2024年銀行業(yè)全渠道客戶旅程分析與精細(xì)化線上運營白皮書-火山引擎

全渠道客戶旅程分析與精細(xì)化線上運營火山引擎數(shù)據(jù)飛輪行業(yè)實踐系列白皮書·銀行業(yè)《火山引擎數(shù)據(jù)飛輪行業(yè)實踐系列白皮書·銀行業(yè)》專為金融銀行提供構(gòu)建數(shù)據(jù)飛輪的系列解決方案，當(dāng)前您即將閱讀的是——第三本白皮書《全渠道客戶旅程分析與精細(xì)化線上運營白皮書》CONTENTS前言011.銀行客戶旅程分析與線上運營痛點簡述032.火山引擎新一代方案總覽053.銀行全渠道客戶旅程分析與線上運營典型場景073.1APP產(chǎn)品運營健康度監(jiān)測093.2客戶旅程可視化分析，賦能用戶體驗優(yōu)化運營133.3多維度用戶轉(zhuǎn)化漏斗分析，聚焦轉(zhuǎn)化斷點識別，精準(zhǔn)定位問題173.4用戶行為實時感知，實現(xiàn)秒級精準(zhǔn)營銷，抓住客戶線上營銷契機，做精流量變現(xiàn)193.5埋點數(shù)據(jù)實時、穩(wěn)定采集，助力線上貸款風(fēng)險管理233.6商機識別，客群分層運營，實現(xiàn)線上線下聯(lián)動營銷253.7APP崩潰、版本監(jiān)測，推進APP性能優(yōu)化管控273.8從客戶行為事件到高價值衍生標(biāo)簽，賦能精準(zhǔn)線上運營303.9視頻回溯用戶操作全流程畫面，全面優(yōu)化用戶使用體驗344.保障新一代平臺架構(gòu)落地374.1新一代全渠道客戶旅程分析總體框架384.2歷史埋點數(shù)據(jù)遷移394.3手機銀行APP、公眾號、小程序、各類活動頁的客戶行為事件如何采集404.4非線上渠道的客戶行為事件如何采集414.5超大數(shù)據(jù)量下的高性能保障與擴展能力414.6搭載豆包大模型的AI智能分析助手425.通過數(shù)據(jù)開放能力，便捷融入到銀行現(xiàn)有架構(gòu)體系465.1典型數(shù)據(jù)開放與數(shù)據(jù)集成場景475.2通過配置化方式，快速實現(xiàn)數(shù)據(jù)集成476.配套保障機制構(gòu)建及火山引擎增值服務(wù)486.1新平臺上線后關(guān)鍵保障角色與能力培養(yǎng)496.2埋點治理保障機制與支持工具507.方案綜合優(yōu)勢528.典型案例548.1某頭部城商行：優(yōu)化埋點規(guī)范，建設(shè)用戶行為分析體系558.2某股份制銀行：自研埋點治理，完善埋點治理機制568.3某區(qū)域城商行：建立線上線下聯(lián)動運營機制，打通埋點數(shù)據(jù)內(nèi)在行業(yè)系統(tǒng)共享578.4某省級農(nóng)信：全渠道行為數(shù)據(jù)采集，賦能零售、對公智能運營58VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI前言PREFACE數(shù)據(jù)飛輪是由火山引擎重磅提出的企業(yè)數(shù)智化升級新模式：它以數(shù)據(jù)消費為核心驅(qū)動力，實現(xiàn)“以數(shù)據(jù)消費促資產(chǎn)建設(shè)，以數(shù)據(jù)消費助業(yè)務(wù)發(fā)展(UtilizeDataMore,MoreDataIntelligence,MoreIntelligentBusinesses)”。這一新模式來自于字節(jié)跳動十余年數(shù)據(jù)驅(qū)動實踐經(jīng)驗的提煉，其核心是倡導(dǎo)企業(yè)能通過數(shù)據(jù)消費使數(shù)據(jù)流充分融入業(yè)務(wù)流，實現(xiàn)數(shù)據(jù)資產(chǎn)和業(yè)務(wù)應(yīng)用的飛輪效應(yīng)，從而激發(fā)員工創(chuàng)造力，增強業(yè)務(wù)戰(zhàn)斗力，提升組織生命力。BusinessDriveDataIntelligenceDataEnablingIntelligentBusiness業(yè)務(wù)驅(qū)動數(shù)據(jù)提效數(shù)據(jù)驅(qū)動業(yè)務(wù)提升圍繞數(shù)據(jù)飛輪，火山引擎新一代企業(yè)級數(shù)據(jù)產(chǎn)品服務(wù)平臺——數(shù)智平臺VeDI，推出了一系列“端到端的數(shù)智產(chǎn)品”、“場景化的行業(yè)解決方案”和“專業(yè)的數(shù)智轉(zhuǎn)型咨詢”，讓企業(yè)收獲從數(shù)據(jù)基礎(chǔ)建設(shè)、數(shù)據(jù)引擎升級到數(shù)據(jù)智能應(yīng)用的全套數(shù)智能力，提供運維降本、運營提效和業(yè)務(wù)增長的行業(yè)數(shù)智解決方案，助力企業(yè)構(gòu)建數(shù)據(jù)飛輪，實現(xiàn)數(shù)智化轉(zhuǎn)型升級。BusinessDriveDataIntelligenceDataEnablingIntelligentBusiness業(yè)務(wù)驅(qū)動數(shù)據(jù)提效數(shù)據(jù)驅(qū)動業(yè)務(wù)提升01在金融行業(yè)，火山引擎數(shù)據(jù)飛輪已經(jīng)積累了眾多實踐。一方面，通過領(lǐng)先的湖倉一體技術(shù)、數(shù)據(jù)治理與數(shù)據(jù)BP咨詢等服務(wù)，幫助金融機構(gòu)實現(xiàn)數(shù)據(jù)基礎(chǔ)建設(shè)的升級，完成企業(yè)數(shù)據(jù)資產(chǎn)輪的構(gòu)建。另一方面，則通過九大數(shù)據(jù)賦能，助力金融機構(gòu)構(gòu)建業(yè)務(wù)應(yīng)用輪。以銀行業(yè)為例，做精細(xì)化線上用戶運營是各行普遍重視的場景之一，在數(shù)據(jù)飛輪的理論模式之下，借助火山引擎增長分析DataFinder，各行可構(gòu)建可視化的全渠道客戶旅程分析，搭建客戶流量地圖，真正將數(shù)據(jù)與運營業(yè)務(wù)相結(jié)合，發(fā)揮數(shù)據(jù)的真正價值。本書將結(jié)合火山引擎在銀行業(yè)的諸多項目實踐，總結(jié)歸納銀行面臨的客戶旅程分析與線上流量運營面臨的關(guān)鍵問題。全面分享當(dāng)下火山引擎數(shù)智平臺VeDI如何幫助銀行構(gòu)建全渠道客戶旅程可視化分析與精細(xì)線上運營，提升銀行業(yè)流量轉(zhuǎn)化。0201銀行客戶旅程分析在過去的三年里，近百家金融機構(gòu)與火山引擎就數(shù)字化客戶經(jīng)營轉(zhuǎn)型升級、新一代全渠道客戶旅程分析與線上運營平臺建設(shè)展開了深度合作。在項目實施過程中，線上運營部門與數(shù)據(jù)科技部門人員最常遇到下面的問題：業(yè)務(wù)/運營部門數(shù)據(jù)部門研發(fā)部門業(yè)務(wù)/運營部門數(shù)據(jù)部門研發(fā)部門提取數(shù)據(jù)、查詢數(shù)據(jù)高度依賴數(shù)倉，每次增加新指標(biāo)都需要要定開，效率低化工具，只能看到單一環(huán)節(jié)的數(shù)據(jù)表現(xiàn)希望優(yōu)化用戶體驗，難于不知道主要漏損環(huán)節(jié)在哪里，抓不到重點，錯失營銷最佳時機

缺乏敏捷高效的分析模型SQL隨著數(shù)據(jù)增長，性能瓶頸難埋點口徑和數(shù)據(jù)格式不統(tǒng)一，

埋點缺乏統(tǒng)一采集工具,缺乏數(shù)據(jù)驗證工具，埋點上線0402火山引擎新一代方案總覽分析模型事件分析|留存分析分析模型事件分析|留存分析|轉(zhuǎn)化分析|歸因分析|路徑分析|業(yè)務(wù)維度分析……BI/數(shù)倉數(shù)據(jù)沉淀火山引擎基于字節(jié)跳動內(nèi)部業(yè)務(wù)多年實踐，圍繞金融機構(gòu)場景輸出新一代銀行全渠道客戶旅程分析平臺，旨在深入、全面地理解和分析用戶在與金融機構(gòu)的產(chǎn)品、服務(wù)交互過程中的行為路徑和體驗，具有以下四個關(guān)鍵特點和功能：全渠道數(shù)據(jù)整合能夠收集來自手機銀行、小程序、H5活動落地頁、公眾號、客戶經(jīng)理電話營銷等的全渠道數(shù)據(jù)，形成統(tǒng)一的流量視圖，全面了解用戶。全旅程分析視角以用戶全生命周期為基礎(chǔ)，通過全域流量可視化分析工具，深入洞察可能出現(xiàn)的漏損點。靈活的數(shù)據(jù)開放與集成支持將采集到的行為數(shù)據(jù)、營銷人群包、標(biāo)簽等數(shù)字資產(chǎn)開放給自建數(shù)倉、CRM或其他數(shù)據(jù)平臺，用于二次加工，打破數(shù)據(jù)壁壘。高性能/高可擴展性增長分析核心OLAP引擎基于先進的開源引擎ClickHouse進行近萬行代碼的二次開發(fā)和優(yōu)化，能夠?qū)崟r獲取和處理用戶數(shù)據(jù)，查詢分析秒級響應(yīng)。在抖音集團內(nèi)部，DataFinder平臺日增數(shù)據(jù)量級超過萬億條，火山引擎產(chǎn)品由字節(jié)跳動原生產(chǎn)研團隊支持，產(chǎn)品及服務(wù)有充分保障。