信貸行業(yè)的玩家可以分成若干梯隊(duì)，在這些梯隊(duì)中，不乏一些頭部玩家的身影，那么，這些頭部玩家是怎么做運(yùn)營(yíng)的？信貸行業(yè)的營(yíng)銷運(yùn)營(yíng)，可以大致分為怎樣的階段呢？這篇文章里，作者就進(jìn)行了總結(jié)，一起來看看吧。

“這篇為插隊(duì)更新，把我近兩年對(duì)行業(yè)各層次玩家運(yùn)營(yíng)情況的了解、觀察和思考，做一次簡(jiǎn)單總結(jié)。后續(xù)我也會(huì)專門寫一系列文章，對(duì)智能決策的操作方法進(jìn)行深化解讀。本文共計(jì)2500字，預(yù)計(jì)需要閱讀10分鐘。”

大家都知道，信貸行業(yè)的玩家會(huì)分成若干梯隊(duì)。比如說，互金領(lǐng)域（助貸業(yè)務(wù)）站在第一梯隊(duì)的，是螞蟻、京東、百度、360等大廠玩家，消金領(lǐng)域（消金業(yè)務(wù)）站在第一梯隊(duì)的，則是招聯(lián)、螞蟻、馬消等玩家。

這些頭部玩家，除了流量、資金、技術(shù)等資源優(yōu)勢(shì)外，營(yíng)銷運(yùn)營(yíng)的先進(jìn)，也不言而喻。排在后排的玩家，總會(huì)想向前排玩家靠攏，也許資源稟賦比較難學(xué)習(xí)，但模仿營(yíng)銷模式，難度就比較小了。我們今天就來看看，互金消金的頭部玩家，是怎么做運(yùn)營(yíng)的。

通過我自己的運(yùn)營(yíng)經(jīng)驗(yàn)，以及工作緣故，使我能和行業(yè)內(nèi)很多頭部公司接觸交流。在此期間我發(fā)現(xiàn)，整個(gè)信貸行業(yè)的營(yíng)銷運(yùn)營(yíng)，可以按一個(gè)核心三個(gè)階段進(jìn)行劃分。一個(gè)核心是指數(shù)據(jù)驅(qū)動(dòng)為核心，數(shù)據(jù)驅(qū)動(dòng)的必要性不言而喻，而金融的數(shù)字本質(zhì)也使得數(shù)據(jù)化成本較低，這種行業(yè)共識(shí)就不在贅述了。三個(gè)階段則分別是：用戶數(shù)據(jù)化、營(yíng)銷精細(xì)化、決策智能化。

一、用戶數(shù)據(jù)化

數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)的第一個(gè)階段，是用戶數(shù)據(jù)化。一些剛剛開始自營(yíng)業(yè)務(wù)，或者業(yè)務(wù)規(guī)模較小的公司，就處在這個(gè)階段。在這個(gè)階段，會(huì)把用戶的所有信息，都以數(shù)據(jù)的形式，采集和儲(chǔ)存起來。

用戶和產(chǎn)品界面發(fā)生的交互，以行為數(shù)據(jù)的形式采集存儲(chǔ)；用戶和業(yè)務(wù)系統(tǒng)發(fā)生的交互，以業(yè)務(wù)數(shù)據(jù)的形式采集存儲(chǔ)；用戶自身的性別、年齡、收入等情況，以屬性數(shù)據(jù)采集存儲(chǔ)。完成這個(gè)階段后，用戶即數(shù)據(jù)，數(shù)據(jù)即用戶，數(shù)據(jù)可以反應(yīng)用戶在產(chǎn)品內(nèi)的一切信息。我們就可以基于數(shù)據(jù)對(duì)可得的用戶所有信息進(jìn)行分析和洞察，以產(chǎn)出對(duì)應(yīng)的運(yùn)營(yíng)策略。

