渠道端口成本的跟踪优化方法及跟踪优化系统

摘要

本发明提出一种渠道端口成本的跟踪优化方法，包括：数据采集步骤，在渠道端口采集用户的行为数据；数据标记步骤，标记用户的行为数据，为行为数据增加用户标签和渠道标签；数据关联步骤，关联用户的行为数据，将用户的行为数据保存并关联，所述关联是基于用户标签和渠道标签；数据分析及优化步骤，基于用户标签和渠道标签，对保存的用户的基础数据、渠道的基础数据和用户的行为数据进行分析，并将分析的结果与设定的基准数据进行比较，根据比较结果生成优化数据；渠道端口调整步骤，根据优化数据对渠道端口进行调整和优化，从而达到最优化渠道成本的目的。本发明还提出一种渠道端口成本的跟踪优化系统。本发明能对渠道端口进行持续的跟踪优化，提升渠道端口的效益水平。

说明书

技术领域

本发明涉及互联网技术，更具体地说，涉及互联网金融领域的渠道评价及持续跟踪技术。

背景技术

互联网金融随着互联网技术的发展而得到了快速的发展。与传统金融业不同，互联网金融的多数操作在线上，而非现场完成。互联网金融以快速便捷，全程在线操作，无需现场处理为特点，大幅提升了用户的使用便利程度，因此得到了广泛的欢迎和迅速的发展。

由于互联网金融主要依靠线上操作，其主要的客源也是来自于线上。与传统金融业主要通过传统媒体宣传、线下广告的方式吸引客源不同，互联网金融主要通过在线上的广告推广来获取客户。与线下广告面向不特定受众，按照人流量选择投放，针对性不强的特点不同，线上广告会在针对特定客户群体的线上入口进行投放，针对性较强。由于线上流量在各个入口之间的差异巨大，且不同特点的客户群体的喜好入口也各不相同，因此就造成了线上广告投放的投入收益比差异很大。在某些入口，广告投放的效果很好，不大的投入就能吸引大量客户。而在另一些入口，广告投放的效果就很差，由于入口流量不足，或者说客户群体的针对性不足，导致无法吸引到有效客户。

发明内容

本发明旨在提出一种能持续跟踪渠道端口的效益，并进行持续优化的技术。

根据本发明的一实施例，提出一种渠道端口成本的跟踪优化方法，包括：

数据采集步骤，在渠道端口采集用户的行为数据；

数据标记步骤，标记用户的行为数据，为行为数据增加用户标签和渠道标签；

数据关联步骤，关联用户的行为数据，将用户的行为数据保存并关联，所述关联是基于用户标签和渠道标签；

数据分析及优化步骤，基于用户标签和渠道标签，对保存的用户的基础数据、渠道的基础数据和用户的行为数据进行分析，并将分析的结果与设定的基准数据进行比较，根据比较结果生成优化数据；

渠道端口调整步骤，根据优化数据对渠道端口进行调整和优化。

在一个实施例中，数据采集步骤、数据标记步骤、数据关联步骤、数据分析及优化步骤以及渠道端口调整步骤循环执行。

在一个实施例中，用户的行为数据与用户的操作行为相关联。

在一个实施例中，用户的操作行为包括：浏览行为、跳转行为、下载行为和在线金融行为。浏览行为包括浏览内容和浏览时间。跳转行为包括落地页注册和登录的跳转。下载行为包括落地页下载内容和下载时间。在线金融行为包括在线申请贷款、在线偿还贷款、线上转账和线上消费。

