基于用户行为分析的银行服务系统及业务优化应用

作者：俞敏，浦东发展银行信用卡中心IT部门经理
众所周知，银行具有数量庞大且非常复杂的业务群，这些都需要各类IT系统来支撑运营。在之前的二十年里，银行业处于一个快速发展期，新的业务层出不穷，要求IT系统建设能够迅速跟上，以最快的速度支持新业务的开展。如今，无论是哪家银行，其对内和对外的业务系统已经纷繁复杂，覆盖了方方面面。然而这些系统在开发的过程中主要是为了满足业务的需要，并没有考虑设计的合理性。因此我们常常会听到员工抱怨，说公司内部系统操作复杂不好用。对于需要大量重复劳动的业务操作来说，有时候甚至是一种痛苦。然而当这一切发生在面对客户的对外服务系统时，会造成非常恶劣的用户体验，从而导致相比内部系统的问题更为严重的后果。

目前银行的对外服务系统也已经非常庞大而复杂。从大家都会使用的ATM机到各类新型的自助业务办理机型，从最早一代的网上银行，到目前的手机银行（APP和微信）等。所有渠道的服务系统都是直接面对银行客户的。由于各家银行的业务本质上是同质的，因此这些服务系统设计的易用性和合理性就变得尤为重要。服务系统的易用性往往决定着客户对于银行的看法。当客户感觉服务系统操作不方便、不能简便地找到想要的功能时，他们就会觉得银行的服务不够好，对银行产生负面的看法。这其实对银行的运营提出了新的挑战，因为原先银行都习惯于toB的思维，然而现在强调toC化以后，用户体验变得尤为重要，而这恰恰是银行过去忽视和不擅长的。同时，银行也受到了来自互联网金融的冲击，他们更擅长产品设计来为客户提供更好的体验。因此，我们希望对服务系统进行界面和功能的改进，以提升用户体验，优化业务设置。

然而，要提高用户体验不能完全靠经验判断，而是需要了解用户的真实想法才能做出正确的判断。了解客户在想什么始终是商家的关注点。在经营实体店时，商家非常希望得到一些信息，比如进店客人的目光停留在哪里？停留了多少时间？有了这些信息，商家就知道客人究竟对哪些产品感兴趣，哪些产品不吸引人，哪些产品应该放在更好的位置来展示，从而能够调整商品的布局和组合。然而，这些信息在实体店几乎很难获得。商家只能委托营业员留心观察，或者偶尔做些问卷。然而，这一切在线上成为了可能。许多互联网公司、游戏公司、电商公司在这方面都走在了前列，他们十分重视服务系统的用户体验。尤其是对于一些电商公司来说，网站可能就意味着公司的全部，因为相比银行等存在大量实体营业点的企业来说，电商公司唯一能被消费者看到的就是网站。业内比较知名的案例是当年于刚教授带领的1号店用户行为分析团队所做的用户注意力分析项目，利用视频技术跟踪客户的眼球，来观察客户在页面上的浏览路径，从而调整页面的布局和功能设置。一些互联网公司如友盟、百度统计等，还提供了简单的在线统计分析工具，来帮助中小企业、创业公司进行简单的用户来源分析和页面访问分析等，从而协助优化页面布局和功能设置等。

浦发银行信用卡中心从2015年起也开始重点关注服务渠道各系统的用户行为数据采集，希望了解用户在使用系统时的真实行为，从而为界面与功能的优化工作提供支持。业务部门和IT部门通力合作，利用真实的用户行为数据和科学的数理分析模型来提升服务渠道系统的用户体验，具体包含了以下几个部分：

（一）用户行为数据采集。对于用户访问数据的采集已经有了许多很成熟的方案，比如国外的PIWIK和Countly等，国内的友盟和百度统计等。具体采集的信息有IP地址、浏览器信息、操作系统、分辨率、手机型号、地理位置、入口页面等等。这些数据能够很好的帮助业务人员了解用户的来源和基本属性等。然而这些信息只能为我们提供客户是谁，从哪里来的信息，其实银行有更好的客户数据来了解这些信息。我们更关注的是从客户在系统中行为数据来了解客户的偏好，以及与系统的设计是否匹配。因此我们采集了用户的行为数据，并细化到每个页面的每一个动作。通过这些数据，可以反映出用户在什么时候访问了哪个系统、哪个页面、点击了哪些按钮、做了哪些动作。通过对行为数据组的分析，还可以进一步了解用户在每个页面停留了多长时间、进入一个新页面后要过多久才做出第一个操作、第一个操作是什么。这样一来，我们可以掌握用户在服务系统中的一举一动，从而充分了解用户对于服务系统的态度。
当然在采集这些数据时还需要考虑到系统负载和网络流量问题。太多密集的数据采集和实时的数据传输都会影响系统的性能和用户的体验，因此还需要在页面的重要程度、行为数据的粒度、传输模式和频次上进行权衡，从而对于整体来说得到一个比较优化的数据采集方案。