線上小程序公眾號渠道活動頁業(yè)務(wù)場景業(yè)務(wù)指標(biāo)分析線上小程序公眾號渠道活動頁業(yè)務(wù)場景業(yè)務(wù)指標(biāo)分析|活動數(shù)據(jù)監(jiān)測|App性能穩(wěn)定性監(jiān)控|風(fēng)險管理|渠道質(zhì)量CDP/CRM/GMP斷點營銷全埋點開放通道webhookkafka離線全渠道數(shù)字觸點全渠道數(shù)字觸點數(shù)據(jù)洞察與應(yīng)用數(shù)據(jù)開放系統(tǒng)聯(lián)動數(shù)據(jù)管理數(shù)據(jù)表元數(shù)據(jù)數(shù)據(jù)應(yīng)用 數(shù)據(jù)治理用戶表 事件管理 看板管理 埋點質(zhì)量事件表 屬性管理 分群管理 埋點消維度表 指標(biāo)管理 標(biāo)簽管理 埋點生數(shù)據(jù)管理數(shù)據(jù)表元數(shù)據(jù)數(shù)據(jù)應(yīng)用 數(shù)據(jù)治理用戶表 事件管理 看板管理 埋點質(zhì)量事件表 屬性管理 分群管理 埋點消維度表 指標(biāo)管理 標(biāo)簽管理 埋點生風(fēng)控引擎風(fēng)險管理遠(yuǎn)程電話銀行線下智能柜臺取號機sdkandroidiosH5小程序其他APIKafka代碼埋點數(shù)據(jù)類型原始數(shù)據(jù)指標(biāo)數(shù)據(jù)人群包0303銀行全渠道客戶旅程分析與線上運營典型場景火山引擎在與金融機構(gòu)的項目合作中，沉淀了大量數(shù)據(jù)賦能全渠道客戶旅程分析及線上用戶運營的場景經(jīng)驗，如網(wǎng)金部開展線上用戶運營以及客戶旅程分析與優(yōu)化、APP團隊開展功能監(jiān)測與迭代、零售個金部門開展線上活動旅程分析與漏損歸因、客戶旅程斷點識別與線上線下聯(lián)動營銷，埋點實時采集與線上消費貸秒批秒貸等?；鹕揭嬖鲩L分析DataFinder作為這些數(shù)智化場景中的主力支撐產(chǎn)品發(fā)揮著重要作用，其場景價值及關(guān)鍵收益如下：場景APP健康度監(jiān)測介紹包括對用戶注冊登錄、使用時長和頻率等方面的監(jiān)測與評估，以及對關(guān)鍵指標(biāo)異動的歸因分析，以賦能線上運營工作。關(guān)鍵收益數(shù)據(jù)更新周期從T+1升級到秒級查詢平均每張看板可節(jié)約5000元開發(fā)成本用戶旅程可視化分析通過可視化的用戶流量流轉(zhuǎn)圖高效查看分析用戶在各個頁面中的行為分布，及時發(fā)現(xiàn)用戶流失節(jié)點或者流量聚集節(jié)點。即使發(fā)現(xiàn)客群表現(xiàn)差異分析實效提升，秒級獲取業(yè)務(wù)指標(biāo)轉(zhuǎn)化鏈路斷點識別產(chǎn)品購買場景中，用戶轉(zhuǎn)化斷點識別，關(guān)鍵流失原因定位。理財交易成功轉(zhuǎn)化率提升10%數(shù)倉開發(fā)成本降低20%實時感知，實現(xiàn)秒級精準(zhǔn)營銷對于線上消費貸/零售用戶進行實時的斷點營銷，以實現(xiàn)高效的斷點營銷，提升轉(zhuǎn)化。打通自動化營銷平臺，實現(xiàn)實時營銷實時上報用戶行為事件埋點實時上報，助力線上貸款風(fēng)險管理將用戶行為數(shù)據(jù)引入貸前信審、貸中監(jiān)控的作為特征變量，提升風(fēng)險識別效果?？腿悍謱舆\營，實現(xiàn)線上線下聯(lián)動營銷通過已經(jīng)建立的線上營銷渠道，及時識別不同業(yè)務(wù)場景中的潛在商機，形成線上線下聯(lián)動營銷，從而促進產(chǎn)品的最終轉(zhuǎn)化。斷點環(huán)節(jié)轉(zhuǎn)化率提升20%商機觸達率提升40%以上APP穩(wěn)定性監(jiān)控及性能優(yōu)化監(jiān)測手機銀行APP的性能問題，并對每次版本升級效果和升級覆蓋率實現(xiàn)即時監(jiān)測。研發(fā)側(cè)0投入即可完成崩潰問題監(jiān)控數(shù)分鐘之內(nèi)即可獲取到最新用戶升級發(fā)進度和升級問題從客戶行為事件到高價值衍生標(biāo)簽構(gòu)建高價值行為標(biāo)簽體系，從產(chǎn)品搜索、購買決策、產(chǎn)品購買、客戶引入、客戶忠誠度管理等環(huán)節(jié)，賦能線上運營?？s短行為數(shù)據(jù)衍生高價值標(biāo)簽的開發(fā)周期，從過往的1-2周提升為分鐘級創(chuàng)建標(biāo)簽補充客戶偏好、需求等高價值標(biāo)簽，進行人群的精準(zhǔn)圈選，針對特定興趣偏好或需求人群進行活動的策略設(shè)計和邀約視頻回溯用戶操作全流程畫面，全面優(yōu)化用戶使用體驗通過引入錄屏技術(shù)（SessionReplay），真實還原用戶在頁面的原始操作視頻，幫助設(shè)計師快速定位漏損節(jié)點，優(yōu)化頁面設(shè)計方案。活動頁留咨轉(zhuǎn)化提升18%活動信息觸達率提升35%08VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIAPP產(chǎn)品運營健康度監(jiān)測場景簡述●場景：該場景即對于●場景：該場景即對于APP產(chǎn)品運營的總體監(jiān)測，包括對對關(guān)鍵指標(biāo)異動的歸因分析，以賦能線上運營工作●關(guān)聯(lián)部門：手機銀行App線上運營部門痛點聚焦實時查看難APP產(chǎn)品運營指標(biāo)需要T+1，無法獲取當(dāng)日實時數(shù)據(jù)異常監(jiān)測難實時查看難APP產(chǎn)品運營指標(biāo)需要T+1，無法獲取當(dāng)日實時數(shù)據(jù)異常監(jiān)測難許多時候是接到用戶投訴后進行復(fù)盤才發(fā)現(xiàn)異常點歸因難發(fā)現(xiàn)指標(biāo)異常后，需要提需給開發(fā)部門或者人工手動按照業(yè)務(wù)經(jīng)驗逐步分析，效率低新平臺上線后的運營方式Step1：配置常規(guī)化產(chǎn)品運營指標(biāo)集、構(gòu)建APP綜合運營看板基于近三年金融行業(yè)全渠道分析項目落地實踐，APP等線上平臺運營監(jiān)控指標(biāo)通常包括：指標(biāo)大類用戶規(guī)模數(shù)據(jù)-實時統(tǒng)計典型指標(biāo)當(dāng)日App活躍次數(shù)，當(dāng)日App活躍用戶數(shù)，當(dāng)日注冊用戶數(shù)，當(dāng)日登錄用戶數(shù)等。運營監(jiān)控用途查看App實時基礎(chǔ)指標(biāo)的變化，及時感知數(shù)據(jù)異常。用戶規(guī)模數(shù)據(jù)-整體趨勢近7日新增用戶數(shù)、近30日活躍用戶數(shù)，近30日人均訪問時長趨勢，7日留存率趨勢等。查看App基礎(chǔ)運營指標(biāo)的發(fā)展，判斷App的整體發(fā)展趨勢。App整體功能滲透功能的滲透率，功能的瀏覽次數(shù)，瀏覽用戶數(shù)，功能訪問偏好等。資源位同理?！吧睢?、“信用卡”等不同模塊。資源位指首頁客戶生命周期活躍用戶結(jié)構(gòu)及趨勢：新用戶，留存用戶，回流用戶，流失用戶。流失用戶結(jié)構(gòu)及趨勢：流失新用戶，流失留存用戶，流失回流用戶。根據(jù)不同用戶群體的結(jié)構(gòu)和趨勢，合理分配營銷、服務(wù)和研發(fā)資源。關(guān)注流失用戶的結(jié)構(gòu)和趨勢，及時發(fā)現(xiàn)潛在的流失風(fēng)險群體。比如，對留存率較高的用戶群體，減少營銷投入，而對流失風(fēng)險較大的群體，增加服務(wù)和關(guān)懷。業(yè)務(wù)運營類（每種類型業(yè)務(wù)一個看板，包含理財、貸款等，以轉(zhuǎn)賬為例）轉(zhuǎn)賬支付用戶數(shù)，轉(zhuǎn)賬支付次數(shù)，轉(zhuǎn)賬支付金額，轉(zhuǎn)賬流出銀行分布，轉(zhuǎn)賬支付流程轉(zhuǎn)化漏斗，轉(zhuǎn)賬方式分布，轉(zhuǎn)賬失敗次數(shù)，不同轉(zhuǎn)賬失敗原因占比等。對這些轉(zhuǎn)賬支付相關(guān)指標(biāo)的關(guān)注和分析，有助于銀行提升服務(wù)水平、優(yōu)化業(yè)務(wù)流程、保障資金安全，并更好地滿足用戶需求和適應(yīng)市場變化。活動效果數(shù)據(jù)活動頁訪問次數(shù)，活動頁訪問人數(shù)，活動流程轉(zhuǎn)化率，活動參與用戶渠道轉(zhuǎn)化率，活動人群理財同比增長率等。通過活動效果數(shù)據(jù)的分析，及時感知活動的參與度與轉(zhuǎn)化，并根據(jù)數(shù)據(jù)作出及時的策略調(diào)整。09實時查看數(shù)據(jù)最細(xì)粒度可到分鐘級，快速感知數(shù)據(jù)變化。通過DataFinder提供指標(biāo)可視化分析，支持快速配置運營監(jiān)控指標(biāo)，并生成常規(guī)化看板，不再依賴傳統(tǒng)的ETL開發(fā)?？蛇M行看板定時推送，常規(guī)推送至相關(guān)業(yè)務(wù)方，無需每天登錄系統(tǒng)來查看數(shù)據(jù)。用戶健康度看板配置看板訂閱及指標(biāo)監(jiān)控10VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIStep2：梳理與配置異常監(jiān)控任務(wù)，賦能運營人員及時發(fā)現(xiàn)APP運行過程中的異常點通過DataFinder指標(biāo)監(jiān)測能力，可以基于歷史經(jīng)驗配置告警規(guī)則，也可選智能監(jiān)控，依據(jù)歷史數(shù)據(jù)規(guī)律，實時預(yù)測指標(biāo)的數(shù)值區(qū)間，若實際數(shù)據(jù)值超出預(yù)測區(qū)間，則進行告警。例如：轉(zhuǎn)賬失敗次數(shù)波動超過10%則視為異常。Step3：異常數(shù)據(jù)歸因，快速定位問題定位問題可以遵從以下流程：第一步：可查看整體異常指標(biāo)的趨勢發(fā)現(xiàn)異常點。第二步：開啟異常監(jiān)測。第三步：系統(tǒng)對該事件的維度進行歸因分析，可查看某個銀行的轉(zhuǎn)賬接口失敗，導(dǎo)致大量轉(zhuǎn)出失敗，導(dǎo)致整體轉(zhuǎn)賬失敗次數(shù)的增加。整個過程只需要幾秒，即可快速歸因。1112VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI方案收益定量收益APP運營指標(biāo)看板查詢時間T+1>秒級定量收益APP運營指標(biāo)看板查詢時間T+1>秒級定性收益異常監(jiān)測從事后review升級為實時監(jiān)測節(jié)省看板搭建成本每張看板節(jié)省5000元發(fā)現(xiàn)異常后可通過內(nèi)置歸因模型快速定位客戶旅程可視化分析與用戶體驗優(yōu)化場景簡述●場景：在用戶行為分析中，需要記錄和分析目標(biāo)用戶在各●場景：在用戶行為分析中，需要記錄和分析目標(biāo)用戶在各高效查看分析用戶在各個頁面中的行為分布，有助于及時發(fā)現(xiàn)用戶流失節(jié)點或者流量聚集節(jié)點。