在一个实施例中，渠道端口包括：固定渠道、临时渠道和定向渠道。固定渠道是长期存在的渠道。临时渠道是在指定时间段内存在的渠道。定向渠道是与专项活动相关联的渠道。

在一个实施例中，用户的基础数据包括用户的身份信息和信用评分。渠道的基础数据包括渠道的标识信息、渠道的时间信息、渠道的关联信息、渠道的实际反馈信息。

根据本发明的一实施例，提出一种渠道端口成本的跟踪优化系统，包括：数据采集器、渠道端处理器和数据平台。数据采集器布置在渠道端口的入口，数据采集器在渠道端口的入口通过承载器采集用户的行为数据。渠道端处理器对数据采集器采集的用户的行为数据进行标记，为行为数据增加用户标签和渠道标签，并将经标记的用户的行为数据发送给数据平台。数据平台接收经标记的用户的行为数据，数据平台包括数据关联装置、数据分析装置和数据优化装置，数据关联装置将用户的行为数据保存并关联，所述关联是基于用户标签和渠道标签；数据分析装置基于用户标签和渠道标签，对保存的用户的基础数据、渠道的基础数据和用户的行为数据进行分析；数据优化装置将分析的结果与设定的基准数据进行比较，根据比较结果生成优化数据，优化数据反馈给渠道端处理器，渠道端处理器根据优化数据对渠道端口进行调整和优化。

在一个实施例中，数据采集器、渠道端处理器、数据平台循环进行数据交换和数据处理。

在一个实施例中，用户的行为数据与用户的操作行为相关联。

在一个实施例中，用户的操作行为包括：浏览行为、跳转行为、下载行为和在线金融行为。浏览行为包括浏览内容和浏览时间。跳转行为包括落地页注册和登录的跳转。下载行为包括落地页下载内容和下载时间。在线金融行为包括在线申请贷款、在线偿还贷款、线上转账和线上消费。

在一个实施例中，渠道端口包括：固定渠道、临时渠道和定向渠道。固定渠道是长期存在的渠道。临时渠道是在指定时间段内存在的渠道。定向渠道是与专项活动相关联的渠道。

在一个实施例中，用户的基础数据包括用户的身份信息和信用评分。渠道的基础数据包括渠道的标识信息、渠道的时间信息、渠道的关联信息、渠道的实际反馈信息。

本发明的渠道端口成本的跟踪优化方法和跟踪优化系统能够对各个渠道采集的信息进行标记和跟踪，且通过添加用户标签的方式对用户的行为进行持续的跟踪。通过多维度的用户行为和渠道端口的分析，对渠道端口进行持续的跟踪优化，提升渠道端口的效益水平。

附图说明

本发明上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描述而变的更加明显，在附图中相同的附图标记始终表示相同的特征，其中：

图1揭示了根据本发明的一实施例的渠道端口成本的跟踪优化方法的流程示意图。

图2揭示了根据本发明的一实施例的渠道端口成本的跟踪优化系统的结构框图。

具体实施方式

参考图1所示，图1揭示了根据本发明的一实施例的渠道端口成本的跟踪优化方法的流程示意图。该渠道端口成本的跟踪优化方法包括：

101、数据采集步骤。在数据采集步骤101中，在渠道端口采集用户的行为数据。根据本发明的一实施例，渠道端口包括：固定渠道、临时渠道和定向渠道。固定渠道是长期存在的渠道。固定渠道通常是一个长期合作平台的入口，比如app、网站、网页、应用程序等。在这些合作平台上可以投放广告，只要与这些平台依旧保持合作且这些平台依旧存在，固定渠道就会长期存在。固定渠道主要针对有特定使用习惯的客户群体，这些客户群体会经常使用相应的app，经常浏览该网站或网页，或者经常使用应用程序。临时渠道是在指定时间段内存在的渠道。临时渠道通常会和某个特定的时间点有关，比如春节、圣诞节、双十一等。临时渠道也是在诸如app、网站、网页、应用程序这样的平台上投放，但对于临时渠道来说，这些app、网站、网页、应用程序不一定是长期合作的平台，可以是仅仅针对某个特定节日，在某个时间段内进行短期合作的平台。定向渠道是与专项活动相关联的渠道。定向渠道会更加注重某个特定的活动，比如双十一注册送免息券活动等。定向渠道由于具有明确的指向性，因此一般会采取专用弹出页面或者专门提示的方式进行投放。无论是上述的固定渠道、临时渠道或定向渠道中的哪一种渠道，用户都可通过该渠道入口进行相关的操作。例如，用户可以通过在渠道端的入口APP中点击指定的活动展示入口(包含链接、按钮、图片等)、再点击进入指定网页，然后通过渠道后端进行相关操作。

