苏格拉底在《理想国》一书曾提到“没有一种工具是拿到手就能使人成为有技术的工人或者斗士的”。互联网金融的本质数据,无论是互联网公司所代表的非金融机构,还是专业金融机构,发展前景取决于对数据工具的理解和运用。

互联网金融的必答题

日前,微信仅用1%的流量进行灰度测试,便释放出了数据工具在互联网金融领域的巨大能量。然而,大多数人都忽略了另一个更具根本性的事实:微保WeSure仅仅是一个款保险“代理”产品——产品本身不属于腾讯。如果说游戏领域让腾讯赚得盆满钵满的幕后英雄是Riot Games(LOL制作商)、Neople(DNF制作商)和Smile Gate(CF制作商),那么,这次站在腾讯背后的“男人”是泰康在线

提起泰康在线,许多人都是熟悉又陌生,熟悉在于泰康人寿与中国人寿、平安人寿、中国太平洋人寿并称国内四大保险巨头,陌生则源于“在线”:泰康在线,是为泰康人寿的全资子公司、官方网站、互联网业务的主要平台,是首家国内大型保险企业成立的互联网保险公司。

一个是保险行业的高富帅,一个是互联网行业的白富美,是什么原因促成两家在各自领域风生水起的公司选择组CP呢?

  • 微信等互联网公司战略级进入保险行业的原因已经在《双11前微信只灰度1%用户,却戳到了半个互联网圈的G点》详细讲解,这是个让人难以割舍的万亿级蓝海市场。

  • 专业金融机构,为何也选择与互联网公司合作呢?据央行统计,我国传统金融机构的个人征信的覆盖率为28%,远低于互联网52%的覆盖率。如果不征信因素仅考虑绝对数量,那么互联网优势则进一步增大。据CNNIC统计,我国网民规模达7.31亿(95.1%为手机用户),其中手机支付用户达到4.7亿。

  • 根本原因在于金融的本质是数据,以及基于数据的建模和风险定价。互联网的本质,是数据信息的分布式储存、传递和计算工具。两者不但没有分歧,而且还存在根本的利益合作诉求。

互联网公司的海量入口、丰富支付场景和消费数据,和专业金融机构强大的金融产品的设计能力和风控实力,能够帮助彼此激活和转化更多潜在客户,设计出更多符合互联网用户需求的金融产品。

因此,并不是微信选择泰康在线,也不是泰康在线选择了微信,而是互联网金融发展趋势这道必答题的正确答案就是两个拥有共同特质的种子选手走到一起。

互联网金融产品的A/B选择题

互联网时代,少即是多,能够让一向对新功能上线高度“克制”的微信信任来补足“八缺一”的主推服务,从侧面反映出,泰康在线绝不仅仅只是一个“看起来强壮”的队友:

早在2000年,泰康在线网站上线,腾讯刚刚成立两年,阿里巴巴刚刚成立一年。重要的不是时间早晚,而在于泰康在线较早实现了“在线”和“保险”的连接

它是国内首家通过保险类CA认证的网站,在国内率先实现了保单设计、投保、核保、缴费、后续服务的全过程网络化,是国内首家真正意义上的“在线保险”。这是泰康在线能够为其他平台提供在线保险产品的有根本的实力。

然而,拥有这些硬实力,还不足以优秀到脱颖而出。微信的1%所释放的信号之一,便是互联网公司对于数据工具的熟练运用。对于数据工具的理解,专业金融机构应该比互联网公司更加深刻,才可以真正推动互联网金融的实质性发展。

当泡沫退去之后,非金融机构必须直面自己的能力边界——风控和产品稳定性,不可能像其他产品一样,先上线,边找bug边迭代,修修补补,逐步完善用户体验。在解决这个核心问题上泰康在线出了优秀的产品决策素质:

泰康在线PC端页面优化

当时,泰康人寿正在主推新上线的住院保业务,核心业务需求就是优化PC端最终实际投保用户的转化率。针对住院保产品的核心竞争力,泰康在线的产品部门提出了大胆的设计优化方案:

不容否认,这是一次重大的改版。按照传统的产品决策流程,产品经理可能需要向运营、设计和技术一一阐述阐述优化的理论依据、竞品分析、服务稳定性风险,却无法进行数据证明。Leader最终的决策,也被蒙上了一层近似于豪赌和买彩票的主观色彩。然而,泰康在线并未如此,而是采用吆喝科技提供的Appadhoc A/B Testing 云平台,将主观决策让渡给客观数据:

借助 AppAdhoc A/B Testing 科学的试验流量分割技术,让每一个版本具备一致的用户特征,将不同广告位的图片点击量和最终转化数量设置为此次试验的优化指标,验证是否可以促进“立即投保”转化率的有效提升。

试验累计运行了2周的时间,最终试验版本胜出,业务部门最关注的核心优化指标“立即投保”的转化率提升了2倍之多(如下图)。

这看似云淡风轻的测试过程,却给泰康在线提供了全新的迭代思路:无论是产品创新、运营方案还是技术迭代,都可以真正实现以用户体验为先导,保证决策过程的科学、民主和高效。摆脱传统经验、主观臆断、个人喜好在互利网金融产品决策中束缚,有效规避各类主客观原因造成了迭代风险。

泰康在线移动端广告位优化

如果说PC端需要考虑给用户什么样,那么移动端的困惑——我到底应该用户多少?多则歧路亡羊,过犹不及,少则捉襟见肘,词不达意。为此产品部门设计了两个试验版本:

试验版本1:Banner标题为“泰康在线住院保”,用户可选择投保年龄,并了解不同款的保单内容,投保按钮为橙色;

试验版本2:Banner标题为“泰康在线住院保”,用户可选择投保年龄和投保人身份,并了解不同款的保单内容,投保按钮为橙色;

这次,泰康在线的产品部门同样通过 Appadhoc A/B Testing 完成A/B测试,通过改变住院保移动端页面展现方式,验证是否可以促进“立即投保”转化率的有效提升。此次试验在泰康在线的移动端H5页面累计运行了2周的时间。结果显示,两个试验版本,都对最终的投保转化率有明显提升:

试验版本1相比原版增加了48.22%,试验版本2相比原版增加了34.22%;

综合考虑两个试验版本的数据效果,泰康在线的产品部门决定将版本1作为下次迭代的页面设计方案全量发布给用户。

吆喝复盘

两个案例中,泰康在线均使用了吆喝科技提供的A/B测试平台——Appadhoc A/B Testing,以体验为先导,以数据为依据,实现高效、准确、低风险的实现产品决策和迭代。证明专业金融机构也可以利用互联网数据工具提升产品体验,提升渗透率和转化率、拓宽使用场景、丰富支付数据。

Appadhoc A/B Testing 是一件可以帮你解决99%问题工具,剩下的1%则需要诸君通过不断实践领会“试验驱动创新、数据驱动决策”的真谛。

目前,泰康在线正在致力于打造“活力养老、高端医疗、卓越理财、终极关怀”四位一体的互联网生态圈,A/B测试在内的数据驱动型工具作用更为重要,也只有这样才能将普惠保险产品建立在良好的互联网产品体验上,最终实现互联网金融业务的良性发展。

拓展阅读:《双11前微信只灰度1%用户,却戳到了半个互联网圈的G点》

更多关于A/B测试、灰度发布和优化转化率的资料,可关注“吆喝科技”官方微信公众号,或直接访问吆喝科技官方博客。

优化源于99%的试验和1%的数据决策力相关推荐

  1. HDFS高级功能(防止用户的错误操作 备份 试验/测试 灾难恢复 配额 数据迁移)

    HDFS高级功能(防止用户的错误操作 备份 试验/测试 灾难恢复 配额 数据迁移) 介绍HDFS的高级功能: 回收站 快照snapshot(一种备份) 配额 安全模式 回收站 和我们Window系统上 ...

  2. Linus Torvalds: 成功的项目源于99%的汗水与1%的创新

    2017年2月15日,在加利福尼亚州的开源领袖峰会上,由Linux基金会执行董事Jim Zemlin进行的一次采访中,Torvalds讨论了他如何管理Linux内核的开发以及他对工作的态度. Linu ...