●關(guān)聯(lián)部門：網(wǎng)金部，消費貸等部門運營人員痛點聚焦無法掌握熱點功能和用戶訪問路徑手機銀行功能眾多，不清楚哪些是用戶常用無法掌握熱點功能和用戶訪問路徑手機銀行功能眾多，不清楚哪些是用戶常用功能不清楚用戶的主要訪問路徑如何，哪些環(huán)節(jié)轉(zhuǎn)化高，哪些環(huán)節(jié)流失高無法快速識別，定位問題時，很難識別是否出現(xiàn)使用問題無法確認(rèn)業(yè)務(wù)流程是哪個環(huán)節(jié)對用的行為產(chǎn)生了影響13新平臺上線后的運營方式的人力與時間，特別是當(dāng)分析不能得出需要的結(jié)論時，需要反復(fù)導(dǎo)數(shù)、分析。暫且不論結(jié)果的有效性如何，僅從結(jié)論的時效性而言，就有可能錯失運營良機。在使用DataFinder系統(tǒng)，并進行合理的埋點實施以后，就可以利用“路徑分析”功能充分的明確用戶在手機銀行內(nèi)的流轉(zhuǎn)情況。以某銀行的手機銀行應(yīng)用分析為例，通過前期的應(yīng)用分析，我們發(fā)現(xiàn)用戶常用的功能包括：理財產(chǎn)品購買、存款購買、轉(zhuǎn)賬以及消費貸申請等。但是不清楚的是，用戶使用這些功能的路徑是怎樣的，哪些功能是用戶流量的集中節(jié)點。因此可以通過“路徑分析”讓分析工具協(xié)助識別這些流量聚集點。不知道哪些節(jié)點是關(guān)鍵節(jié)點?不知道哪些節(jié)點不知道哪些節(jié)點是關(guān)鍵節(jié)點?不知道哪些節(jié)點在前?哪些節(jié)點在后?不知道是不是有交叉訪問的情況?……不需要預(yù)先假設(shè)用戶路徑如何，只需要將關(guān)注的路徑節(jié)點直接添加至分析列表即可，數(shù)據(jù)會給出結(jié)論理財產(chǎn)品瀏覽 與購買?存款產(chǎn)品瀏覽與購買?用戶啟動手機銀行貸款申請?轉(zhuǎn)賬?14VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI識別用戶關(guān)鍵路徑。在配置完分析節(jié)點以后，系統(tǒng)在幾秒鐘內(nèi)即可給出直觀的用戶流轉(zhuǎn)可視化結(jié)果。在實際的分析的分析案例中，通過“用戶路徑”分析，我們發(fā)現(xiàn)理財產(chǎn)品、轉(zhuǎn)賬等功能為用戶常用功能，尤其是轉(zhuǎn)賬業(yè)務(wù)，全體用戶使用都較為頻繁?！稗D(zhuǎn)賬”行為較多，一方面值得行方關(guān)注，需要進一步分析用戶的轉(zhuǎn)賬行為究竟是行內(nèi)同名賬戶轉(zhuǎn)賬，還是跨行轉(zhuǎn)出等，從而采取對應(yīng)客戶挽留措施。另一方面，作為用戶體驗提升的環(huán)節(jié)，需要了解到，用戶在進行轉(zhuǎn)賬功能時是否使用順暢，是否存在阻礙性節(jié)點。轉(zhuǎn)化流程中是否存在問題，如果有問題，問題在哪里？一般情況下，我們可以通過不同的“屬性分組”分析，來了解用戶哪些客戶出現(xiàn)了行為差異。15在設(shè)置完漏斗路徑后，系統(tǒng)即刻可以給出不同維度下的用轉(zhuǎn)化率。通過“轉(zhuǎn)化分析”，發(fā)現(xiàn)新老手機銀行用戶在轉(zhuǎn)賬業(yè)務(wù)的轉(zhuǎn)化鏈路上存在流失率差異，新用戶在某一節(jié)點流失率明顯高于老用戶，需要加強對新用戶的提前引導(dǎo)。得到分析結(jié)果后，行內(nèi)馬上制定了用戶體驗優(yōu)化措施，提升新用戶使用體驗。ROI定量收益分析實效性提升定量收益分析實效性提升幾天>秒級分鐘級定性收益原來不能分析的場景的現(xiàn)在可以分析了:原來不能進行的分析，現(xiàn)在借助DataFinder可以實現(xiàn)了。通過路徑分析與頁面停留分析等功能準(zhǔn)確識別熱點功能，為用戶體驗優(yōu)化找準(zhǔn)場景。分析耗費人力減少運營、科技人員5-6人天>運營人員1-2小時及時識別與定位問題:及時發(fā)現(xiàn)同一轉(zhuǎn)化鏈路在不同客群間的表現(xiàn)差異，識別出問題;準(zhǔn)確定位問題發(fā)生節(jié)點，減少定性排查的不準(zhǔn)確性與時間消耗。16VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI多維度用戶轉(zhuǎn)化漏斗分析識別轉(zhuǎn)化斷點場景簡述●場景：產(chǎn)品購買場景中，用戶轉(zhuǎn)化斷點識別，關(guān)鍵●場景：產(chǎn)品購買場景中，用戶轉(zhuǎn)化斷點識別，關(guān)鍵流失原因定位●歸口部門：個金客戶運營團隊、網(wǎng)金APP運營團隊、零售運營團隊痛點聚焦旅程不清晰業(yè)務(wù)功能入口較多、轉(zhuǎn)化路徑長、客戶路徑旅程不清晰定位原因難業(yè)務(wù)活躍度高但最終轉(zhuǎn)化低流失節(jié)點無法準(zhǔn)確識別旅程不清晰業(yè)務(wù)功能入口較多、轉(zhuǎn)化路徑長、客戶路徑旅程不清晰定位原因難業(yè)務(wù)活躍度高但最終轉(zhuǎn)化低流失節(jié)點無法準(zhǔn)確識別缺少數(shù)據(jù)支持客戶特征洞察缺失、營銷精準(zhǔn)度低、產(chǎn)品優(yōu)化缺少有效數(shù)據(jù)支持分析時效低無靈活自主的分析的工具時效低，錯失關(guān)鍵運營時機新平臺上線后的運營方式通過采集理財各節(jié)點核心數(shù)據(jù)后，運營人員發(fā)現(xiàn)從申購點擊到申購成功，存在斷崖式流失。通過多種數(shù)據(jù)分析方式及多維度數(shù)據(jù)支持，高效的完成了數(shù)據(jù)分析，進行了線上運行策略的迭代。創(chuàng)建客戶旅程，定位流失節(jié)點理財交易成功的的數(shù)據(jù)理財交易成功的的數(shù)據(jù)持續(xù)無增長?17靈活分析工具，發(fā)現(xiàn)申購點擊到申購成功的斷崖式流失靈活分析工具，發(fā)現(xiàn)申購點擊到申購成功的斷崖式流失觀察流失趨勢，圈定流失的人群明顯數(shù)據(jù)波動的日期受明顯數(shù)據(jù)波動的日期受哪些因素影響?清晰定位節(jié)點，保存流失人群洞察多維度用戶特征，找到關(guān)鍵影響因素綜合分析結(jié)果，進行運營策略或產(chǎn)品功能的迭代，助力新一代線上運營方式18數(shù)倉開發(fā)成本無需提需數(shù)倉開發(fā)降低數(shù)倉人員開發(fā)的成本數(shù)倉開發(fā)成本無需提需數(shù)倉開發(fā)降低數(shù)倉人員開發(fā)的成本20%VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI定性收益提供十多種靈活的分析工具由過去高度依賴報表開發(fā)，到靈活的線上分析能力的轉(zhuǎn)化定量收益定性收益提供十多種靈活的分析工具由過去高度依賴報表開發(fā)，到靈活的線上分析能力的轉(zhuǎn)化定量收益理財轉(zhuǎn)化率準(zhǔn)確定位流失節(jié)點交易成功的轉(zhuǎn)化率提升10%全面多端的數(shù)據(jù)采集能力，多種采集方式的支持，為產(chǎn)品及運營活動的有效迭代，提供充分的數(shù)據(jù)支持?jǐn)?shù)據(jù)分析效率靈活自主分析全面多端的數(shù)據(jù)采集能力，多種采集方式的支持，為產(chǎn)品及運營活動的有效迭代，提供充分的數(shù)據(jù)支持?jǐn)?shù)據(jù)分析效率靈活自主分析提升數(shù)據(jù)分析的效率30%場景簡述●場景：對于線上消費貸用戶進行實時的斷點營銷，以實現(xiàn)●場景：對于線上消費貸用戶進行實時的斷點營銷，以實現(xiàn)高效的斷點營銷，提升轉(zhuǎn)化?！耜P(guān)聯(lián)部門：網(wǎng)絡(luò)金融痛點聚焦無法有效識別營銷斷點在沒有分析工具的情況下，無法有效監(jiān)測用戶在無法有效識別營銷斷點在沒有分析工具的情況下，無法有效監(jiān)測用戶在產(chǎn)品購買過程中的斷點，也無法進一步根據(jù)斷點判斷用戶意愿強度無法基于斷點進行實時自動化營銷因為無法及時獲取用戶的線上行為數(shù)據(jù)，就無法在用戶跳出時及時進行挽回觸達19新平臺上線后的運營方式新的用戶行為分析平臺上線以后一般可以采用以下方法實現(xiàn)用戶旅程斷點進行實施營銷：第一步：根據(jù)不同的業(yè)務(wù)場景，梳理出對應(yīng)的用戶旅程，如產(chǎn)品購買流程、活動參與流程等；第二步：根據(jù)已經(jīng)梳理出來的業(yè)務(wù)流程進行埋點開發(fā)，并進行用戶行為的采集；第三步：通過DataFinder中的用戶行為分析，找到容易產(chǎn)生用戶行為斷點的環(huán)節(jié)，或者是轉(zhuǎn)化不達預(yù)期的環(huán)節(jié)，設(shè)計對應(yīng)的營銷措施，例如：發(fā)放權(quán)益、推薦專屬產(chǎn)品或者推送一線客戶經(jīng)理等，在此環(huán)節(jié)下，實時營銷和非實時營銷可以結(jié)合使用，以進一步促進用戶的轉(zhuǎn)化。以線上貸款申請流程為例，首先可以進行轉(zhuǎn)化率分析。在實例中，首先在DataFinder中，我們利用“轉(zhuǎn)化分析”功能分析在線上貸款申請環(huán)節(jié)是否出現(xiàn)嚴(yán)重的轉(zhuǎn)化斷點或者轉(zhuǎn)化不符合預(yù)期的節(jié)點，同時，我們將“貸款類型”作為屬性分類進行用戶客群的區(qū)分。