在用户通过渠道进行操作的过程中，会获取用户的基础数据。在一个实施例中，用户的基础数据包括用户的身份信息和信用评分。用户的身份信息一般是由用户自行提供，身份信息通常是诸如身份证号、姓名、身份证有效期、身份证照片的信息等。在用户的身份信息的基础上，可以进一步获取用户在互联网上的其他信息，其他可以来自一个或多个第三方，例如：来自电信运营商、来自银行系统、来自其他互联网金融系统、来自征信系统、来自社交软件、来自线上交易软件、来自线上功能应用等。其他信息可以包括：通讯录和通话详单、学历、是否存在于黑名单上、网络购物行为、航旅信息、网络借款行为、社交账号关系网、网络社区行为、征信报告、还款状况等。根据其他信息，可以为用户计算信用评分。获取用户的基础数据有两种场景：第一种场景下，该用户是一个新用户，此时会向用户提供注册页面，通过注册页面获取用户的身份信息，进而通过身份信息获取其他信息，再为用户计算信用评分，以完善用户的基础数据。第二种场景下，该用户是已经注册的用户，通过用户该用户的用户标签可以识别该用户。在第二种场景下，直接调用已经保存的用户的身份信息和信用评分。

102、数据标记步骤。在数据标记步骤102中标记用户的行为数据，为行为数据增加用户标签和渠道标签。在一个实施例中，用户的行为数据是与用户的操作行为相关联。在该步骤102中，需要关注的行为数据不仅仅包括用户在该渠道内对本企业投放广告的操作行为，还包括用户在整个互联网环境中的其他操作行为。用户的每一个操作行为都会被标记，由用户执行的操作行为都会被增加用户标签，用户标签是与用户的身份信息相关联。在添加了用户标签之后，就可以通过用户标签来查找互联网上所有由该用户所执行的操作行为。此外，针对用户在渠道内对本企业投放广告的操作行为，除了增加用户标签之外，还增加渠道标签。用户在整个互联网上的操作行为可以作为研究客户群体的数据样本，而用户在渠道内的操作行为是进行渠道营收核算的主要依据，因此对于用户在渠道内的操作行为需要专门加以识别。通过用户标签和渠道标签的组合，就能够查找出用户在渠道内的操作行为。在一个实施例中，用户在渠道内对于所投放的广告的操作行为主要包括：浏览行为、跳转行为、下载行为和在线金融行为。浏览行为是指用户浏览广告宣传的行为，包括浏览内容和浏览时间。跳转行为是指用户根据广告页面的指引，跳转到指定页面或者指定app的行为，包括落地页注册和登录的跳转。下载行为是指用户下载指定app或者指定应用软件的行为，包括落地页下载内容和下载时间。在线金融行为是指用户在指定的app、指定的应用软件或者指定的页面上进行互联网金融操作的行为，包括在线申请贷款、在线偿还贷款、线上转账和线上消费。

103、数据关联步骤。在数据关联步骤103中关联用户的行为数据，将用户的行为数据保存并关联，该关联是基于用户标签和渠道标签。为了在后续处理中能够利用大数据对用户的基础数据、用户的行为数据和渠道的基础数据进行处理，需要将所采集到的数据进行关联并保存。在一个实施例中，上述的数据被保存在数据库中，在一个实施例中，可以结合使用非结构化数据库和关系型数据库。非结构化数据库，比如分布式列式非结构化数据库具有查询速度快的优势，能满足大数据的查询和计算的需求。而关系型数据库用于保存部分结构化配置信息。对数据进行关联同样包括两个方面的关联。一方面是用户在整个互联网上的操作数据的关联，另一方面是用户在渠道内的操作数据的关联。用户在整个互联网上的操作数据的关联主要是用于研究客户群体。依据用户的基础数据和用户的行为数据可以获得用户画像，用户画像中不同属性的数据对应不同的计算维度。在同一计算维度下对数个用户的用户画像进行计算，获得对应该计算维度的细分客户群数据。用户的基础数据可以包括：性别、年龄、所在城市、居所地址、所在行业、公司名称、职位、学历、教育背景、征信报告、网络购物行为统计、网络借款行为统计、还款状况、航旅数据、通讯录及通讯详单、社交媒体账户、社交媒体关系网、社交媒体动态等。而用户的操作数据可以包括浏览行为、跳转行为、下载行为和在线金融行为等。用户在渠道内的操作数据的关联主要是用于测算该渠道自身的营收情况，主要是将具有该渠道的渠道标签的数据进行关联。由于渠道标签和渠道是一一对应的关系，因此通过渠道标签就能够计算出通过该渠道所获得用户以及这些用户的后续操作行为的数据。

