To B视角看用户增长业务流程

本篇主要从用户增长的数据流程和业务流程来阐述用户增长的优化事项。

一、数据流程

从甲方拿到存量数据后，怎么生成到最后用作投放的人群包，这中间经历了哪些流程，这就是用户增长的整体的数据流程。

如下图1所示，从甲方给出数据名单之后，经历了名单筛选、模型排序，生成的人群包还需要去黑去非目标用户，才能真正的进行投放：

图1 用户增长数据流程

1、名单筛选：

通道限制：线路或者短信不支持的地区需要做屏蔽，这个比较容易理解；

业务区域屏蔽：有些产品会对某些区域不做投放（这边不涉及政治，仅谈业务）；

目标客户过滤：例如年龄，有的产品的授信年龄不能高于60岁；

疑似欺诈名单过滤：例如虚拟小号过滤，例如屏蔽147，166，170等开头的手机号；

名单去重：例如30天触达过的客户不做二次触达。通道也有类似的限制的规则；

授信准入：考虑到保持一定的授信率，有时候会在用户意愿度和名单的整体的授信率做业务平衡，例如多头申请的指标作为参考。

2、模型排序：

前面提到，剔除不符合产品准入的名单后，接下来的名单会做排序，然后挑选Top人群进行投放。但是取哪些模型，同一个模型又怎么根据一些指标分开取数，涉及到公司的基本数据情况以及业务需要而不同。

考虑到模型对比、模型过度及不同模型之间的取数补充策略，同一天的任务，有可能会有数个模型存在。正如笔者所言，所有的策略都是为业务考虑。从业务需要来定模型的策略。

3、名单去黑去非目标客户：

名单去黑：即去除黑名单，这个有两部分组成。业务黑名单和通道黑名单。业务黑名单即业务过程中，甲方积累下的名单，我们在投放前去重；通道黑名单，即短信和语音的黑名单，在投放前也需要去重。这一步也是很关键。不光可以有效降低成本，也可以抑制投诉。在这个容易高投诉的行业，为了业务长期稳健进行，这个显得尤为重要。

去除非目标客户：这个主要和业务场景有关。比如是拉新场景，必然要去除名单中的甲方已有客户，否则投放也不算效果转化，且会降低营销效果。

二、业务流程

综上所述是从数据整个的流转和处理来看，经历了哪些环节。下面我们从业务的实际操作环节角度，看看业务流程。

如下图2所示，业务流程大致分为以下四部分：算成本、看分布、定策略以及做排期。下面会逐一进行解释。

图2 用户增长业务流程

1、算成本

在每个业务场景中，甲方会给予一个业务预期，即简单来说，例如授信成本。在保证一定量的前提下，要控制好授信成本。当然，授信成本也不是越低越好，太低则说明筛选太严或者取数太保守，造成业务规模受限。

根据甲方的评判标准，一般会看T+1，T+3以及T+7的成本。做的精细的甲方还提供T+0的实时数据供参考成本情况。

看成本情况，主要是观测目前的模型以及策略的实际情况和预期的差距。例如，在实际业务过程中，会有各种AB对比情况出现，包括并不限于：模型对比、策略对比、话术对比、外呼及挂机策略对比、短信文案对比（短信文案如短信篇提到，可以进行签名对比、文案内容对比以及短链接对比）等等。看完成本，即可知道当前策略预期效果和实际是否相符，供投放人决策是否继续当前策略或者做相应调整。

2、看分布

根据当前选择的模型，和目前的成本，取高分段的数据。常规的这部分操作可能会比较简单和稳定。但是也有如下一些复杂情况：

现有模型取数不多：可以考虑换前一版模型或者标准模型看下。或者两个模型可以一主一辅来取数。因为现实情况中，模型也会有一个生命周期，正常来说，需要一定时间内进行模型迭代，模型的效果好坏和公司的数据基础和客户的样本质量有直接的关系，这里涉及到模型，篇幅较大，不在本篇展开，后续会专门做专题；

两个模型做对比：为了公平起见，我们会采用分桶测试。以一定周期来看，同样的量级的成本表现，以及挖掘的出可营销名单的数量作为评判标准；

模型边界测试：如果一个模型表现出色，到了一个较低分数都在成本可接受范围。我们可以对模型进行边界测试。即下沉一个分数段，但是取得数量不多。这样不会造成总体成本攀升，也达到了模型压测的效果；

3、定策略

其实这部分可以单独来讲。从笔者的角度看，策略是随着业务指标、行业、以及营销人群的不断变化而调增。没有不变的策略，只有最符合当前业务需要的策略。笔者就从业务指标、行业和人群变化来简单说明一下策略的调整以及依据。

业务指标：以目前比较常见的保险营销为例，一开始客户的要求基本就是订单成本。等业务到一定规模，即随着投放量的增大，客户增加解约率的考核。即我们既要保证一定的业务量，又要控制好订单成本，同时解约率也要控制在一个红线以下。这样的话，原始的策略必然不可行，等分析到人群因素里影响解约的原因后，必然会舍弃或者减少一部分人群的投放。但是对于策略同学而言，最有挑战的是，减少某一部分的人群投放后，你要维持量级不变，甚至公司对你的考核是业绩需要不断增加的。这就需要你深入思考，在其他人群上做二次深度挖掘。

行业变化：一般来说，对已营销的名单，为了避免投诉，都会有去重规则。这个去重规则也是动态调整。在监管相对宽松的Q3和Q4，这个规则可以适度放松。毕竟我们做合规和控投诉，根本的目的是为了业务稳定，而不是要控制业务的规模。

人群变化：目前做存量客户的深度挖掘，必然会遇到人群不断下沉，客群变化的问题。而且随着业务指标的变化，人群也会相对应的变化。所以，需要随时观测着目前人群高意向部分的变化，适时的做策略调整。

4、定排期

确定完今天的策略之后，排期就相对简单。排期主要考虑的是需要看的AB测试（即上文提到的各种对比情况）、相同人群不同模型的表现，同一模型不同人群的表现。