在分析過程中，我們發(fā)現(xiàn)：整體轉(zhuǎn)化漏斗中，具體產(chǎn)品選擇環(huán)節(jié)（貸款入口點擊——〉線上貸款選擇）流失率比較高；再進一步細(xì)分“消費貸”和“經(jīng)營貸”兩個產(chǎn)品的貸款申請流程，可以發(fā)現(xiàn)，“經(jīng)營貸”的轉(zhuǎn)化率不足10%，而“消費貸”的轉(zhuǎn)化率近30%，其中“經(jīng)營貸”用戶進行人臉識別這一環(huán)節(jié)的流失較大，近90%的用戶在這個環(huán)節(jié)離開。而“消費貸”產(chǎn)品在貸款提交等環(huán)節(jié)轉(zhuǎn)化率又不如“經(jīng)營貸產(chǎn)品”線上貸款申請整體轉(zhuǎn)化漏斗線上貸款申請整體轉(zhuǎn)化漏斗貸款入口點擊線上貸款產(chǎn)品選擇人臉識別貸款產(chǎn)品申請頁曝光貸款產(chǎn)品申請?zhí)峤皇谛攀芾淼却缑娼?jīng)營貸轉(zhuǎn)化漏斗消費貸轉(zhuǎn)化漏斗線上貸款產(chǎn)品選擇 人臉識別 貸款產(chǎn)品申請頁曝光 貸款產(chǎn)品申請?zhí)峤?授信受理等待界面 線上貸款產(chǎn)品選擇 人臉識別 貸款產(chǎn)品申請頁曝光貸款產(chǎn)品申請?zhí)峤皇谛攀芾淼却缑孓D(zhuǎn)化率57％轉(zhuǎn)化率12％轉(zhuǎn)化率26％20VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI根據(jù)對應(yīng)的斷點設(shè)計對應(yīng)的自動化營銷策略，在GMP系統(tǒng)中引入DataFinder的圈選條件，例如“發(fā)起了申請流程但人臉識別未成功的用戶”、“多次瀏覽未發(fā)起申請的用戶”等；21最終，可以回到DataFinder中進一步分析用戶轉(zhuǎn)化行為的變化以及營銷效果等數(shù)據(jù)。定性收益精準(zhǔn)圈定用戶群:定量收益定性收益精準(zhǔn)圈定用戶群:定量收益快速識別流程中的交易行為轉(zhuǎn)化漏斗分析時間幾天>幾十秒重跑分析維度時間數(shù)秒內(nèi)根據(jù)用戶行為，實時進行營銷觸達:數(shù)據(jù)可以輸出給自動化營銷平臺，作為實時自動化營銷的觸發(fā)點;根據(jù)用戶行為，實時進行營銷觸達:數(shù)據(jù)可以輸出給自動化營銷平臺，作為實時自動化營銷的觸發(fā)點;在用戶行為出現(xiàn)斷點時，根據(jù)規(guī)則進行實時營銷觸達，減少客戶猶豫時間，提升轉(zhuǎn)化。VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI埋點數(shù)據(jù)實時、穩(wěn)定采集，助力線上貸款風(fēng)險管理場景簡述●場景：在線上貸款申請和使用場景中，用戶行為數(shù)據(jù)作為●場景：在線上貸款申請和使用場景中，用戶行為數(shù)據(jù)作為貸前信審、貸中監(jiān)控的重要特征變量已廣泛的應(yīng)用于各類金融機構(gòu)?！耜P(guān)聯(lián)部門：風(fēng)險管理部痛點聚焦埋點開發(fā)周期長、成本高在傳統(tǒng)場景下，風(fēng)控部門的埋點需求需要經(jīng)過需求提出、評審、專項開發(fā)、上線驗證等流程，開發(fā)周期往往需要幾周時間，難以滿足應(yīng)用時效性要求。埋點開發(fā)周期長、成本高在傳統(tǒng)場景下，風(fēng)控部門的埋點需求需要經(jīng)過需求提出、評審、專項開發(fā)、上線驗證等流程，開發(fā)周期往往需要幾周時間，難以滿足應(yīng)用時效性要求。無法充分滿足信貸流程中的時效性、準(zhǔn)確性要求行為數(shù)據(jù)在整個信貸流程中前、中、后三個環(huán)節(jié)都起了很重要的要求行為數(shù)據(jù)能夠及時傳輸，傳統(tǒng)埋點方式面對較多埋點時，數(shù)據(jù)豐富度不足風(fēng)控場景下，策略團隊不僅會還會不斷的進行探索性分析。傳統(tǒng)埋點一般都是緊貼風(fēng)控所需的字段進行開發(fā)，不能充分使用貫穿整個用戶生命周期的行為數(shù)據(jù)。新平臺上線后的運營方式在線上貸款申請場景中，金融機構(gòu)在構(gòu)建風(fēng)控模型時，往往會引入用戶行為數(shù)據(jù)作為重要的特征變量。因此用戶行為數(shù)據(jù)采集的及時性、準(zhǔn)確性以及完整性會直接影響風(fēng)控模型的質(zhì)量。利用DataFinder進行用戶行為數(shù)據(jù)采集，可以降低科技部門的開發(fā)成本，縮短開發(fā)時間，并實現(xiàn)數(shù)據(jù)采集的及時性、準(zhǔn)確性以及完整性。客戶手機APP客戶手機APP行為數(shù)據(jù)采集申請信息DataFinderAPP使用 行為信息風(fēng)控引擎征信數(shù)據(jù)三方征信數(shù)據(jù)歷史記錄/標(biāo)簽等其他系統(tǒng)23埋點數(shù)據(jù)復(fù)用度、豐富度提升:DataFinder可以將用戶相關(guān)行為數(shù)據(jù)通過OnelD進行整合統(tǒng)一，免除行內(nèi)對應(yīng)開發(fā)工作量;且無論是運營所需埋點，還是產(chǎn)品所需埋點，均可以直接開放給風(fēng)控部門使用，復(fù)用性和豐富度都可以得到提升。埋點數(shù)據(jù)復(fù)用度、豐富度提升:DataFinder可以將用戶相關(guān)行為數(shù)據(jù)通過OnelD進行整合統(tǒng)一，免除行內(nèi)對應(yīng)開發(fā)工作量;且無論是運營所需埋點，還是產(chǎn)品所需埋點，均可以直接開放給風(fēng)控部門使用，復(fù)用性和豐富度都可以得到提升。埋點實時采集在線上消費貸申請頁面和相關(guān)流程中，部署了精細(xì)的埋點策略，實時采集行為數(shù)據(jù)，包括頁面訪問路徑、停留時間、填寫信息的速度和準(zhǔn)確性等。采集用戶的設(shè)備信息、網(wǎng)絡(luò)環(huán)境等技術(shù)數(shù)據(jù)，以及用戶貸中用信、貸后還款等的行為數(shù)據(jù)。對接風(fēng)控決策引擎采集到的實時數(shù)據(jù)被迅速傳輸至先進的風(fēng)控決策引擎。風(fēng)控決策引擎運用大數(shù)據(jù)分析、機器學(xué)習(xí)算法和規(guī)則引擎，對用戶的信用風(fēng)險進行快速評估。定性收益實時采集數(shù)據(jù)，充分滿足信貸各環(huán)節(jié)需求:DataFinder提供的實時數(shù)據(jù)采集以及經(jīng)過充分驗證的高穩(wěn)定性，既支持了授信秒批，也滿足了貸中、貸后的持續(xù)監(jiān)控需求。定量收益定性收益實時采集數(shù)據(jù)，充分滿足信貸各環(huán)節(jié)需求:DataFinder提供的實時數(shù)據(jù)采集以及經(jīng)過充分驗證的高穩(wěn)定性，既支持了授信秒批，也滿足了貸中、貸后的持續(xù)監(jiān)控需求。定量收益埋點開發(fā)時間短成本降低利用系統(tǒng)預(yù)置埋點獲取基礎(chǔ)信息開發(fā)接近0成本利用系統(tǒng)預(yù)置屬性，事件可復(fù)用邊際成本接近0需求提交到驗證上線僅需2-3天24VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI線上線下聯(lián)動中的客群分層與商機識別場景簡述●場景：客戶希望通過其已經(jīng)建立的線上營銷渠道，及時識別●場景：客戶希望通過其已經(jīng)建立的線上營銷渠道，及時識別不同業(yè)務(wù)場景中的潛在商機，對于重點客戶或者關(guān)鍵活動，形成線上線下聯(lián)動營銷，從而促進產(chǎn)品的最終轉(zhuǎn)化?！耜P(guān)聯(lián)部門：數(shù)字銀行、零售痛點聚焦無法識別關(guān)鍵客群手機銀行是理財產(chǎn)品和小額消費貸類產(chǎn)品的主要轉(zhuǎn)化場景，無法有效識別哪些客群，在購買哪些產(chǎn)品時，在哪些環(huán)節(jié)產(chǎn)生了流失無法識別關(guān)鍵客群手機銀行是理財產(chǎn)品和小額消費貸類產(chǎn)品的主要轉(zhuǎn)化場景，無法有效識別哪些客群，在購買哪些產(chǎn)品時，在哪些環(huán)節(jié)產(chǎn)生了流失轉(zhuǎn)化效果無法追蹤無法對營銷后的鏈路數(shù)據(jù)進行有效的分析，對應(yīng)的客群是否有響應(yīng)，是否產(chǎn)生了轉(zhuǎn)化、轉(zhuǎn)化了多少等，數(shù)據(jù)缺失線上客群無法轉(zhuǎn)化為有效的線下營銷商機當(dāng)線上客戶成為潛在營銷客群后，無法有效的向行內(nèi)其他系統(tǒng)進行傳導(dǎo)，無法使一線客戶經(jīng)理團隊及時獲取商機并跟進新平臺上線后的運營方式用戶潛力提升但普通用戶通過線上觸達通過DataFinder識別潛在用戶用戶潛力提升但普通用戶通過線上觸達通過DataFinder識別潛在用戶線上忠實客戶未建聯(lián)的，轉(zhuǎn)線下建聯(lián)中高凈值用戶轉(zhuǎn)線下觸達25通過DataFinder平臺進行關(guān)鍵客群圈選，可以形成每日更新的人群包，這類人群包可以輸送給下游系統(tǒng)進行實時自動化營銷或者由線下渠道進行用戶觸達。人群包輸出系統(tǒng)互通，建立商機。每日開展定時任務(wù)，由下游商機系統(tǒng)讀取DataFinder系統(tǒng)生成的人群包，并通過解析，形成商機推送給一線客戶經(jīng)理，由客戶經(jīng)理進行跟進觸達。如果行內(nèi)還沒有建立自動化營銷系統(tǒng)，也可以通過短信等渠道實現(xiàn)批量客戶觸達。26VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIROI定量收益部分產(chǎn)品斷點客戶線下觸達轉(zhuǎn)化率定量收益部分產(chǎn)品斷點客戶線下觸達轉(zhuǎn)化率提升20%定性收益實現(xiàn)線上線下運營聯(lián)動:通過DataFinder實現(xiàn)了關(guān)鍵客群(高意愿客群)的識別，并通過建立閉環(huán)運營機制、優(yōu)化營銷方案、對接系統(tǒng)、培訓(xùn)一線營銷人員等措施，將部分線上客戶轉(zhuǎn)化為線下營銷商機，實現(xiàn)了完整的線上線下營銷閉環(huán)，取得成效。