计算机存储介质 |
CN115408586A (zh) * | 2022-08-25 | 2022-11-29 | 广东博成网络科技有限公司 | 一种智能渠道运营数据分析方法、系统、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446228A (zh) * | 2016-10-08 | 2017-02-22 | 中国工商银行股份有限公司 | 一种web页面数据的采集分析方法及装置 |
CN107545424A (zh) * | 2016-06-23 | 2018-01-05 | 腾讯科技(深圳)有限公司 | 一种数据监控处理方法、装置以及系统 |
CN107563621A (zh) * | 2017-08-22 | 2018-01-09 | 北京金堤科技有限公司 | 一种网站用户流失情况分析方法及装置 |
CN109583651A (zh) * | 2018-12-03 | 2019-04-05 | 焦点科技股份有限公司 | 一种保险电商平台用户流失预测的方法和装置 |
CN110032499A (zh) * | 2018-12-03 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 页面用户流失的分析方法、装置、服务器及可读存储介质 |
CN110147803A (zh) * | 2018-02-08 | 2019-08-20 | 北大方正集团有限公司 | 用户流失预警处理方法与装置 |
CN110634030A (zh) * | 2019-09-24 | 2019-12-31 | 阿里巴巴集团控股有限公司 | 应用的业务指标挖掘方法、装置及设备 |
CN110689154A (zh) * | 2019-09-25 | 2020-01-14 | 支付宝(杭州)信息技术有限公司 | 服务预订方法、装置和电子设备 |
CN111274791A (zh) * | 2020-01-13 | 2020-06-12 | 江苏艾佳家居用品有限公司 | 一种线上家装场景下用户流失预警模型的建模方法 |
-
2020
- 2020-12-28 CN CN202011580745.1A patent/CN112633715A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545424A (zh) * | 2016-06-23 | 2018-01-05 | 腾讯科技(深圳)有限公司 | 一种数据监控处理方法、装置以及系统 |
CN106446228A (zh) * | 2016-10-08 | 2017-02-22 | 中国工商银行股份有限公司 | 一种web页面数据的采集分析方法及装置 |
CN107563621A (zh) * | 2017-08-22 | 2018-01-09 | 北京金堤科技有限公司 | 一种网站用户流失情况分析方法及装置 |
CN110147803A (zh) * | 2018-02-08 | 2019-08-20 | 北大方正集团有限公司 | 用户流失预警处理方法与装置 |
CN109583651A (zh) * | 2018-12-03 | 2019-04-05 | 焦点科技股份有限公司 | 一种保险电商平台用户流失预测的方法和装置 |
CN110032499A (zh) * | 2018-12-03 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 页面用户流失的分析方法、装置、服务器及可读存储介质 |
CN110634030A (zh) * | 2019-09-24 | 2019-12-31 | 阿里巴巴集团控股有限公司 | 应用的业务指标挖掘方法、装置及设备 |
CN110689154A (zh) * | 2019-09-25 | 2020-01-14 | 支付宝(杭州)信息技术有限公司 | 服务预订方法、装置和电子设备 |
CN111274791A (zh) * | 2020-01-13 | 2020-06-12 | 江苏艾佳家居用品有限公司 | 一种线上家装场景下用户流失预警模型的建模方法 |
Non-Patent Citations (1)
Title |
---|
罗嘉龙等: "基于大数据分析技术的用户行为分析平台设计与实现", 《电脑知识与技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114331162A (zh) * | 2021-12-30 | 2022-04-12 | 中国民航信息网络股份有限公司 | 客户转化率的确定方法、相关装置及计算机存储介质 |
CN115408586A (zh) * | 2022-08-25 | 2022-11-29 | 广东博成网络科技有限公司 | 一种智能渠道运营数据分析方法、系统、设备及存储介质 |
CN115408586B (zh) * | 2022-08-25 | 2024-01-23 | 广东博成网络科技有限公司 | 一种智能渠道运营数据分析方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aiken et al. | Machine learning and phone data can improve targeting of humanitarian aid | |
Fan et al. | Social media bots and stock markets | |
Elliehausen et al. | The impact of credit counseling on subsequent borrower behavior | |
Ismail | Are good financial advisors really good? The performance of investment banks in the M&A market | |
EP1393220A2 (en) | Method for identifying comparable instruments | |
CN112633715A (zh) | 一种线上业务用户流失分析方法 | |
Ma et al. | Discovering company revenue relations from news: A network approach | |
Brunetti et al. | Population age structure and household portfolio choices in Italy | |
Buz et al. | Should you take investment advice from WallStreetBets? A data-driven approach | |
Rommel et al. | Farmers' risk preferences in 11 European farming systems: A multi‐country replication of Bocquého et al.(2014) | |
CN109697626A (zh) | 基于JeeSite快速开发平台的营销系统、方法、电子终端及介质 | |
Adeleke et al. | Understanding the patterns and correlates of financial inclusion in Nigeria | |
Sun et al. | Who detects corporate fraud under the thriving of the new media? Evidence from Chinese‐listed firms | |
Correia et al. | Online financing without FinTech: Evidence from online informal loans | |
Genovese | Weak states at global climate negotiations | |
Kumar et al. | Importance of technical and fundamental analysis and other strategic factors in the Indian stock market | |
US8666797B2 (en) | Information collection program, information collection apparatus, and information collection method | |
CN117557381A (zh) | 一种金融产品筛选方法、系统、终端设备及存储介质 | |
CN113450158A (zh) | 银行活动信息推送方法及装置 | |
Rahman et al. | State of the art of mobile banking services and future prospects in developing countries | |
Polyzos et al. | Efficient Market Hypothesis on the blockchain: A social‐media‐based index for cryptocurrency efficiency | |
Holub et al. | Mapping bitcoin's influence on academic research | |
Hrytsenko et al. | Smart technologies in banking | |
Chen | Does retail trading matter to price discovery? | |
CN118365430B (zh) | 基于云计算和区块链金融的业务推荐方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210409 |
|
RJ01 | Rejection of invention patent application after publication |