  3. 一个程序员的告白-失败源于没有经验,源于没有指引自己前进的方向,但是成功却是源于99次失败之后偶然的灵光一闪

    各位大大,我是一个刚刚开始接触计算机编程训练的程序员,希望将自己学习到得东西记录下来,给自己一个提醒,也是帮助自己巩固学习到得知识.如果有一些错误或者是什么知识欠缺的问题,希望各位尽快的告诉我,我一定 ...

  4. 自疫情暴发以来,99%的中国IT决策者认为数据变得更重要

    为应对新冠病毒大流行,企业组织越来越依赖数据和分析,以便更好地了解不断变化的全球商业环境并采取相应措施.混合云数据分析平台公司Teradata委托独立市场研究机构Vanson Bourne于2020年 ...

  5. oracle语句优化pl sql语句,求oracle插入初始数据pl/sql语句优化,该怎么处理(2)

    SQL codeCREATE OR REPLACE PROCEDURE thi_pro AS randomnum NUMBER; randomnum2 NUMBER; randomnum3 NUMBE ...

  6. 大数据_MapperReduce_Hbase的优化_高可用 预分区_防止数据倾斜_JAVAAPI创建预分区---Hbase工作笔记0026

    技术交流QQ群[JAVA,C++,Python,.NET,BigData,AI]:170933152 然后我们说,我们的hbase是用来存大量的数据的,那么 他就需要优化了.我们怎么去优化呢? 首先我 ...

  7. 【回归预测-FNN预测】基于粒子群优化前馈网络实现对婚姻和离婚数据回归预测附matlab代码

    ​1 内容介绍 (婚姻和离婚数据)) Marriage and Divorce Dataset | Kaggle 数据集信息: 此数据包含 31 列 (100x31).前 30 列是特征(输入),即年 ...

  8. mysql做十亿条数据查询_数据库优化:mysql数据库单机数十亿数据查询设计

    很久没写文章,是不是想着写点什么东西,分享下我的数据库设计思路,主要是针对单机数十亿及以上数据查询优化技巧. 如果只是简单的查询,没有频繁的写入操作,对查询速度不要求在毫秒级别,就不需要什么大型的数据 ...

  9. Hive 优化--SQL执行顺序、Hive参数、数据倾斜 、小文件优化

    优化整体思路 如果资源充足就加资源加内存, 调度链路优化,调整调度顺序,时效性要求高的模型先产出, 数据接入模块,调优数据接入工具sqoop,datax 模型设计质量不高,调整模型,提高质量和复用度, ...

最新文章

  1. 在布局空间标注的尺寸量不对_你最关心的4大空间家居尺寸布局,设计师之间的秘密...
  2. JavaScript9x9乘法表
  3. 并发工具类(三)控制并发线程数的Semaphore
  4. 安装mysql5.5时常见错误--缺失make
  5. SAP Cloud Platform上Destination属性为odata_gen的具体用途
  6. 时间序列分析之:函数分解decompose
  7. C#中全局处理异常方式
  8. 图匠数据等提出高精度零售货架姿态估计算法GSPN
  9. Vue路由Hash模式分析
  10. spacy存在内存泄露问题
  11. 如何考虑程序的优化性
  12. Project Office 9.0 for mac(任务项目管理软件)
  13. mql 查询多结果_MQL入门到精通EA教程第六课MQL语言基础(五)
  14. ORACLE / MYSQL----SQL语句大全
  15. 微软 2021 校园招聘正式启动!
  16. Android应用安全之第三方SDK安全
  17. Docker run 容器处于created状态问题
  18. 别光顾着吃瓜,今天来讲讲微博为何总宕机
  19. Java 之父求职被嫌年纪大
  20. 与ANN的第一次约会:ANN是什么?

热门文章

  1. 计算机图形学之机器人
  2. 基于JAVA出差报销管理系统
  3. 微信小程序和抖音小程序的区别?如何选择?
  4. mysql查询所有学生各科成绩按照总成绩降序排列
  5. VO、 PO、DO、DTO、 BO、 QO、DAO、POJO定义
  6. 【算法】两道算法题根据提供字母解决解码方法和城市的天际线天际线问题
  7. RK3566和S905X3/S905X4对比哪个好?
  8. 钉钉网页版入口,存档
  9. TextView描边、渐变、阴影效果
  10. Mysql学习笔记(一)学完就出师系列哈哈哈