一線商機觸達完成率提升40%一線商機觸達完成率提升40%優(yōu)秀支行觸達率達到80%打通DataFinder與行內(nèi)系統(tǒng)的數(shù)據(jù)應(yīng)用鏈路:與下游系統(tǒng)實現(xiàn)數(shù)據(jù)聯(lián)通，包括:客群標(biāo)簽的識別與對接、基于用戶行為觸發(fā)的商機工單機制、商機工單功能整體優(yōu)化等;營銷閉環(huán)搭建完成后，還可以通過DataFinder進一步分析用戶的線上轉(zhuǎn)化行為，實現(xiàn)數(shù)據(jù)閉環(huán)。APP崩潰、版本監(jiān)測，推進APP性能優(yōu)化管控場景簡述●場景：用戶希望通過DataFinder進一步監(jiān)測手機銀行本身●場景：用戶希望通過DataFinder進一步監(jiān)測手機銀行本身的性能問題，以及每次升級后，用戶是否都完成了重要更新版本的升級工作?！窳闶鄄客袋c聚焦無法監(jiān)控用戶版本以及系統(tǒng)分布情況銀行不定期會對手機銀行進行重大功能更新，或是修復(fù)上一版本的重大缺陷，此時需要能夠主動監(jiān)控用戶升級情況，以確保主要用戶都完成了重大版本的更新；無法監(jiān)控用戶版本以及系統(tǒng)分布情況銀行不定期會對手機銀行進行重大功能更新，或是修復(fù)上一版本的重大缺陷，此時需要能夠主動監(jiān)控用戶升級情況，以確保主要用戶都完成了重大版本的更新；當(dāng)前安卓、鴻蒙、IOS平臺對于應(yīng)用廠商對于客戶的觸達采取了不同的限制策略，銀行需要了解用戶的系統(tǒng)情況，以制定有針對性的營銷策略。無法及時判斷應(yīng)用崩潰影響程度APP崩潰非常影響用戶體驗，因此需要能夠監(jiān)控應(yīng)用崩潰情況，識別主要崩潰原因并跟進解決。27新平臺上線后的運營方式在DataFinder內(nèi)部預(yù)置了移動端的“應(yīng)用崩潰”事件采集，可以在一定程度上幫助應(yīng)用運維團隊盡早識別“手機銀行版本”、“手機品牌”等系統(tǒng)相關(guān)屬性進行綜合判斷；一般情況下，可以通過以下步驟來進行用戶版本升級以及應(yīng)用崩潰監(jiān)測。Step1：監(jiān)控關(guān)鍵參數(shù)。利用預(yù)置事件“應(yīng)用啟動”，通過“屬性分組”功能中的“軟件版本”與“系統(tǒng)版本”兩個屬性，分別關(guān)注用戶手機銀行版本以及手機操作系統(tǒng)類型等。此類數(shù)據(jù)的監(jiān)控，主要用來幫助金融機構(gòu)監(jiān)控用戶是否及時進行了客戶端升級、客戶機型分布、操作系統(tǒng)分布等情況，一方面識別升級等操作是否達到預(yù)期，一方面集中資源，在用戶分布較多的手機品牌、操作系統(tǒng)或者機型上進行優(yōu)先適配；Step2：下應(yīng)用崩潰次數(shù)和影響用戶數(shù)，如圖：28VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI用戶影響分析用戶影響分析近30天手機銀行崩潰日均影響用戶人數(shù)崩潰用戶手機應(yīng)用版本分布Step3：如果出現(xiàn)崩潰次數(shù)或者影響用戶數(shù)較多，就需要對崩潰原因進行進一步探查，該步驟可以通過29ROI定量收益對于“應(yīng)用崩潰”，系統(tǒng)設(shè)置為預(yù)置事件定量收益對于“應(yīng)用崩潰”，系統(tǒng)設(shè)置為預(yù)置事件無需額外開發(fā)人力實現(xiàn)零成本定性收益及時解決用戶使用手機銀行崩潰問題:幫助科技部門及時了解手機銀行崩潰情況和涉及應(yīng)用版本，并初步定位崩潰原因。幫助科技及時修復(fù)影響嚴(yán)重的問題，并發(fā)起了用戶升級引導(dǎo)活動，近一步提升了用戶體驗。對于“用戶版本升級”問題，通過看板搭建零延遲獲取升級信息對于“用戶版本升級”問題，通過看板搭建零延遲獲取升級信息正確反映用戶手機銀行使用情況:之前零售部門發(fā)現(xiàn)很多客戶無法及時收到營銷推送，或者推送被攔截。通過分析用戶操作系統(tǒng)分分布情況，結(jié)合業(yè)務(wù)實踐，明確了部分操作系統(tǒng)對于營銷觸達信息的約束，后續(xù)會制定更具有針對性的觸達策略。行為事件衍生為高價值標(biāo)簽場景簡述借助埋點采集的線上瀏覽、搜索、收藏、購買等數(shù)據(jù)，可以創(chuàng)新提煉出客群習(xí)慣、偏好、意愿等借助埋點采集的線上瀏覽、搜索、收藏、購買等數(shù)據(jù)，可以創(chuàng)新提煉出客群習(xí)慣、偏好、意愿等高價值標(biāo)簽，賦能精準(zhǔn)的客群圈選。痛點聚焦高價值衍生標(biāo)簽較少當(dāng)前銀行標(biāo)簽多以客戶屬性和客戶業(yè)務(wù)辦理的事實性標(biāo)簽為主，而描繪客戶習(xí)慣、偏好、金融需求方面的標(biāo)簽較少，無法進行精細(xì)化圈群高價值標(biāo)簽需求難以提出高價值衍生標(biāo)簽較少當(dāng)前銀行標(biāo)簽多以客戶屬性和客戶業(yè)務(wù)辦理的事實性標(biāo)簽為主，而描繪客戶習(xí)慣、偏好、金融需求方面的標(biāo)簽較少，無法進行精細(xì)化圈群高價值標(biāo)簽需求難以提出業(yè)務(wù)運營人員不了解埋點體系，無法清晰提出高價值衍生標(biāo)簽的行為數(shù)據(jù)采集到標(biāo)簽衍生鏈路長30VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI新平臺上線后的運營方式新平臺上線后，可以進行高價值標(biāo)簽的快速分析與衍生配置Step1:構(gòu)建高價值行為標(biāo)簽體系業(yè)務(wù)人員希望在人群圈選中通過產(chǎn)品偏好、渠道偏好等方式精細(xì)化分群，因此提出高價值標(biāo)簽的需求，例如：標(biāo)簽名稱業(yè)務(wù)描述標(biāo)簽名稱業(yè)務(wù)描述理財產(chǎn)品偏好理財產(chǎn)品偏好權(quán)益敏感度通過客戶對營銷權(quán)益的行為反饋，總結(jié)客戶對于立減金、優(yōu)惠券等權(quán)益的敏感度權(quán)益敏感度通過客戶對營銷權(quán)益的行為反饋，總結(jié)客戶對于立減金、優(yōu)惠券等權(quán)益的敏感度觸達渠道偏好通過客戶對觸達方式的行為反饋，總結(jié)客戶對于營銷渠道的偏好觸達渠道偏好通過客戶對觸達方式的行為反饋，總結(jié)客戶對于營銷渠道的偏好金融辦理需求偏好通過對客戶瀏覽app的頻道或?qū)^(qū)，總結(jié)客戶在使用app過程中主要的金融業(yè)務(wù)辦理需求偏好金融辦理需求偏好通過對客戶瀏覽app的頻道或?qū)^(qū)，總結(jié)客戶在使用app過程中主要的金融業(yè)務(wù)辦理需求偏好Step2:分布分析查看頻次分布通過數(shù)據(jù)分析，對標(biāo)簽實現(xiàn)方式和取值邏輯的進行設(shè)計31基于數(shù)據(jù)分析結(jié)果，完善標(biāo)簽的具體名稱和業(yè)務(wù)口徑標(biāo)簽名稱口徑說明標(biāo)簽名稱口徑說明理財產(chǎn)品購買意向最近14天客戶在手機銀行上有過理財產(chǎn)品瀏覽行為高：瀏覽次數(shù)在4次及以上。理財產(chǎn)品購買意向最近14天客戶在手機銀行上有過理財產(chǎn)品瀏覽行為高：瀏覽次數(shù)在4次及以上。中：瀏覽次數(shù)在2（含）-4次（不含）。低：瀏覽次數(shù)在1（含）-2次（不含）。理財產(chǎn)品類型偏好最近14天客戶在手機銀行上有過理財產(chǎn)品瀏覽行為，且瀏覽產(chǎn)品類型次數(shù)≥5次，認(rèn)為客戶具有此類產(chǎn)品的意向偏好。理財產(chǎn)品類型偏好最近14天客戶在手機銀行上有過理財產(chǎn)品瀏覽行為，且瀏覽產(chǎn)品類型次數(shù)≥5次，認(rèn)為客戶具有此類產(chǎn)品的意向偏好。枚舉值包含：貨幣型、固收型、混合型、權(quán)益型觸達渠道偏好最近3個月通過手機銀行彈窗、push、短信等點擊情況分析，大于5次表示對此渠道的偏好。觸達渠道偏好最近3個月通過手機銀行彈窗、push、短信等點擊情況分析，大于5次表示對此渠道的偏好。枚舉值包含：彈窗、Push、短信……權(quán)益敏感度最近3個月根據(jù)客戶領(lǐng)取相關(guān)權(quán)益的行為進行統(tǒng)計，大于10次表示對此渠道的偏好。權(quán)益敏感度最近3個月根據(jù)客戶領(lǐng)取相關(guān)權(quán)益的行為進行統(tǒng)計，大于10次表示對此渠道的偏好。枚舉值包含：積分、微信立減金、商城優(yōu)惠券、飲食優(yōu)惠券、信用卡還款金、出行券……金融辦理需求基于用戶最近1個月瀏覽各頻道的次數(shù)，大于10次，或相關(guān)頻道內(nèi)容每次停留時長超過2分鐘的。金融辦理需求基于用戶最近1個月瀏覽各頻道的次數(shù)，大于10次，或相關(guān)頻道內(nèi)容每次停留時長超過2分鐘的。枚舉值包含：理財辦理需求、基金辦理需求、信貸辦理需求、信用卡辦理需求、存款辦理需求、養(yǎng)老金融辦理需求……Step3:通過可視化的用戶標(biāo)簽功能快速配置衍生標(biāo)簽利用行為數(shù)據(jù)構(gòu)建【理財產(chǎn)品購買意向】標(biāo)簽32VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI利用行為數(shù)據(jù)構(gòu)建【理財產(chǎn)品類型偏好】標(biāo)簽建立好的標(biāo)簽示例定性收益補充客戶偏好、需求等高價值標(biāo)簽，進行人群的精準(zhǔn)圈選，針對特定興趣偏好或需求人群進行活動的策略設(shè)計和邀約定量收益行為數(shù)據(jù)衍生定性收益補充客戶偏好、需求等高價值標(biāo)簽，進行人群的精準(zhǔn)圈選，針對特定興趣偏好或需求人群進行活動的策略設(shè)計和邀約定量收益行為數(shù)據(jù)衍生高價值創(chuàng)建標(biāo)簽時間 1-2周>分鐘級(從需求到開發(fā))高價值標(biāo)簽作為個性化推薦等算法模型的特征變量，有效提升推薦模型的效果33高價值標(biāo)簽作為個性化推薦等算法模型的特征變量，有效提升推薦模型的效果視頻回溯用戶操作全流程畫面，全面優(yōu)化用戶使用體驗場景簡述●場景：過往的行為分析中，業(yè)務(wù)人員只能拿到埋點數(shù)據(jù)和●場景：過往的行為分析中，業(yè)務(wù)人員只能拿到埋點數(shù)據(jù)和相關(guān)看板，理解門檻高，需要熟悉埋點數(shù)據(jù)結(jié)構(gòu)和業(yè)務(wù)含義。