如何使用高级分析来减少低质量的应用程序并提高转化率

快速发展的数字环境涵盖了从电子商务和零售到保险公司和银行的各种业务。 随着银行服务和产品变得更加商品化，他们旨在将服务转变为在线格式，同时全面优化业务流程。 与任何其他上线的公司一样，银行也希望最大限度地提高投资回报率、更快地创建新服务并获得竞争优势。 为了探索大量数据集，银行系统应用高级分析。

在这种情况下，我们描述了 OWOX BI 团队为我们的一位银行客户提供的解决方案，该客户在提高贷款预测质量和立即筛选不相关的应用程序方面面临挑战。

对于银行而言，挑战在于提高网站上快速客户贷款申请的质量。 改进的预评分可以减少失败的贷款申请数量并减轻前台员工的负担。

该银行使用了一个包含 23 个字段的简短表格，其中 19 个字段是强制性的。 为了向客户提供尽可能接近线下部门做出的决定的响应，决定在线收集缺失的信息（将申请表扩展到 33 个字段，其中 25 个必须填写）。 有人担心复杂的表格会减少问卷的数量。 同时，预计信息量更大的问卷将提高申请质量，并为银行的客户和员工节省时间。

假设：扩大贷款申请表会降低申请转化率，但同时会提高申请质量。

研究问题：

• 转换为应用程序会减少多少？
• 贷款申请质量会提高吗？

信用卡应用程序的 A/B 测试是通过启动具有两种形式选项的实验来进行的：短和长。 简而言之，有 23 个字段，其中 19 个是必填字段。 扩展表单有 33 个字段，其中 25 个是必需的。

达到 1% 的最小可检测转化率变化需要 65 天。 主要跟踪的指标是应用程序的转化率，因为它高于合同转化率。 跟踪到应用程序的转换允许在更短的时间内完成测试：转换率越高，收集必要的受众就越快。 专注于转换为签订合同将意味着几个月的测试。 对于银行来说，这太长了。

如果发行的信用卡数量减少，银行准备放弃扩大问卷。 销售转化率的下降并未超过减轻银行员工负担的经济效益。

由于表单改动较大，影响了其工作逻辑，因此采用了服务端替换机制来实现测试。

显示给潜在银行客户的问卷版本由服务器脚本确定，并且加载时不会对用户造成明显的延迟。

Google Optimize 用于监控数据并评估应用程序的转换。 BigQuery 使用 OWOX BI 收集的原始数据和从银行 CRM 系统上传的合同数据用于计算合同转换。 该网站上的应用程序被记录为 Google Analytics 电子商务交易，因此最终使用 OWOX BI Pipeline 进入 BigQuery。

交易号被发送到银行的 CRM 系统。 在将数据从 CRM 上传到 Google BigQuery 时，交易号被用作合并数据的键。 根据事务编号，应用程序的所有阶段都可以归因于接收应用程序的会话。

这种方法的主要优点是没有合同和申请的时间偏移：协议归因于收到申请的日期。

根据谷歌优化，扩展申请表的转化率预计将下降 1%。

根据测试数据，似乎测试不成功。 而要得出最终结论，团队需要了解实验应用程序是如何转化为合同的。 这需要额外的时间，因为从提交申请到签订合同最多可能需要 60 天。

最终数据显示申请质量有显着提高。 从申请到合同的转化增加了0.52%，而从访问到合同的最终转化增加了0.02%。 完成扩展表格的客户更有可能收到信用卡。

• 转换为应用程序——网站应用程序/试点会议
• 从申请到合同的转换——从网站签订的合同/申请
• 转换为合同——签订的合同/试点会议

值得重申的是，目标不是提高转化率，而是在引入复杂的申请表时保持转化率。 需要进行测试以控制坠落的高度。

事实证明，如果您仅根据应用程序评估结果，则转换率会下降。 但多亏了先进的分析，可以跟踪到合同的转换不仅没有下降，而且略有增长。

根据进行的 A/B 测试，银行在申请表中添加了字段，故意使其复杂化。 有可能证实银行的假设，即转换为应用程序会减少，但应用程序的质量会提高。 通过使用 OWOX BI Pipeline 收集原始数据并将该数据与 Google BigQuery 中的合同数据合并来确认这一点。

• 新表格筛选出可能不感兴趣的客户：申请转化率下降了 1.1%。
• 预评分流程改进，申请质量提高：申请转合同增加0.52%，铅转合同最终转合同增加0.02%。
• 多亏了扩展的表格，银行做出决定所需的信息已经在在线申请阶段得到处理。 分行员工的负担减轻了，银行的成本也降低了。

总体而言，申请表的变化显着影响了转化率。 测试表明，当字段数增加时，主要是低质量的申请没有提交，不影响最终转为合同。 这意味着银行不会损失任何东西。 此外，长格式会提高最终批准率。 当表格变得更复杂时，合同的数量不会减少，这一点很重要。