고급 분석을 사용하여 품질이 낮은 애플리케이션을 줄이고 전환율을 높이는 방법

빠르게 진화하는 디지털 환경은 전자 상거래 및 소매에서 보험 회사 및 은행에 이르기까지 모든 종류의 비즈니스를 포괄합니다. 그리고 은행 서비스와 상품이 보다 상품화됨에 따라 비즈니스 프로세스를 전반적으로 최적화함과 동시에 서비스를 온라인 형식으로 전환하는 것을 목표로 합니다. 온라인에 등장하는 다른 회사와 마찬가지로 은행도 ROI를 극대화하고 새로운 서비스를 더 빠르게 생성하며 경쟁 우위를 확보하기를 원합니다. 엄청난 수의 데이터 세트를 탐색하기 위해 은행 시스템은 고급 분석을 적용합니다.

이 경우 대출 예측의 품질을 개선하고 관련 없는 애플리케이션을 즉시 선별하는 데 어려움을 겪고 있는 은행 고객 중 한 명을 위해 OWOX BI 팀이 제공한 솔루션에 대해 설명합니다.

은행이 당면한 과제는 웹사이트에서 빠른 고객 대출 신청의 품질을 개선하는 것이었습니다. 개선된 사전 평가는 대출 신청 실패 횟수를 줄이고 프런트 오피스 직원의 부담을 줄일 수 있습니다.

은행은 23개의 필드가 있는 축약된 양식을 사용했으며 그 중 19개는 필수 입력 사항입니다. 고객에게 오프라인 부서에서 내린 결정에 최대한 가까운 응답을 제공하기 위해 온라인에서 누락된 정보를 수집하기로 결정했습니다(신청 양식을 33개 필드로 확장하고 25개 필수 입력 필드로 확장). 복잡한 형식으로 인해 설문지 수가 줄어들지 않을까 하는 두려움이 있었습니다. 동시에 보다 유익한 설문조사가 응용 프로그램의 품질을 향상시키고 은행 고객과 직원의 시간을 절약할 것으로 기대되었습니다.

가설: 확장된 대출 신청서는 신청서로의 전환율을 낮추지만 동시에 신청서의 질을 높일 것입니다.

연구 질문:

• 애플리케이션으로의 전환은 얼마나 감소합니까?
• 대출 신청의 질이 향상됩니까?

신용 카드 응용 프로그램의 A/B 테스트는 short 및 long의 두 가지 형식 옵션으로 실험을 시작하여 수행되었습니다. 약식에는 23개의 필드가 있었고 그 중 19개는 필수 필드였습니다. 확장된 양식에는 33개의 필드가 있으며 25개는 필수입니다.

1%의 감지 가능한 최소 전환 변화를 달성하는 데 65일이 걸렸습니다. 주요 추적 지표는 계약으로의 전환보다 높기 때문에 애플리케이션으로의 전환율이었습니다. 애플리케이션으로의 전환을 추적하면 더 짧은 시간에 테스트를 완료할 수 있습니다. 전환율이 높을수록 필요한 청중이 더 빨리 수집됩니다. 계약 서명으로의 전환에 집중하려면 몇 개월의 테스트가 필요했습니다. 은행 입장에서는 너무 길었습니다.

은행은 발급된 신용카드 수가 줄어들면 확장된 설문지를 포기할 준비가 되어 있었습니다. 매출 전환율의 감소는 은행 직원의 부담을 줄이는 경제적 이익을 초과하지 않았습니다.

형식의 변경이 중요하고 작업 논리에 영향을 미쳤기 때문에 서버 측 교체 메커니즘을 사용하여 테스트를 구현했습니다.

잠재적인 은행 고객에게 표시할 설문지의 버전은 서버 스크립트에 의해 결정되었으며 사용자에게 눈에 띄는 지연 없이 로드되었습니다.

