经历过前几年的流量指数级增长，移动互联网流量红利热潮已逐渐褪去，走在前端的金融行业积极谋求转型破局，纷纷将流量经营转战到存量经营。当下，大数据、云计算、金融科技等方向的应用逐步成熟，在突发的新冠疫情的催化下，线上存量经营已经成为目前金融行业的核心战场，而促进线上存量用户活跃、转化的重要手段之一就是精准营销。如何通过数据驱动精准营销，实现核心业务增长呢？
将精准营销融合内容运营，孵化新型精准营销模型，提升业务转化与增长
内容运营在精准营销中有怎样的价值呢？精准营销的本质，是在合适的时机，面向精准的人群，提供匹配需求的信息，从而影响消费者决策、促进转化。但是购买产品不是一次行为，而是一段旅程，消费者需要搜集相关信息、加以了解后，再确定最终的购买决策。而内容运营就是把消费者所需了解的信息智能分发给目标客群，简化其制定购买决策的路径，同时提升体验。
下面先介绍两个比较成熟的消费者行为分析模型：
消费者购买行为模型总结了消费者进行购买决策的过程，包括了五个环节：
1.确认需求2.收集信息3.评估商品4.决策购买5.购买后行为
消费行为模型AISAS-艾萨斯模型，分为了5个阶段：
A：Attention引起关注，I：Interest产生兴趣，S：Search主动搜索，A：Action采取行动，S：Share进行分享
上述两个模型中都涵盖了收集搜索信息、评估信息的模块，可见，消费者在制定购买决策时，对内容有明确的需求。而随着自主分享内容时代的崛起，消费者需要在大量干扰信息中获取所需信息，如果能在这个时机下，增加智能分发内容模块，将内容精准匹配给目标客群，即可大大节省其搜索所需信息的时间，降低操作门槛，提升体验，加速购买行动。
选择、购买金融产品或服务，也同样可以看做是一种消费行为。借用消费领域热门的“种草-拔草”概念，可以演变出金融领域的新型精准营销模型，围绕“识草、养草、拔草”三大环节，将内容运营深度融合在营销闭环中。
精准营销融合内容运营，形成营销模型：
识草、养草、拔草模型
识草：通过多维数据全面洞察，基于业务逻辑、数据分析、AI模型等方式对存量用户进行分群，锁定各分群用户的兴趣偏好，识别目标人群、对应匹配产品标签、关注的权益标签。例如：在信用卡开卡场景中，通过洞察发现用户A人群的标签为时尚车主，关联关注的权益为加油卡、洗车券，关联匹配的产品为主题信用卡车主卡。
养草：基于识草环节识别的人群偏好结果，针对精准人群推送与其兴趣偏好相关的优惠权益、产品信息以及优势权益、关联活动内容等内容信息，吸引用户产生兴趣，激发购买欲望。并基于推送文章反馈的用户行为数据（如：点击、阅读、浏览时长等），通过智能模型不断判别用户需求、调整推送内容策略。即，将用户需“主动搜索收集的内容”直接呈现给用户，并通过行为数据不断探索用户偏好，为拔草环节奠定坚实的基础。例如：针对时尚车主人群推送车主卡产品，产品介绍中可包含：加油卡88折优惠、洗车免费券、保养套餐优惠、办车主卡活动等权益内容，激发客户办卡欲望。
拔草：基于识草、养草环节结果，制定差异化营销活动，促进用户产生转化，并进行活动的效果评估，不断优化策略，形成完整的营销闭环，实现流量变现、业务转化的增长。
精准营销的目的是控制、降低营销的成本，实现业绩、盈利能力提升。在养草环节融入内容的精准匹配，无疑可为筛选精准人群、降低营销成本增加一份保障，通过智能化的内容匹配帮助用户快速获得所需信息，提升用户体验，配合拔草环节营销策略，找到用户体验与营销成本的平衡点。
新型精准营销模型：
识草、养草、拔草在各个环节的机遇
识草环节
低频高价金融产品与高频生活场景的结合，需要丰富多维的数据作为桥梁。
与零售类生活场景相比，大部分金融类产品具有相对低频的特性，存量用户在低频交互产品需求平台更是不活跃。如何将这类低频高价产品与高频内容结合，提升用户在线上平台的活跃度，已成为众多金融机构聚焦的问题。