104、数据分析及优化步骤。在数据分析及优化步骤104中，基于用户标签和渠道标签，对保存的用户的基础数据、渠道的基础数据和用户的行为数据进行分析，并将分析的结果与设定的基准数据进行比较，根据比较结果生成优化数据。如上面所描述的，用户的基础数据包括用户的身份信息和信用评分。渠道的基础数据包括渠道的标识信息、渠道的时间信息、渠道的关联信息、渠道的实际反馈信息。渠道的标识信息、渠道的时间信息和渠道的关联信息分别对应上述的固定渠道、临时渠道和定向渠道。固定渠道是长期存在，因此使用固定的标识信息进行标识。临时渠道是针对特定的时间段，因此对应于渠道的时间信息。定向渠道是与指定的活动相关，因此对应于渠道的关联信息。总体而言，渠道的标识信息、渠道的时间信息和渠道的关联信息都是渠道的身份标识信息。步骤104的数据分析和优化主要是针对渠道而言，因此此处主要关注的是通过渠道标签互相关联的数据。

在一个实施例中，数据分析的过程如下：

对于一个固定渠道，固定渠道选择为在一个app中投放嵌入的广告，投入的成本为A。依据已有的数据进行大数据运算后，获得如下的基准数据：

该渠道吸引的客户群体为A1、产生的浏览行为为A2、产生的跳转行为为A3、产生的下载行为为A4、产生的在线金融行为为A5、预期收入为A6。其中浏览行为和跳转行为可以视为初步流量，下载行为和在线金融行为可以视为有效流量。预期收入是根据投入成本A和预期收益率计算得到的结果，大于等于预期收入A6则该渠道为盈利能力达标的渠道，小于预期收入A6则该渠道的预期收益不足。

然后获得渠道的实际反馈信息，渠道的实际反馈信息可以通过用户的基础数据、渠道的基础数据和用户的行为数据分析获得。包括：该渠道吸引的实际客户群体B1、产生的浏览行为B2、产生的跳转行为B3、产生的下载行为B4、产生的在线金融行为B5、实际收入B6。

将上述的实际数据：实际客户群体B1、浏览行为B2、跳转行为B3、下载行为B4、在线金融行为B5、实际收入B6与基准数据：客户群体为A1、浏览行为A2、跳转行为A3、下载行为A4、在线金融行为A5、预期收入A6进行对应项的比较，能够获得比较结果。

实际收入B6和预期收入A6的比较可以评价该渠道是否达到预期的盈利水平，是最重要的比较项。在B6≥A6的情况下，说明该渠道的盈利水平达到预期，其余项目可以根据具体的比较结果进行微调。如果B6<A6，说明该渠道的盈利水平不达预期，需要对其余项目进行较大幅度调整，或者重新考虑该渠道是否需要保留。

实际客户群体B1和基准客户群体A1的比较可以评价是否吸引到了预期的客户群体，如果两者相符，表明投放方式合适。如果两者差异较大，说明投放的方式有偏差，此时需要考虑根据预期客户群体的网上操作习惯来更换渠道，比如更换app、更换到网页、或者将固定渠道更换为临时渠道或者定向渠道以更加符合预期客户群体的网上操作习惯。