為了進一步提升用戶在手機銀行的用戶體驗，幫助運營部門優(yōu)化活動設(shè)計，結(jié)合國內(nèi)外的前沿技術(shù)和實施經(jīng)驗，通過引入錄屏技術(shù)（SessionReplay），真實還原用戶在網(wǎng)頁上的原始操作視頻，更好的優(yōu)化業(yè)務(wù)流程。●關(guān)聯(lián)部門：數(shù)據(jù)運營部、產(chǎn)品部痛點聚焦希望提升活動頁的留咨轉(zhuǎn)化率。通過轉(zhuǎn)化分析雖然可以計算出每一步驟的流失百分比&數(shù)值，但無法感知每個步驟中具體哪個操作造成的流失，難以讓UI設(shè)計師快速定位到優(yōu)化方向。希望提升活動頁的留咨轉(zhuǎn)化率。通過轉(zhuǎn)化分析雖然可以計算出每一步驟的流失百分比&數(shù)值，但無法感知每個步驟中具體哪個操作造成的流失，難以讓UI設(shè)計師快速定位到優(yōu)化方向。新平臺上線后的運營方式Step1：通過會話回放列表頁中的高級篩選，篩選出在活動頁留咨步驟中流失的用戶群體（從進入表單頁填寫到點擊提交按鈕這部分流失的人群）。34VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIStep2：分別查看該群體用戶的行為視頻，如該用戶在表單詳情頁輸入信息時，認(rèn)真填寫了聯(lián)系人/Step3：進行進一步下鉆分析剖析輸入內(nèi)容->瀏覽選項->停留->關(guān)閉頁面的動作后，可以猜測：可能該下拉選項中沒有目標(biāo)選項&用戶不理解全部選項的含義，無法自行添加選項，后放棄咨詢關(guān)閉頁面；若此流失群體中多位用戶行為相似，可判斷該選項交互體驗較差，可通過進一步用戶訪談進行優(yōu)化方向的確認(rèn)，明確優(yōu)化內(nèi)容；通過熱力圖分析用戶的關(guān)注點和可能疑惑的信息點;35ROI定量ROI活動頁面-業(yè)務(wù)咨詢轉(zhuǎn)化 定量ROI活動頁面-業(yè)務(wù)咨詢轉(zhuǎn)化 提升18%定性ROI通過查看用戶錄屏，全面掌握從數(shù)據(jù)’到“具象”的全方位洞察?；顒有畔⒂|達效率 提升35%

設(shè)計師無需單獨安排用戶線下產(chǎn)品試用，耗費大量時間逐一訪談，工具可自動捕獲用戶原始行為錄屏。36保障新一代平臺架構(gòu)落地OLAP引擎數(shù)據(jù)導(dǎo)出推薦系統(tǒng)畫像平臺報表系統(tǒng)規(guī)則引擎系統(tǒng)對接數(shù)據(jù)開放數(shù)據(jù)分析新一代全渠道客戶旅程分析總體框架OLAP引擎數(shù)據(jù)導(dǎo)出推薦系統(tǒng)畫像平臺報表系統(tǒng)規(guī)則引擎系統(tǒng)對接數(shù)據(jù)開放數(shù)據(jù)分析Kafka訂閱OpenKafka訂閱OpenAPI預(yù)設(shè)業(yè)務(wù)看板預(yù)設(shè)業(yè)務(wù)看板|自定義看板|場景看板（財富管理、信用卡、活動營銷...）用戶分析行為分析特色分析用戶分群 用戶細(xì)查事件分析 留存分析 轉(zhuǎn)化分析 用戶路徑多維表格 融合分析用戶標(biāo)簽 成分分析歸因分析 熱圖分析 歸因分析......會話回放AI分析AppSDK WebSDK AppSDK WebSDK 小程序SDK 外呼平臺微信公眾號 服務(wù)端API 數(shù)據(jù)導(dǎo)入工具用戶標(biāo)簽數(shù)據(jù)行為數(shù)據(jù)明細(xì)數(shù)據(jù)機構(gòu)/賬戶/用戶/設(shè)備...數(shù)據(jù)采集數(shù)據(jù)融合分析視角：打破傳統(tǒng)工具對于“應(yīng)用”這一單一分析視角的傳統(tǒng)架構(gòu)，實現(xiàn)全鏈路分析的模式躍升，支持跨平臺、跨端、跨域的全鏈路分析，實現(xiàn)營銷分析的視角升級通過豆包大模型能力，在數(shù)據(jù)采集管理、數(shù)據(jù)查詢分析、數(shù)據(jù)洞察決策環(huán)節(jié)融入智能化工具，自動化完成數(shù)據(jù)質(zhì)量巡檢，對指標(biāo)結(jié)果針對性提關(guān)鍵洞見，幫助機構(gòu)提升數(shù)據(jù)使用效率，降低數(shù)據(jù)使用門檻。SeesionReplay點擊、混亂操作等異常動作，幫助設(shè)計團隊真實了解用戶使用體驗，完成針對性排查和優(yōu)化。38VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI歷史埋點數(shù)據(jù)遷移基于過去近百家銀行全渠道客戶旅程分析與線上運營平臺落地實施實踐，火山引擎總結(jié)歸納歷史埋點數(shù)據(jù)遷移是一項必須的關(guān)鍵實施事項，核心需要考慮以下兩點：歷史埋點數(shù)據(jù)源評估與數(shù)據(jù)遷移新平臺元數(shù)據(jù)遷移任務(wù)離線數(shù)據(jù)遷移任務(wù)歷史埋點數(shù)據(jù)遷移元數(shù)據(jù)遷移任務(wù)離線數(shù)據(jù)遷移任務(wù)歷史埋點數(shù)據(jù)遷移實時數(shù)據(jù)遷移任務(wù)看板數(shù)據(jù)遷移任務(wù)MySQL外部數(shù)據(jù)庫ClickHouseClickHouse外部大數(shù)據(jù)存儲kafka外部MQ輸入kafka外部MQMySQL外部數(shù)據(jù)庫數(shù)據(jù)同步MySQL外部數(shù)據(jù)庫歷史埋點數(shù)據(jù)源簡介火山支持的遷移方式銀行采用的歷史埋點數(shù)據(jù)源通常包括：歷史埋點數(shù)據(jù)源簡介火山支持的遷移方式HDFS/CK存儲歷史埋點、用戶數(shù)據(jù)標(biāo)準(zhǔn)化遷移工具+ETL遷移HDFS/CK存儲歷史埋點、用戶數(shù)據(jù)標(biāo)準(zhǔn)化遷移工具+ETL遷移Mysql/Oracle等存儲事件元數(shù)據(jù)、看板數(shù)據(jù)產(chǎn)品化、模板化遷移Mysql/Oracle等存儲事件元數(shù)據(jù)、看板數(shù)據(jù)產(chǎn)品化、模板化遷移Kafka/其他MQ實時上報數(shù)據(jù)流支持SDK雙寫+逐步驗證替換的遷移方案Kafka/其他MQ實時上報數(shù)據(jù)流支持SDK雙寫+逐步驗證替換的遷移方案存量數(shù)據(jù)可做到一鍵數(shù)據(jù)遷移，低成本快速落地。其他埋點平臺的元數(shù)據(jù)、歷史數(shù)據(jù)、實時數(shù)據(jù)遷移，DataFinder已具備成熟的標(biāo)準(zhǔn)化遷移方案，已在多家股份銀行、城商行、券商等金融客戶驗證。39數(shù)據(jù)遷移過程中的埋點治理與質(zhì)量提升除數(shù)據(jù)遷移外，可引入分析團隊針對歷史埋點進行埋點治理，去除重復(fù)埋點、廢棄埋點，提升埋點價值，已在多個金融客戶落地實施。識別方式：1）從口徑判斷是否是重復(fù)埋點。2）從場景判斷是否為臨時埋點或過期埋點，例如短期活動上線的埋點，活動已下線。3）從質(zhì)量判斷埋點采集的數(shù)據(jù)是否存在上報時機不準(zhǔn)確，采集內(nèi)容不可用的問題，可廢棄。手機銀行APP客戶行為事件如何采集如何采集行為數(shù)據(jù)手機銀行APP行為數(shù)據(jù)手機銀行APPlOSAndroidSDK公眾號授權(quán)接入公眾號HTTPAPI公眾號

數(shù)據(jù)處理數(shù)據(jù)處理數(shù)據(jù)整合數(shù)據(jù)處理數(shù)據(jù)整合數(shù)據(jù)處理埋點設(shè)計埋點驗收數(shù)據(jù)存儲數(shù)據(jù)清理元數(shù)據(jù)管理元數(shù)據(jù)管理///采集接入WEB|H5UserprofileAPl

可在線創(chuàng)建埋點，保存前驗收埋點，創(chuàng)建新的虛擬事件或虛擬屬性，以及總體評價系統(tǒng)內(nèi)的數(shù)據(jù)質(zhì)量及查看有問題的埋點明細(xì)。數(shù)據(jù)存儲數(shù)據(jù)存儲智能終端產(chǎn)品定期清理無效埋點智能終端產(chǎn)品用戶注銷時可刪除賬號下所有數(shù)據(jù)40VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI非線上渠道的客戶行為事件如何采集場景一：用戶在線下網(wǎng)點、智慧柜臺、遠(yuǎn)程銀行、取號機等設(shè)備和營業(yè)廳發(fā)生的交互事件線下場景中的用戶洞察：用戶通過銀行線下網(wǎng)店訪問智能柜臺或移動營銷，從客戶的業(yè)務(wù)辦理類型、交易金額、辦理時間等數(shù)據(jù)中推斷其行為和需求。線上線下聯(lián)動洞察用戶畫像：通過實時上報的線下訪問行為查詢用戶畫像、標(biāo)簽等屬性信息。線上自動化觸達柜臺經(jīng)理：通過上報行為和ID實時進行IDmapping，并將實時查詢到的用戶屬性/偏好標(biāo)簽推送至對應(yīng)的管戶經(jīng)理或柜臺經(jīng)理，實現(xiàn)線上線下的打通和聯(lián)動。場景二：通過DataFinder外部數(shù)據(jù)源接入能力對接發(fā)卡環(huán)節(jié)的領(lǐng)卡、審批等事件線下用戶行為：客戶線上申請辦理信用卡，線上只覆蓋了瀏覽辦卡頁->申卡，后續(xù)的審批節(jié)點和開卡、綁卡節(jié)點等，都不在線上埋點采集范圍，從業(yè)務(wù)整體視角出發(fā)，需要跟蹤分析整個辦卡到首刷全旅程。