（二）用户状态跟踪分析。该分析模块主要包含了用户访问的基本信息，包括用户的设备信息、用户的来源渠道、用户的地理位置等，但这些都是属于基本功能，一般的数据采集系统都会提供此类简单的统计分析功能。我们更关注的是用户的状态和参与度。我们按照用户的活跃和沉默程度将用户划分为了4大类型6个等级，并利用可视化工具直观地展示了用户在各类状态下的分布，同时也对比了不同时间段间不同状态用户的变化（图1），让业务人员及时了解用户的变化。我们也设计了一系列指标来描述用户的参与度，比如访问频率、访问间隔时间、访问页面数量、操作次数等，从而区分不同类型的用户。

图1：用户状态变化跟踪
（三）用户页面浏览行为分析。基于采集得到的用户浏览数据，我们在三个层面开展了具体的分析。一是页面层面，我们统计了独立用户数、访问量、页面访问量占比、访问时长、跳出率等指标，并在时间维度上进行展示以了解各类指标的时间趋势。二是页面间层面，我们主要分析了用户在页面间的流向和流量，从而了解每个页面的用户的来源和去向（图2）。三是页面内层面，或者说是事件层面，展示每一个页面内用户的行为路径，包括各类事件的顺序、点击数量、停留时间等。进一步我们还能够分析无效点击的次数来了解页面局部是否存在不合理的设计，使得用户不得不进行一些空白操作来进入下一步。比如输入框经常会挡住页面的下半部分，由于一些第三方输入法的不合理设计，导致用户难以第一时间找到消除输入框的按钮，从而导致一系列的无效操作，有时甚至会下意识的点击返回，使得该页的输入数据全部丢失。现在有了这些行为数据和分析工具以后，能够很方便的识别此类问题，及时提醒业务和设计人员进行改进。
当然，这个模块的分析仍然是比较基础的，因为并没有和业务相结合，而是提供一个基础化的通用工具来帮助业务人员分析用户的行为。

图2：某应用页面流量流向图
（四）与业务结合的应用。以上分析模块提供了一个小型的基础分析平台，允许业务人员在时间、用户、页面、行为等维度上进行*分析。更好的方案是和具体业务相结合，构建场景化的分析功能，为业务人员提供具体业务的一站式分析。以在线开卡为例，浦发信用卡中心目前提供了在线申请信用卡功能，让客户在线上将申请信息全部填写完毕，然后集中审核集中发卡。该模式有别于线上填写简单信息+线下补充的模式，需要客户一下子填写20余项信息。这对页面布局和功能设置的要求很高，因为不合理的设计会使得客户中途放弃申请。有了用户行为数据和分析工具以后，我们可以了解用户在4个申请步骤的页面中的转化率或流失率是多少，在每一个页面中具体在哪一步存在较高的流失率，是否是控件设计不合理还是填写内容太过繁琐。所有这些问题都将由数据来解答，从而让业务人员能够及时了解问题存在的原因，并做出及时的调整。进一步通过对全渠道的服务系统上的用户行为数据进行采集，我们可以更好获知用户的潜在兴趣、活跃持续度等，从而为客户维护、客户营销等提供更全面的数据。
行为分析不仅可以用在面对客户的系统上，也可以在内部业务系统上应用。以呼叫中心坐席人员的操作系统为例，我们也对坐席的行为数据进行了采集，进行操作路径和操作频繁项分析，并将涉及业务进行了关联分析，从而获知坐席在操作过程当中容易发生困惑而导致反复操作的地方，了解哪些业务的相关功能设置不合理，从而及时做出调整，提高坐席操作效率和服务效果。
以上是浦发信用卡中心在数据化运营中的一个应用点，也是实践了数据化运营的理念，用真实数据来支持业务的决策，避免不同经验之间的冲突。我们还在更大范围的扩展数据化运营的应用，将原先被忽视的数据更好地利用起来，更好地为客服、风控、电销、市场等部门服务，协助提高决策的效率和效果，起到IT部门以技术创新来支持和优化业务运营的新作用。(作者：俞敏，浦东发展银行信用卡中心IT部门经理，[email protected])