CPC 模型在金融业和互联网行业的差异

[Yxiao0901]

“ CPC 模型”是一个营销的预测模型，即客户（用户 Customer ）、产品（ Product ）和渠道（ Channel ）的匹配模型。某日与一个金融业朋友讨论如何进行业务拓展，其中提到“ CPC 模型”在不同行业的应用不同，本文就是针对部分谈话内容的整理；以后也许会拓展成系列文章。

三要素的定义 对于传统金融业来说，“ CPC 模型”中的三要素定义可能尚未理清，因为这三要素的含义在各行各业可能不同，而这三个词在金融业本身也有其独特的定义。针对金融业日益将互联网作为重要的获客和营销手段，下表列出了在互联网和金融业对于这三要素的定义，其中最大的不同在于用户 /客户的界定问题。

行业方法论的差异 在营销这个事情上，金融业讲究“效用”，而不是规模；互联网行业讲究网络规模效应。这个差异导致最后在产品、渠道上的界定不同，组织架构、团队分工等也有较大差异，此处不细说。在方法论上也有较大差异，互联网行业希望获得足够多的用户，提升用户粘性，在“大数”的基础上提升转化率；而金融业看最终效果比较多。 上述差异并无好坏之分，但是可以互相借鉴。

传统金融业产品的改进 基于上述两种行业的 CPC 模型的三要素不同定义，传统金融业产品层面需要做好两点： 一是，金融业固有产品如存、贷款，需要获得行业的 benchmark ；比如个人信用贷款，“我”作为用户会比较不同金融机构间的利率差异，流程复杂程度等，金融业需要把“我”这个用户变成客户，首要的是明白自身金融产品的竞争优势在哪里，之后才是营销问题。同时金融是强监管行业，在监管的前提下，产品要应竞争而变。 二是，把自己的 APP、H5、网站等平台打磨好，让用户用得舒心、顺手，流行的词就是“用户体验”。这部分的“产品”目标是提升自然流量获得可能性，也提升用户粘性，占用用户时间，提高品牌效应和业务转化，努力做到客户自传播，口碑远比硬广重要；比如招行的年度账单做得就非常好。

互联网渠道对金融业的影响 传统金融业要重视互联网渠道，中国目前的网民已经是人口的绝大多数。如果应用互联网行业的“大数”方法论，则金融业对互联网渠道的利用需要建立一个贯穿互联网引流渠道到业务交易的广告监测系统，因为金融业习惯于使用 CPS 的广告结算方式（ Cost Per Sales ），而互联网流量来源喜欢使用 CPM （ Cost Per Mille ）或者 CPC （ Cost Per Click ）的方式进行结算；这两种结算方式之间存在很大不确定性，广告监测系统可以帮助金融业在广告投放和收益之间进行折算，筛选合适的引流渠道。如果以“效用”原则进行引流，有无广告监测系统也无所谓。 另外，互联网巨头大多没有金融牌照，未来几年也不会有，此次有百度参与的百信也受到监管可以确定这个趋向，而面向支付环节的互联网巨头们绕不开金融，对这些流量巨头的支撑速度是关键，先发优势很重要。我们的某客户日均从互联网导入 8 万用户，这些用户是未来转化的很好基础；另外近期美团和青岛银行联合发行信用卡的案例效果很好，若干城商行也在积极的加入。

金融业的用户分群 举个例子，我们西桥科技在某银行深度研究了“ 0 元客户”（实际为无效用的银行用户，这部分的用户比例其实并不低），我们希望对这部分客户可以带来额外收益。针对 0 元客户深入研究了来源渠道、动账时间点、原有业务类型之后，又将这部分客户分为可激活和不可激活的两种，对应采取不同的营销动作，取得了较好收益和结果。 总体而言，对于面向 C 端客户的金融产品，要把对用户的分类做好，要能够做到：

1. 新客引流->渠道鉴别->业务导入
2. 挖掘原有客户，做到客户与金融产品之间的属性区分和匹配，使用客户习惯的渠道去影响客户即可，如前面所谈的 0 元客户案例。 对金融业来说最简单的客户分类方法即是存量和新增；在这个基础上才能谈到精细化的运营。 是否应用 CPC 模型提升营销效率要在本文所谈到的概念厘清的基础上再说了。而 CPC 模型的应用主要应从两个方向进行，1. 从产品出发找客户 2. 从客户出发推产品。

Cobub 大数据互联网产品运营平台 基于开源的 Cobub Razor 数据统计分析系统实现，用来收集并分析统计移动应用（包括 iOS、Android、微信小程序、Web/H5 站点）的用户行为；系统私有化部署，数据私有且安全，合法合规。我们致力于帮助企业降低运营成本，提高用户体验和用户留存，提升业务转化率以及活跃度，实现互联网产品的精细化运营！ 典型客户