全渠道數(shù)據(jù)打通：通過信用卡審批系統(tǒng)后臺數(shù)據(jù)回流，或數(shù)據(jù)中臺直接上報到DataFinder，補齊非線上旅程埋點。超大數(shù)據(jù)量下的高性能保障與擴展能力DataFinder在抖音集團內(nèi)部場景下已實現(xiàn)日事件量萬億級的行為數(shù)據(jù)采集分析，私有化部署已支撐百億級日事件量客戶的平穩(wěn)運行，目前已有數(shù)十家金融機構(gòu)投入使用，滿足金融場景客戶億級日事件量的實時行為分析能力。商業(yè)化場景的性能、穩(wěn)定性已得到充分驗證。DataFinder對外服務(wù)一鍵擴容DataFinder對外服務(wù)一鍵擴容服務(wù)A(pod) 服務(wù)A(pod) 規(guī)劃擴容有狀態(tài)存儲一鍵擴容服務(wù)A(pod)有狀態(tài)存儲運維監(jiān)控規(guī)劃擴容有狀態(tài)存儲無狀態(tài)服務(wù)底座(基于K8S)火山引擎私有化底座(基于K8s)服務(wù)器A服務(wù)器B服務(wù)器C服務(wù)器...服務(wù)器N41智能治理與監(jiān)控ChatBl智能治理與監(jiān)控ChatBl搭載豆包大模型的AI智能分析助手通過豆包大模型能力，幫助用戶更輕松、更高效地進行數(shù)據(jù)分析。在數(shù)據(jù)采集管理、數(shù)據(jù)發(fā)現(xiàn)使用、數(shù)據(jù)洞察決策融入智能化能力，幫助機構(gòu)提高數(shù)據(jù)使用效率、降低使用門檻。事件/屬性自動定義錯誤檢測與糾正圖表解讀圖表生成與探索大模型帶來了什么DataFinder智能分析助手，提供端到端的AI能力，提高效率、降低門檻、AI輔助讓數(shù)據(jù)分析不再是少數(shù)專業(yè)人士的專屬。隨著數(shù)據(jù)分析使用與普及，使他們在日常決策中自然而然地運用數(shù)據(jù)分析思維。使數(shù)據(jù)驅(qū)動在一線業(yè)務(wù)場景中進一步落地。事件/屬性自動定義錯誤檢測與糾正圖表解讀圖表生成與探索埋點規(guī)劃建議數(shù)據(jù)供給提效數(shù)據(jù)開發(fā)人員IT工程師數(shù)據(jù)分析師埋點規(guī)劃建議數(shù)據(jù)供給提效數(shù)據(jù)開發(fā)人員IT工程師數(shù)據(jù)分析師數(shù)據(jù)消費擴大數(shù)據(jù)分析師業(yè)務(wù)使用者企業(yè)管理者自然語言分析大模型擅長什么大模型擅長什么知識搜索與生成語義理解與翻譯歸納總結(jié)提供分析思路數(shù)據(jù)解讀與文本生成埋點事件智能檢測過去：異常埋點發(fā)現(xiàn)難現(xiàn)在：AI能力支持即時發(fā)現(xiàn)異常異常發(fā)現(xiàn)難：在數(shù)據(jù)分析和處理過程中，數(shù)據(jù)質(zhì)量異常的發(fā)現(xiàn)是極為困難的。時常由于異常數(shù)據(jù)影響數(shù)據(jù)的準(zhǔn)確性和可靠性，還可能導(dǎo)致分析結(jié)果出現(xiàn)偏差，在過去只能在使用數(shù)據(jù)分析時才能發(fā)現(xiàn)。即時發(fā)現(xiàn)：通過AI能力在不提供預(yù)置埋點異常檢測人工規(guī)則條件的前提下，可借助大模型能力基于客戶已有數(shù)據(jù)埋點，智能的、及時的給出可能的異常埋點待排查清單。過去：異常埋點發(fā)現(xiàn)難現(xiàn)在：AI能力支持即時發(fā)現(xiàn)異常異常發(fā)現(xiàn)難：在數(shù)據(jù)分析和處理過程中，數(shù)據(jù)質(zhì)量異常的發(fā)現(xiàn)是極為困難的。時常由于異常數(shù)據(jù)影響數(shù)據(jù)的準(zhǔn)確性和可靠性，還可能導(dǎo)致分析結(jié)果出現(xiàn)偏差，在過去只能在使用數(shù)據(jù)分析時才能發(fā)現(xiàn)。即時發(fā)現(xiàn)：通過AI能力在不提供預(yù)置埋點異常檢測人工規(guī)則條件的前提下，可借助大模型能力基于客戶已有數(shù)據(jù)埋點，智能的、及時的給出可能的異常埋點待排查清單。42VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI功能簡介無需人工配置數(shù)據(jù)入庫校驗規(guī)則，將埋點上報事件輸入給豆包大模型。豆包大模型具備強大的自然語言處理能力和深度學(xué)習(xí)算法，能夠深入理解事件上報的含義。它會自動對上報的Json進行全面解讀，通過復(fù)雜的分析和計算，給出是否異常的準(zhǔn)確判斷。不僅如此，豆包大模型還會進一步推測錯誤的可能原因，為后續(xù)的問題排查和修復(fù)提供有力的支持和指導(dǎo)。這種智能化的處理方式極大地提高了數(shù)據(jù)處理的效率和準(zhǔn)確性，降低了人工干預(yù)的成本和風(fēng)險。AI能夠自動生成一個可能的異常埋點待排查清單給出異常原因與優(yōu)化建議AI能夠自動生成一個可能的異常埋點待排查清單給出異常原因與優(yōu)化建議AI配置助手過去：配置復(fù)雜，門檻高現(xiàn)在：AI加持下的用戶自助分析配置條件復(fù)雜，普通用戶難以自行配置，需要專業(yè)人士協(xié)助，這使得數(shù)據(jù)工具在企業(yè)過去：配置復(fù)雜，門檻高現(xiàn)在：AI加持下的用戶自助分析配置條件復(fù)雜，普通用戶難以自行配置，需要專業(yè)人士協(xié)助，這使得數(shù)據(jù)工具在企業(yè)在DataFinder中，利用豆包模型通過項目中歷史數(shù)據(jù)配置條件，可以推薦合適的埋點數(shù)據(jù)與查詢條件配置。幫助助業(yè)務(wù)使用者，快速應(yīng)用關(guān)鍵的用戶行為數(shù)據(jù)，使普通用戶可自助使用分析功能即時查詢數(shù)據(jù)。43功能簡介在DataFinder中，利用豆包大模型通過項目中歷史數(shù)據(jù)配置條件，可以推薦合適的埋點數(shù)據(jù)與查詢條件配置，幫助業(yè)務(wù)使用者，快速應(yīng)用關(guān)鍵的用戶行為數(shù)據(jù)，減少查找時間。AI搜索:AI的搜索能力可以大幅擴展用戶的搜索范圍，通過自然語言處理技術(shù)，AI能夠理解用戶的查詢意圖，并匹配到相關(guān)的事件或指標(biāo)。這種能力使得用戶不需先學(xué)習(xí)埋點文檔或是詢問埋點名稱，大大提升尋找數(shù)據(jù)的效率。圖表配置:利用AI的信息匯總和理解能力，可以將現(xiàn)有的圖表條件轉(zhuǎn)化為AI推薦的選項。用戶可以直接使用這些推薦的已有選項，這大大降低了新手用戶的使用難度，使得圖表配置變得更加直觀和簡單。關(guān)聯(lián)指標(biāo)推薦：當(dāng)用戶選擇某個事件指標(biāo)時，AI能夠基于項目中的歷史分析記錄和數(shù)據(jù)含義，推薦與之相關(guān)聯(lián)的其他事件和指標(biāo)。這種推薦機制幫助用戶發(fā)現(xiàn)潛在的指標(biāo)關(guān)聯(lián)性，幫助使用者明確需要一同分析的指標(biāo)。界面展示44VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI數(shù)據(jù)圖表解讀過去：數(shù)據(jù)圖表理解門檻高現(xiàn)在：AI智能分析和趨勢解讀，提升效率理解門檻高：對于大多數(shù)普通用戶來說，數(shù)據(jù)復(fù)雜性和多變性是一道難以逾越的障礙。想做好基礎(chǔ)圖表得理解，需要去被很多的數(shù)據(jù)分析知識，往往只能從宏觀上直覺的感知變化趨勢，而難以深入洞察數(shù)據(jù)背后的深層變化。提高效率：數(shù)據(jù)解讀能夠智能分析和總結(jié)數(shù)據(jù)情況，幫助普通用戶快速理解數(shù)據(jù)的含義。同時，自動識別數(shù)據(jù)中的趨勢和異常情況，并以簡潔明了的方式呈現(xiàn)給用戶。用戶不再需要花費大量時間去解讀復(fù)雜的數(shù)據(jù)圖表。AI的智能分析和總結(jié)功能可以快速提供數(shù)據(jù)的核心見解，極大地提升了數(shù)據(jù)處理和分析的效率。過去：數(shù)據(jù)圖表理解門檻高現(xiàn)在：AI智能分析和趨勢解讀，提升效率理解門檻高：對于大多數(shù)普通用戶來說，數(shù)據(jù)復(fù)雜性和多變性是一道難以逾越的障礙。想做好基礎(chǔ)圖表得理解，需要去被很多的數(shù)據(jù)分析知識，往往只能從宏觀上直覺的感知變化趨勢，而難以深入洞察數(shù)據(jù)背后的深層變化。提高效率：數(shù)據(jù)解讀能夠智能分析和總結(jié)數(shù)據(jù)情況，幫助普通用戶快速理解數(shù)據(jù)的含義。同時，自動識別數(shù)據(jù)中的趨勢和異常情況，并以簡潔明了的方式呈現(xiàn)給用戶。用戶不再需要花費大量時間去解讀復(fù)雜的數(shù)據(jù)圖表。AI的智能分析和總結(jié)功能可以快速提供數(shù)據(jù)的核心見解，極大地提升了數(shù)據(jù)處理和分析的效率。功能簡介全面、自動化且用戶友好的數(shù)據(jù)解讀，它通過基礎(chǔ)度量、對比性度量、變異性度量、連續(xù)性趨勢分析、波峰波谷識別、綜合指標(biāo)描述、周期性分析、關(guān)鍵信息自動總結(jié)以及趨勢和模式識別，幫助普通用戶可以更低成本的提煉出數(shù)據(jù)關(guān)鍵信息。