实际浏览行为B2、实际跳转行为B3与基准浏览行为A2、基准跳转行为A3的比较可以用于评价该渠道是否吸引到了预期的流量。如果两者相符，表明投放方式合适。如果两者差异较大，说明投放的方式有偏差，该渠道没有吸引到预期的流量，需要进一步评价投放时间、客户群体、活动吸引力等数据并作相应的优化。

实际下载行为B4、实际在线金融行为B5与基准下载行为A4、基准在线金融行为A5的比较可以用于评价该渠道是否吸引到了预期的有效流量。有效流量是指浏览的广告并且实际使用本企业所提供的互联网金融产品的用户的数量。如果两者相符，表明投放方式合适。如果两者差异较大，说明产品的宣传、曝光或者吸引力不足，用户在了解过产品后实际使用的意向不高，需要对产品进行优化。

根据上述各项的比较结果，可以生成相应的优化数据。

105、渠道端口调整步骤。在渠道端口调整步骤105中根据优化数据对渠道端口进行调整和优化。优化数据是在前一个步骤数据分析及优化步骤104中生成，在步骤105中，使用优化数据对渠道端口的相关设置进行调整。

需要说明的是，在实际的应用中，数据采集步骤、数据标记步骤、数据关联步骤、数据分析及优化步骤以及渠道端口调整步骤是循环执行，由此可以达到机器自学习、反复优化和反复进步的效果，最终实现渠道端口的成本最低化和效率最大化的目标。

本发明还揭示了一种渠道端口成本的跟踪优化系统，图2揭示了根据本发明的一实施例的渠道端口成本的跟踪优化系统的结构框图。如图2所示，该渠道端口成本的跟踪优化系统，其特征在于，包括：数据采集器202、渠道端处理器204、数据平台206。

数据采集器202布置在渠道端口的入口，数据采集器202在渠道端口的入口通过承载器(比如H5页面等)采集用户的行为数据。数据采集器202的功能和工作过程与前述的数据采集步骤101相对应，此处不再重复描述。

渠道端处理器204对数据采集器202采集的用户的行为数据进行标记，为行为数据增加用户标签和渠道标签，并将经标记的用户的行为数据发送给数据平台206。渠道端处理器204的功能和工作过程与前述的数据标记步骤102相对应，此处不再重复描述。

数据平台206接收经标记的用户的行为数据，数据平台包括数据关联装置261、数据分析装置262和数据优化装置263。

数据关联装置261将用户的行为数据保存并关联，关联是基于用户标签和渠道标签。数据关联装置261的功能和工作过程与前述的数据关联步骤103相对应，此处不再重复描述。数据分析装置262基于用户标签和渠道标签，对保存的用户的基础数据、渠道的基础数据和用户的行为数据进行分析。数据分析装置262功能和工作过程与前述的数据分析及优化步骤104中的数据分析的过程对应。数据优化装置263将分析的结果与设定的基准数据进行比较，根据比较结果生成优化数据，优化数据反馈给渠道端处理器204。数据优化装置263功能和工作过程与前述的数据分析及优化步骤104中的数据优化的过程对应。渠道端处理器204根据优化数据对渠道端口进行调整和优化。渠道端处理器204对渠道端口进行调整和优化的过程与前述的渠道端口调整步骤105相对应。

同样需要说明，数据采集器202、渠道端处理器204、数据平台206循环进行数据交换和数据处理。以达到机器自学习、反复优化和反复进步的效果，最终实现渠道端口的成本最低化和效率最大化的目标。

本发明的渠道端口成本的跟踪优化方法和跟踪优化系统能够对各个渠道采集的信息进行标记和跟踪，且通过添加用户标签的方式对用户的行为进行持续的跟踪。通过多维度的用户行为和渠道端口的分析，对渠道端口进行持续的跟踪优化，提升渠道端口的效益水平。

上述实施例是提供给熟悉本领域内的人员来实现或使用本发明的，熟悉本领域的人员可在不脱离本发明的发明思想的情况下，对上述实施例做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。