如何使用高級分析來減少低質量的應用程序並提高轉化率

快速發展的數字環境涵蓋了從電子商務和零售到保險公司和銀行的各種業務。 隨著銀行服務和產品變得更加商品化，他們旨在將服務轉變為在線格式，同時全面優化業務流程。 與任何其他上線的公司一樣，銀行也希望最大限度地提高投資回報率、更快地創建新服務並獲得競爭優勢。 為了探索大量數據集，銀行系統應用高級分析。

在這種情況下，我們描述了 OWOX BI 團隊為我們的一位銀行客戶提供的解決方案，該客戶在提高貸款預測質量和立即篩選不相關的應用程序方面面臨挑戰。

對於銀行而言，挑戰在於提高網站上快速客戶貸款申請的質量。 改進的預評分可以減少失敗的貸款申請數量並減輕前台員工的負擔。

該銀行使用了一個包含 23 個字段的簡短表格，其中 19 個字段是強制性的。 為了向客戶提供盡可能接近線下部門做出的決定的響應，決定在線收集缺失的信息（將申請表擴展到 33 個字段，其中 25 個必須填寫）。 有人擔心複雜的表格會減少問卷的數量。 同時，預計信息量更大的問卷將提高申請質量，並為銀行的客戶和員工節省時間。

假設：擴大貸款申請表會降低申請轉化率，但同時會提高申請質量。

研究問題：

• 轉換為應用程序會減少多少？
• 貸款申請質量會提高嗎？

信用卡應用程序的 A/B 測試是通過啟動具有兩種形式選項的實驗來進行的：短和長。 簡而言之，有 23 個字段，其中 19 個是必填字段。 擴展表單有 33 個字段，其中 25 個是必需的。

達到 1% 的最小可檢測轉化率變化需要 65 天。 主要跟踪的指標是應用程序的轉化率，因為它高於合同轉化率。 跟踪到應用程序的轉換允許在更短的時間內完成測試：轉換率越高，收集必要的受眾就越快。 專注於轉換為簽訂合同將意味著幾個月的測試。 對於銀行來說，這太長了。

如果發行的信用卡數量減少，銀行準備放棄擴大問卷。 銷售轉化率的下降並未超過減輕銀行員工負擔的經濟效益。

由於表單改動較大，影響了其工作邏輯，因此採用了服務端替換機制來實現測試。

顯示給潛在銀行客戶的問卷版本由服務器腳本確定，並且加載時不會對用戶造成明顯的延遲。

Google Optimize 用於監控數據並評估應用程序的轉換。 BigQuery 使用 OWOX BI 收集的原始數據和從銀行 CRM 系統上傳的合同數據用於計算合同轉換。 該網站上的應用程序被記錄為 Google Analytics 電子商務交易，因此最終使用 OWOX BI Pipeline 進入 BigQuery。

交易號被發送到銀行的 CRM 系統。 在將數據從 CRM 上傳到 Google BigQuery 時，交易號被用作合併數據的鍵。 根據事務編號，應用程序的所有階段都可以歸因於接收應用程序的會話。

這種方法的主要優點是沒有合同和申請的時間偏移：協議歸因於收到申請的日期。

根據谷歌優化，擴展申請表的轉化率預計將下降 1%。

根據測試數據，似乎測試不成功。 而要得出最終結論，團隊需要了解實驗應用程序是如何轉化為合同的。 這需要額外的時間，因為從提交申請到簽訂合同最多可能需要 60 天。

最終數據顯示申請質量有顯著提高。 從申請到合同的轉化增加了0.52%，而從訪問到合同的最終轉化增加了0.02%。 完成擴展表格的客戶更有可能收到信用卡。

• 轉換為應用程序——網站應用程序/試點會議
• 從申請到合同的轉換——從網站簽訂的合同/申請
• 轉換為合同——簽訂的合同/試點會議

值得重申的是，目標不是提高轉化率，而是在引入複雜的申請表時保持轉化率。 需要進行測試以控制墜落的高度。

事實證明，如果您僅根據應用程序評估結果，則轉換率會下降。 但多虧了先進的分析，可以跟踪到合同的轉換不僅沒有下降，而且略有增長。

根據進行的 A/B 測試，銀行在申請表中添加了字段，故意使其複雜化。 有可能證實銀行的假設，即轉換為應用程序會減少，但應用程序的質量會提高。 通過使用 OWOX BI Pipeline 收集原始數據並將該數據與 Google BigQuery 中的合同數據合併來確認這一點。

• 新表格篩選出可能不感興趣的客戶：申請轉化率下降了 1.1%。
• 預評分流程改進，申請質量提高：申請轉合同增加0.52%，鉛轉合同最終轉合同增加0.02%。
• 多虧了擴展的表格，銀行做出決定所需的信息已經在在線申請階段得到處理。 分行員工的負擔減輕了，銀行的成本也降低了。

總體而言，申請表的變化顯著影響了轉化率。 測試表明，當字段數量增加時，主要是低質量的申請沒有提交，這不影響最終轉為合同。 這意味著銀行不會損失任何東西。 此外，長格式會提高最終批准率。 當表格變得更複雜時，合同的數量不會減少，這一點很重要。