二、營(yíng)銷精細(xì)化

數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)的第二個(gè)階段，是營(yíng)銷精細(xì)化。這個(gè)階段，是大多數(shù)行業(yè)公司所處的階段。有了用戶的大量信息和數(shù)據(jù)，我們就能對(duì)用戶的特征進(jìn)行分析和分群，然后再基于不同的用戶特征，對(duì)用戶采取不同的運(yùn)營(yíng)策略，以提升整體的效率。

以用戶觸達(dá)為例，用戶觸達(dá)的四要素：用戶分層、觸達(dá)通道、觸達(dá)內(nèi)容、觸達(dá)形式，都會(huì)因用戶的分層不同，需要精細(xì)化和個(gè)性化的設(shè)計(jì)，以實(shí)現(xiàn)最高效率的匹配。當(dāng)每個(gè)分群的策略得到最大優(yōu)化后，我們還可以利用營(yíng)銷工具，把這些策略進(jìn)行實(shí)時(shí)或非實(shí)時(shí)的固化，來提升運(yùn)營(yíng)動(dòng)作本身的效率。

三、決策智能化

第三個(gè)階段，是決策智能化階段。這一階段，就是行業(yè)頭部公司們所處的階段，也有大量二級(jí)梯隊(duì)玩家在快速跟進(jìn)。它的特征有三：以模型決策替代人工決策，以實(shí)時(shí)觸達(dá)替代延時(shí)觸達(dá)，以機(jī)器學(xué)習(xí)替代人工優(yōu)化。

所謂模型決策替代人工決策，是指過往以人工分析，通過3-5個(gè)特征細(xì)分客群的做法，會(huì)被通過將幾十甚至更多的特征建立成特征模型，再通過模型對(duì)用戶進(jìn)行分層的做法取代。

比如新用戶有渠道評(píng)分卡模型，老用戶價(jià)值提升有老用戶分層模型，流失召回有流失用戶預(yù)警模型，模型決策會(huì)替代掉人工的決策。

所謂實(shí)時(shí)觸達(dá)替代延時(shí)觸達(dá)，則是指用基于用戶在業(yè)務(wù)流程中或在綜合分層模型中的實(shí)時(shí)變化，對(duì)用戶進(jìn)行觸達(dá)，而不再是選定時(shí)間，對(duì)同一客群非實(shí)時(shí)的統(tǒng)一觸達(dá)。

比如過去我是用戶產(chǎn)生行為或符合條件后，T+1或T+7進(jìn)行觸達(dá)，現(xiàn)在就變成用戶行為產(chǎn)生或?qū)傩宰兓漠?dāng)時(shí)，就進(jìn)行觸達(dá)。

所謂以機(jī)器學(xué)習(xí)替代人工優(yōu)化，是指以算法的自主回收數(shù)據(jù)，自主學(xué)習(xí)和自動(dòng)優(yōu)化，來取代人工回收數(shù)據(jù)，驗(yàn)證策略效果，優(yōu)化迭代策略。

這個(gè)階段又分為兩小階段，初始階段是基于歷史數(shù)據(jù)對(duì)未來進(jìn)行預(yù)估，高級(jí)階段是實(shí)時(shí)計(jì)算，實(shí)時(shí)預(yù)估。

四、決策智能化的必要性

三個(gè)階段已經(jīng)很清楚了，我們來討論一下這種發(fā)展和優(yōu)化的必要性。

在第一個(gè)階段，往往主要是采集和補(bǔ)充數(shù)據(jù)的階段，基于部分?jǐn)?shù)據(jù)，每個(gè)客群可以形成一個(gè)3-4層的分層，再加上AB測(cè)試，可能會(huì)形成8-10個(gè)的策略。

到第二階段，因?yàn)榉謱訒?huì)大大的精細(xì)，以RFM模型為例，一個(gè)客群最少都能形成8個(gè)分層，最終在AB時(shí)，同時(shí)可能跑起來20-50個(gè)策略。

到第三個(gè)階段，即便是簡(jiǎn)單的20個(gè)特征形成的評(píng)分模型，也至少有100個(gè)分層，最終結(jié)合營(yíng)銷的分層，每個(gè)客群，可以形成500-1000條策略。