Google Optimize는 데이터를 모니터링하고 애플리케이션으로의 전환을 평가하는 데 사용되었습니다. OWOX BI를 사용하여 BigQuery에서 수집된 원시 데이터와 은행의 CRM 시스템에서 업로드된 계약 데이터를 사용하여 계약 전환을 계산했습니다. 웹사이트의 애플리케이션은 Google Analytics 전자 상거래로 기록되어 OWOX BI Pipeline을 사용하여 BigQuery에서 종료되었습니다.

거래 번호는 은행의 CRM 시스템으로 전송되었습니다. CRM에서 Google BigQuery로 데이터를 업로드할 때 거래 번호를 데이터 병합 키로 사용했습니다. 트랜잭션 번호를 기반으로 애플리케이션의 모든 단계는 애플리케이션이 수신된 세션에 기인할 수 있습니다.

이 접근 방식의 주요 이점은 계약 및 애플리케이션의 시간 오프셋이 없다는 것입니다. 계약은 애플리케이션이 접수된 날짜에 귀속됩니다.

Google Optimize에 따르면 확장 신청서의 전환율은 1% 감소할 것으로 예상했습니다.

테스트 데이터에 따르면 테스트가 실패한 것으로 보입니다. 최종 결론에 도달하기 위해 팀은 실험적 애플리케이션이 계약으로 어떻게 변환되는지 확인해야 했습니다. 신청서 제출과 계약 체결 사이에 최대 60일이 소요될 수 있으므로 추가 시간이 필요했습니다.

최종 데이터는 응용 프로그램의 품질이 눈에 띄게 향상되었음을 보여주었습니다. 신청에서 계약으로의 전환은 0.52% 증가했으며 방문에서 계약으로의 최종 전환은 0.02% 증가했습니다. 확장 양식을 작성한 고객은 신용 카드를 받을 가능성이 더 높았습니다.

• 애플리케이션으로의 변환 — 웹사이트 애플리케이션/시범 세션
• 신청에서 계약으로 전환 - 웹사이트에서 체결된 계약/신청
• 계약으로의 전환 — 체결된 계약/시범 세션

전환율을 높이는 것이 목표가 아니라 복잡한 신청서를 도입하면서 전환율을 유지하는 것이 목표였다는 점을 거듭 말씀드립니다. 낙하 높이를 제어하려면 테스트가 필요했습니다.

애플리케이션에만 의존하여 결과를 평가하면 전환율이 떨어지는 것으로 나타났습니다. 그러나 고급 분석 덕분에 계약으로의 전환이 감소했을 뿐만 아니라 약간 증가한 것을 추적할 수 있었습니다.

A/B 테스팅을 바탕으로 은행은 신청서에 필드를 추가해 일부러 복잡하게 만들었다. 신청전환율은 낮아지지만 신청의 질은 높아진다는 은행의 가설을 확인할 수 있었다. OWOX BI Pipeline을 사용하여 원시 데이터를 수집하고 해당 데이터를 Google BigQuery에서 계약 데이터와 병합하여 확인했습니다.

• 새로운 양식은 잠재적으로 관심이 없는 고객을 선별했습니다. 애플리케이션으로의 전환은 1.1% 감소했습니다.
• 사전 평가 프로세스가 개선되고 지원 품질이 개선되었습니다. 지원에서 계약으로의 전환이 0.52% 증가하고 리드에서 계약으로의 최종 전환이 0.02% 증가했습니다.
• 확장된 형태 덕분에 은행이 의사결정을 내리는 데 필요한 정보는 이미 온라인 신청 단계에서 처리됩니다. 지점 직원의 부담이 줄어들었고 은행 비용도 절감되었습니다.

전반적으로 지원서의 변경이 전환율에 큰 영향을 미쳤다. 테스트 결과, 필드 수가 증가하면 주로 품질이 낮은 신청서가 제출되지 않아 최종 계약 전환에 영향을 미치지 않는 것으로 나타났습니다. 이것은 은행이 아무것도 잃지 않는다는 것을 의미합니다. 또한 long-form은 최종 승인률을 높입니다. 양식이 더 복잡해질 때 계약의 수가 줄어들지 않는 것이 중요합니다.