作为数字化转型的领头行业，金融机构的交易数据平台已非常成熟，但事后交易数据大多围绕金融场景属性，无法通过交易数据找到与非金融场景的关联。在这个背景下，很多大型金融机构开始探索交易数据、用户金融行为数据之外的第三方外部数据价值。识草环节需要基于多维度、多视角的丰富数据进行洞察，才能挖掘锁定用户在金融场景以外的兴趣偏好，从而针对偏好匹配权益，投其所好、激发转化。而高频生活场景数据主要依托外部数据进行补充。联动交易数据、行为数据、外部数据，再通过智能模型、业务逻辑模型来识别潜在目标人群，构建不同人群与金融产品以及权益间的关联，形成精准营销的第一层对潜在精准人群的筛选识别。
图：某金融机构促绑卡活动效果
如某金融机构进行的促绑卡营销活动中，对高分客群、低分客群、整体客群均进行了多维数据洞察，并结合多维（外部）数据洞察结果，分析出对应客群的偏好，制定精准营销方案。最终效果上，整体客群绑卡率达到日常客群绑卡率的近3倍，而高分客群绑卡率达到日常客群的近4倍，即使是低分客群绑卡率也明显高于日常客群。案例充分说明了外部数据补充对精准营销的重要价值。
养草环节
行为数据是制定智能化内容分发策略的关键。
随着机器学习等人工智能技术的不断进步，智能模型在精准内容匹配上发挥着重要作用。而数据源、数据质量对模型有非常大的影响，将在很大程度上影响智能内容分发的匹配效果。内容模型的入参数据需要高质量的用户行为轨迹数据。行为数据虽不是最终的交易数据，但这类数据在挖掘用户潜在需求上贡献巨大，例如对内容文章页的点击次数、访问时长等都可辅助判断用户对推送内容的喜好，指导对模型进行调优，打造千人千面的内容自动分发策略。养草环节形成了精准营销的第二层对潜在精准人群以及内容的筛选。
拔草环节
构建全域渠道协同工作机制。
科技4.0时代，信息同步已采用各种形态建立与用户的沟通方式，用户早已习惯使用多元化渠道、平台、媒体、链路进行交互，各类平台也试图争抢用户的碎片化时间。金融机构需要构建多触点交互模式，创造更多机会与用户建立联系。在制定拔草阶段的营销策略时，应建设全域渠道协同工作机制，并构建全触点数据回流。通过精准匹配的内容和多点位的触达，增加与用户产生交互、吸引用户产生兴趣的可能性，为提高转化率效果、并最终实现高效可持续的增长提供全面支撑。
图：某金融机构促绑卡营销活动的多渠道交互效果
在某金融机构的促绑卡营销活动中，数据显示，由于采用了多渠道协同交互模式，借助在活动期间不断触达、吸引用户的策略，营销效果在长达一个月的时间中不仅没有下滑，反而实现了整体活动期间客户转化持续增长的趋势。
构建营销闭环：
以A/B test助力分组效果评估
通过前面两层对潜在精准人群以及内容的筛选，设置差异化营销活动策略，根据人群洞察结果推送相匹配的活动权益、活动形式、推送产品、推送内容；再基于量化指标，对活动效果进行度量和评估，通过数据反馈找到后续改进的方向，形成可以持续迭代优化的营销闭环。其中，A/B test就是辅助测试用户分层分组效果的好帮手：
如上图，该分组测试模型既可分析执行组各组（A组~D组）的活动策略以及内容匹配精准度，又可以分析执行组效果相比自然增长等对照组的提升度，判别营销活动对刺激提升用户转化的作用，来最终评估该营销活动的价值，通过多视角、多维度的科学评估构建营销闭环。
识草、养草、拔草三个环节的落地，对金融机构的数字化营销能力提出了要求和挑战，需要金融机构提升在底层数据整合、业务运营分析、IT科技三方面的能力，才能更敏捷地推进落地工作。随着科技发展以及转型深化，目前多数金融机构已具备相关基础能力。
想要抢占用户心智与市场份额，金融机构需要提供精准的、智能化的服务。借助非金融数据识别用户潜在需求，制定对应的营销策略，通过精准化内容匹配和多渠道多点位推送，加深用户对相关金融产品和服务的认知、激发其购买欲望，推动转化效果的提升。发挥精准营销与内容运营的价值，最终实现以数据优化业务决策、驱动业务增长的目标。
作者：TalkingData金融咨询团队 刘洁
转载请联系获取授权