在不考慮計(jì)算和匹配資源的前提下，按照越精細(xì)，匹配效率越高的基本假設(shè)，那么這三階段的發(fā)展，對(duì)運(yùn)營(yíng)效率的提升，是毋庸置疑的。特別是前兩階段，幾乎沒有多出的資源配置，他們的發(fā)展是必然的。而第三個(gè)階段，我們不僅要考慮決策智能化的收益，還要考慮它的投入和產(chǎn)出問題。

決策智能化階段的投入產(chǎn)出問題，本質(zhì)來說，是供應(yīng)和需求問題。所謂供應(yīng)，是指公司有沒有能力提供決策智能化的基本條件，比如算法團(tuán)隊(duì)、計(jì)算所需的服務(wù)器、資深的運(yùn)營(yíng)人員。如果這些條件都不能提供，那么基本都供給條件就不能滿足，也就沒辦法進(jìn)入到?jīng)Q策智能化的階段。

而需求側(cè)則分成兩個(gè)方向，第一，智能化帶來的收入提升，能否覆蓋整體投入。因?yàn)槌?wù)器投入外，算法團(tuán)隊(duì)和資深運(yùn)營(yíng)的投入都是固定的，成本隨業(yè)務(wù)規(guī)模提升的速度，應(yīng)遠(yuǎn)低于業(yè)務(wù)規(guī)模本身提升的速度。所以一定是存在一個(gè)盈利平衡的業(yè)務(wù)規(guī)模點(diǎn)的，如果超過了這個(gè)規(guī)模，那么就決策智能化的需求有效，反之則入不敷出，需要擱置先坐等起量。

第二，用戶和業(yè)務(wù)的規(guī)模，是否到了分層問題必須要智能決策的規(guī)模。比如用戶100萬的時(shí)候，每層用戶2萬，形成50個(gè)分層，增加人手還足以處理這些策略的形成。但當(dāng)用戶1000萬的時(shí)候，按每層用戶2萬人，500個(gè)分層，每個(gè)分層哪怕只有AB兩條策略，一周迭代一次策略，1000條/周的策略需要多大的人工團(tuán)隊(duì)才能處理呢？當(dāng)用戶規(guī)模更大的時(shí)候呢？

所以是否需要智能決策階段的運(yùn)營(yíng)，還需要綜合看智能決策在內(nèi)部的供需關(guān)系，根據(jù)供需情況進(jìn)行決策。而可能涉及的效率提升導(dǎo)致人員從運(yùn)營(yíng)到算法的結(jié)構(gòu)變動(dòng)，這里不做討論。本文僅基于絕對(duì)理性假設(shè)，對(duì)運(yùn)營(yíng)工作進(jìn)行探討。

以上就是信貸行業(yè)頭部玩家的運(yùn)營(yíng)方法和演變階段的總結(jié)，下周我們還會(huì)回到我原本的系列設(shè)計(jì)上，回到基礎(chǔ)實(shí)踐篇的更新上去。

大致安排會(huì)有怎么設(shè)計(jì)數(shù)據(jù)日?qǐng)?bào)、怎么設(shè)計(jì)業(yè)務(wù)預(yù)估模型和業(yè)務(wù)策略庫、怎么設(shè)計(jì)策略執(zhí)行表等基礎(chǔ)實(shí)踐篇，還會(huì)有怎么應(yīng)用增長(zhǎng)模型拆解指標(biāo)快速發(fā)現(xiàn)增長(zhǎng)點(diǎn)、怎么應(yīng)用UJM模型做新戶landing、怎么應(yīng)用生命周期模型做老用戶經(jīng)營(yíng)等方法應(yīng)用篇，還會(huì)有怎么做觸達(dá)AB實(shí)驗(yàn)、怎么對(duì)流量來源歸因、怎么設(shè)計(jì)常規(guī)活動(dòng)、怎么做智能決策模型設(shè)計(jì)等場(chǎng)景實(shí)踐篇。