200亿信贷项目日报如何设计?再说说AI日报可以怎么玩

今天重回原始安排——怎么设计互金项目的日报,顺便讲讲头部玩家的大模型日报是怎么玩的。本文共计2100字,预计需要阅读8分钟。

数据是运营的基础,越靠近业务核心,数据能力越重要,互金的运营,也不例外。而运营日常对数据的使用,主要是三个方面:数据监控、数据分析、数据结论输出策略。做好一份数据日报,是数据监控工作最基础的要求。

要做好数据监控,我们需要知道数据监控的目的是什么,然后才能对症下药。数据监控的目的很简单,是快速了解当前数据情况,并能基于数据发现浅层问题。其中,快速了解数据是主要目的,发现浅层问题是次要目的。那设计日报,就要以满足这两种需求为目标。

一、快速了解数据现状

那么,怎么设计日报,才能帮助我们快速了解数据呢?拆解是最好的办法。把数据拆解成结果数据和过程数据,拆解成核心数据和细分数据,拆解成属性、行为、业务数据,分别展示,就能让数据一目了然,主次分明。

以助贷业务的新用户部分为例,新户助贷的核心目标,是提升借款总额。那么结果数据就是UV、借款金额、借款人数、借款件均,而过程数据就是总转。那么这5个指标就是最重要的核心指标。

再往下拆解到业务一级节点,新户要经历从活跃到进件,到授信成功,再到申请借款,再到借款成功5个步骤。那么结果数据就要再加上这5个步骤的规模指标,就是UV、新户申请、授信成功、授信件均、授信总金额、借款申请、借款成功、借款件均、借款总金额。

过程数据就要把总转,拆解成这5个步骤的分别转化率,包括新户注册率、授信申请率、授信完成率、授信通过率、借款申请率、借款完成率、借款通过率、总转化率。有了这5个核心指标,12个一级节点指标,我们就能从业务结果数据和过程数据上,从核心目标和一级结构上,快速了解业务的整体情况。

日报如何设计和头部玩家的大模型日报怎么玩(200亿信贷项目如何做运营系列)

接下来,我们来拆解细分数据。细分数据,首先可以拆分成行为数据和业务数据,用户在活跃、注册、授信、借款等页面的行为情况,即行为数据;而在授信系统、借款系统里产生的数据,即为业务数据;而用户的渠道来源、授信资方等,即为属性数据。

行为数据按照这种交叉拆分,活跃UV就可以拆解成不同引流入口的数据。注册可以再按注册页访问、点击注册、注册成功、注册申请率、注册成功率,注册总转化率拆分步骤数据。登陆可按已登陆未进件用户活跃的版块拆分数据。进件则可以按用户在进件页面的浏览、进入下一步的用户数、每一步的申请率、通过率、授信整体流程的完成率等拆分。借款则类似进件,可以按不同资方和借款的页面完成拆分。

业务数据则可按进入业务系统的人数、通过率、件均、总金额、资方分别拆分。

日报如何设计和头部玩家的大模型日报怎么玩(200亿信贷项目如何做运营系列)

该表只是示例,不和文章内容完全一致,且需按实际业务调整

二、快速发现数据问题

快速了解数据的捷径在数据拆解,而快速发现问题的方法在对比。

对比有两种方向,一是纵向对比,也即时间维度的对比,比如日环比,周环比,周同比、月同比、年同比。二是横向对比,也即空间维度的对比,比如行业内对比、相似业务线对比、新老户对比、不同渠道、不同资方对比。

怎么在日报里添加对比项呢,因为是每日数据,重点数据一定要有日环比数据,也要有7日数据波动情况,也要有月同比数据。其中,日环比和月同比只需各一列的数据,所以重点数据和细分数据这两列必不可少。而7日波动数据更新成本高,可以只放重点数据。

日报如何设计和头部玩家的大模型日报怎么玩(200亿信贷项目如何做运营系列)

日环比、月同比、波动趋势右侧,即为原始数据,方便比对

另外,当我们按季度、按月度、按周度设定放贷目标时,为了基于目标完成情况,不断调整策略,可以在重点数据中,增加一项目前指标完成进度,以便掌控总指标完成情况。

这样下来,一张互金行业的日报就设计完成了,不同的业务,按照这种逻辑,根据业务节点进行调整即可。下面我们说下这些数据的获取和汇总方法。

三、数据的获取和整合

在数据获取上,主要按数据采集方法的不同进行区分,比如行为数据一般靠埋点采集,业务数据一般靠业务系统底表记录,而属性数据,则靠在埋点或系统底表中增加字段,除渠道数据外,很少需要单独的采集办法。

那要从不同的地方汇总数据,有两种不同的情况。一种是行为业务数据割裂的,需要直接在对应的系统里消费对应的数据,比如很多行为数据采集工具,都有附带的分析工具,像行业做的最好的神策,有一套神策分析的工具,可以直接使用做对应的行为分析。业务底表,则要在对应的取数平台,比如hive、spark等,sql取数。

另一种情况,则是将行为数据和业务数据做了打通。有直接通过采数工具进行打通,行为数据、业务数据、属性数据全部采集到一个系统内进行消费的;也有导入到自己的数仓,自己进行用户关联,前后端数据的打通的。

割裂的数据,需要分别在两个平台取数后,再在另一平台聚合,比如通过python脚本抓取行为数据,通过sql查询底表数据,最后手动聚合到Excel表内。而打通好的数据,则既可以导出到第三方比如Excel消费,也可以制成报表,自动更新。对比下来,自然是打通的数据效率使用更高。

四、大模型日报有未来么

讲完了日报的设计、数据的获取和汇总,再来聊一些先进的东西——大模型自动化分析。有些业内头部公司,开发了一套数据监控解析的AI工具,它可以基于设计好的报表和配置好的指标关系,从数量和比例两方面出发,实时对各部分数据的变动生成评价,找到影响最大的变动点。

这套东西的好处在于,它可以从库内所有维度分析数据,可以自动化生产并发送数据简报,可以根据数据波动情况,实时发送告警。

而它的不足之处,则在于它并不能完全了解业务渠道、策略、活动、产品等方面的调整,也没有资深运营人员的经验。它只能看到数据的变化点,并不能找到数据变动的业务原因,并产出策略。目前它还仅是简报生成工具,但是,在人工智能飞速发展的当下,假以时日,它取代运营人员进行监控分析决策,也不是不可能。

以上就是信贷行业头部玩家的运营方法和演变阶段的总结,下周我们还会继续基础实践篇的更新。

大致会有怎么建立业务增长模型,怎么设计业务预估模型和业务策略库、怎么设计策略执行表等基础实践篇,还会有怎么应用增长模型拆解指标快速发现增长点、怎么应用UJM模型做新户landing、怎么应用生命周期模型做老用户经营等方法应用篇,还会有怎么做触达AB实验、怎么对流量来源归因、怎么设计常规活动、怎么做智能决策模型设计等场景实践篇。

本文作者 @运营学记

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部