界面展示450505通過數(shù)據(jù)開放能力，便捷融入到銀行現(xiàn)有架構(gòu)體系VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI典型數(shù)據(jù)開放與數(shù)據(jù)集成場景通過埋點數(shù)據(jù)分發(fā)和客群、元數(shù)據(jù)對接能力，可快速實現(xiàn)與銀行現(xiàn)有架構(gòu)與應(yīng)用之間實現(xiàn)數(shù)據(jù)集成：與標(biāo)簽平臺之間數(shù)據(jù)集成：支持以【實時方式】，將用戶行為埋點事件，開放給標(biāo)簽平臺應(yīng)用，以支持標(biāo)簽平臺內(nèi)部基于用戶行為埋點事件構(gòu)建用戶行為標(biāo)簽，或者用于斷點營銷人群圈選。與營銷運營平臺之間數(shù)據(jù)集成：支持以【實時方式】，將用戶行為埋點事件，開放給行內(nèi)營銷運營平臺，以支持事件觸發(fā)的營銷場景，如APP開屏彈窗營銷場景等。與數(shù)倉/數(shù)據(jù)平臺之間數(shù)據(jù)集成：支持以【離線批量方式】，將用戶行為埋點事件，開放給數(shù)倉/數(shù)據(jù)平臺，以支持在數(shù)倉中進行行為埋點與業(yè)務(wù)數(shù)據(jù)的深度融合加工，服務(wù)更多應(yīng)用場景。與風(fēng)控決策引擎的數(shù)據(jù)集成：支持以【實時方式】，將選定范圍的用戶行為埋點事件，開放風(fēng)控決策引擎，實現(xiàn)用戶申卡/申貸場景，將用戶行為埋點納入風(fēng)控決策場景，如【基于用戶設(shè)備指紋的欺詐偵測】等場景。通過配置化方式，快速實現(xiàn)數(shù)據(jù)集成DataFinder平臺，支持通過參數(shù)化配置方式，配置實時、離線批量數(shù)據(jù)開放集成任務(wù)，將數(shù)據(jù)高效開放給下游應(yīng)用。470606配套保障機制構(gòu)建VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI新平臺上線后關(guān)鍵保障角色與能力培養(yǎng)銀行現(xiàn)狀火山引擎增值服務(wù)銀行現(xiàn)狀火山引擎增值服務(wù)關(guān)鍵角色通常設(shè)置在哪個部門主要職責(zé)需求提出人APP項目組（存款、理財、分期、信貸等）/私域項目組（小程序、公眾號等）等業(yè)務(wù)部門對業(yè)務(wù)：負(fù)責(zé)業(yè)務(wù)指標(biāo)梳理、統(tǒng)籌埋點需求；埋點收口人對科技：負(fù)責(zé)埋點規(guī)范設(shè)計、埋點質(zhì)量驗收埋點開發(fā) 科技部 埋點測試科技部埋點測試在出現(xiàn)埋點質(zhì)量問題（埋點錯漏、埋點不好用、找不到從哪里找埋點、不敢與行方共同梳理和定位「埋點收口人」的職責(zé)后，火山引擎也會提供對應(yīng)的分析師陪跑服務(wù)，保障各角色共同遵循埋點需求流程規(guī)范并通過埋點平臺執(zhí)行到位：火山引擎分析師陪跑服務(wù)專業(yè)埋點人員培訓(xùn)精細(xì)化分析啟迪典型場景共創(chuàng)平臺配置落地帶做核心目的:通過典型場景培訓(xùn)行內(nèi)平臺大數(shù)據(jù)部/數(shù)據(jù)金部/數(shù)據(jù)管理部等數(shù)據(jù)運營部門，掌握指標(biāo)體系搭建和埋點設(shè)計能力，并能快速基于DataFinder完成埋點錄入和行為分析，賦能業(yè)務(wù)精細(xì)化分析，促進業(yè)務(wù)增長。專業(yè)埋點人員培訓(xùn)精細(xì)化分析啟迪典型場景共創(chuàng)平臺配置落地帶做埋點收口人作為業(yè)務(wù)需求方和埋點技術(shù)團隊的接口人至關(guān)重要，手把手培訓(xùn)其關(guān)于理解業(yè)務(wù)目標(biāo)及需求梳理規(guī)范、埋點設(shè)計規(guī)范等，幫助其順利landing火山引擎實施過多家股針對典型場景開展同業(yè)指標(biāo)體系搭建實踐深度埋點收口人作為業(yè)務(wù)需求方和埋點技術(shù)團隊的接口人至關(guān)重要，手把手培訓(xùn)其關(guān)于理解業(yè)務(wù)目標(biāo)及需求梳理規(guī)范、埋點設(shè)計規(guī)范等，幫助其順利landing火山引擎實施過多家股針對典型場景開展同業(yè)指標(biāo)體系搭建實踐深度選取典型業(yè)務(wù)場景，如理財/信貸/存款/分期等業(yè)務(wù)場景，基于業(yè)務(wù)目標(biāo)進行指標(biāo)體系及埋點采集方案的共創(chuàng)約定真實的需求場景進行全流程實戰(zhàn)，客戶方主實施，火山引擎以指導(dǎo)答疑形式配合落地，讓業(yè)務(wù)和數(shù)據(jù)部門均能遭循規(guī)范并通過平臺執(zhí)行到位49埋點治理保障機制與支持工具埋點治理通常面臨的典型問題銀行客戶面臨的埋點治理問題我行存量埋點有幾十萬+，我行存量埋點有幾十萬+，怎么跟新一代平臺結(jié)合來用?每次要用數(shù)要分析的時候就發(fā)現(xiàn)埋點數(shù)據(jù)不對或根本沒埋...特別大，新一代平臺能否提供有效降本增效的方式?業(yè)務(wù)提需“應(yīng)埋盡埋”,怎么過正確規(guī)范業(yè)務(wù)提需?埋點有問題了不知道找誰?去哪里可以查得到我行有哪些埋點?火山引擎DataFinder將如何結(jié)合各大銀行客戶實際情況提出可落地、可執(zhí)行并且可持續(xù)有效推進的埋點治理解決方案呢?構(gòu)建埋點治理全流程，保障數(shù)據(jù)高質(zhì)量可用埋點治理絕非單獨某個人的職責(zé)所在，而是以「埋點收口人」為核心驅(qū)動力，構(gòu)建起多角色協(xié)同聯(lián)動的完整全流程。唯有如此，方能高效保障埋點數(shù)據(jù)的準(zhǔn)確性、完整性和可用性：PM/需求申請人DA/埋點收口人RA/開發(fā)負(fù)責(zé)人QA/測試負(fù)責(zé)人PM/需求申請人DA/埋點收口人RA/開發(fā)負(fù)責(zé)人QA/測試負(fù)責(zé)人埋點需求 埋點需求 拆解需求盡量與產(chǎn)品需求一起 產(chǎn)品平臺中設(shè)計方發(fā)起聯(lián)合評審聯(lián)合評審(所有角色)發(fā)起埋點埋點開發(fā)埋點測試需求驗收埋點驗收埋點管理流程規(guī)范最佳實踐參考產(chǎn)品化 線下流程50VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI埋點治理支撐工具，提升治理流程線上化與效率埋點治理是一個長期而持續(xù)的工作，需要不斷地投入精力和資源?；鹕揭嫣峁〥ataGoverner埋點管理平臺助力銀行實現(xiàn)全線上管理一站式服務(wù)。增量埋點：火山引擎可提供配套銀行定制化的流程與機制，確保各部門之間能夠高效地合作，共同保障埋點質(zhì)量存量埋點：火山引擎可提供存量埋點治理建議，協(xié)助行方識別出無用埋點并做下線處理，同時借助平臺上埋點白名單、埋點分級、例行無用埋點的治理功能助力行方數(shù)據(jù)管理員owner實現(xiàn)自主化的治理規(guī)劃通過產(chǎn)品能力升級和流程機制完善，助力行方實現(xiàn)真正的降本增效：火山引擎埋點治理保障機制與支持工具可持續(xù)的治理路徑可持續(xù)的治理路徑埋點全線上管理埋點全線上管理看的見埋點管理埋點需求 埋點開發(fā)與測試埋點治理 埋點分析與監(jiān)控流程與流程與規(guī)范 機制理得清流程階段 ＋ 角色(責(zé)任人) ＋ 職責(zé) ＋產(chǎn)出(含交付標(biāo)準(zhǔn))及動作埋點白名單埋點白名單埋點分級例行無用埋點治理改得準(zhǔn)賦能更多業(yè)務(wù)元數(shù)據(jù)質(zhì)量治理，打破信息孤島廣泛應(yīng)用、驅(qū)動業(yè)務(wù)埋點交付質(zhì)量治理DA按需求驗證埋點、RD按需求自測產(chǎn)品化自測&驗收流程，量化交付質(zhì)量產(chǎn)品能力升級注：DataFinder新一代平臺產(chǎn)品能力510707方案綜合優(yōu)勢VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI對比項總體火山引擎新一代全渠道旅程分析自開發(fā)埋點系統(tǒng)/mpass先沉淀至數(shù)倉再由人工提取加工，分析效率低，數(shù)據(jù)時效性獨立第三方埋點工具埋點采集范圍相對自研系統(tǒng)更廣，可提供部分預(yù)置看板，但數(shù)據(jù)結(jié)構(gòu)不開放，難以支持二次開發(fā)，只能獨立應(yīng)用無法與上下游系統(tǒng)拉通。產(chǎn)品由抖音集團內(nèi)部業(yè)務(wù)孵化，覆蓋全場景數(shù)據(jù)采集和10余種內(nèi)置分析模型，查詢性能極高，能夠低成本實現(xiàn)與行內(nèi)系統(tǒng)的數(shù)據(jù)交換，實現(xiàn)全渠道數(shù)據(jù)拉通。數(shù)據(jù)采集支持覆蓋常見SDK和業(yè)務(wù)數(shù)據(jù)導(dǎo)入工具，可滿足代碼埋點和全埋點場景，更提供便捷的埋點開發(fā)工具，提升埋點開發(fā)效率。支持弱性相對較低，無法關(guān)聯(lián)線下業(yè)務(wù)數(shù)據(jù)。支持前后端采集能力相對齊全，但SDK層提供的開發(fā)工具較少。數(shù)據(jù)加工支持?jǐn)?shù)據(jù)資產(chǎn)可供二次開發(fā)，配備標(biāo)準(zhǔn)化離線、實時數(shù)據(jù)分發(fā)能力。支持?jǐn)?shù)據(jù)可回流到數(shù)倉，數(shù)據(jù)提取依賴人工處理，效率低。支持弱底層數(shù)據(jù)不透明，二次開發(fā)需要服務(wù)商收費定制開發(fā)。埋點治理支持可配套專業(yè)埋點治理工具及字節(jié)內(nèi)部埋點治理方法論。支持弱不支持專業(yè)治理工具。部分支持分析模型領(lǐng)先打破傳統(tǒng)工具對于“應(yīng)用”這一單一分析支持弱分析模式缺失，只能滿足基礎(chǔ)統(tǒng)計查詢，不具備算法模型。支持弱單一主體（受到底層模型限制，未來也很難擴展）不支持?jǐn)?shù)據(jù)跨項目分析。計算性能高性能使用最新一代OLAP引擎ByteHouse，計算性能極高，數(shù)據(jù)上報、處理到可用僅無優(yōu)勢