互聯網金融市場分析

㈠ 如何做互聯網金融行業的競品分析

一、確定自己復的競爭對手

制競爭對手是做競品分析的對象，如果沒有競爭對手，就做不了競品分析，所以第一步就應該確定自己的競爭對手。

二、獲取競爭對手消息的途徑

競爭對手的信息絕對不會親自送到我們手上，我們需要去尋找，獲取競爭對手消息途徑有很多種，尋找適合你的，去找信息。

三、確定獲取競爭對手的信息

先確定獲取競爭對手的哪些信息，如產品信息、用戶信息、收入信息等，然後再去尋找信息，有目標就會更容易獲得。

四、選擇合適的分析方法進行分析

得到競爭對手的數據後，就可以做分析工作了，最後得出一個結論。當然分析方法有很多種，選擇一個合適的分析方法更利於工作的進行

㈡ 螞蟻金融,余額寶是最近,兩年的熱門領域,分析互聯網金融的主要特點和優勢

「互聯網金來融」發展的自關鍵在於必需具備互聯網思想，一方面利用互聯網技術拓展金融業的邊界和市場，完成之前不能完成的用戶需求，通過提高用戶體驗來激起和拓展用戶需求；另一方面極大地提高工作效率和節儉用戶的時間，為用戶帶來價值增值服務。基於互聯網技術的網路經濟具備本身的明顯特徵，在市場形式方面，網路經濟是典範的雙邊市場，即同時面向廠家和用戶，這樣就可以通過搭建平台造成本身的生態體系；在平台實際運作方面，網路經濟具備邊沿成本趨勢於零的明顯特徵，這樣互聯網企業就可以搭建巨型平台來吸引大批的用戶和商家。
互聯網金融行業的優勢： 1、通過社交網路或電子商務平台可以挖掘各類與金融相關的信息（大數據、雲計算） ； 2、更加智能的滿足用戶的金融需求（個性化定製）；
3、金融服務門檻大大降低，用戶參與程度高（「小」夥伴們都可以參與）。

㈢ 互聯網金融的優勢及劣勢

美國經濟來學家默頓和博迪（自Merton&Bodie，1993）認為，金融功能比金融機構更加穩定。也就是說，只要金融功能能夠得到有效發揮，金融機構就變得沒那麼重要，甚至可以達到金融脫媒的狀態。

首先說說互聯網金融的優勢。資源開放化，包括開放的平台、資源能得到共享；成本集約化，信息能實現最大化對稱；選擇市場化，改變了過去以金融機構為主體的形式；渠道自主化，通過互聯網技術和前端的整合，擴大服務的邊界；用戶行為價值化，利用雲計算將消費者的行為數據進行分析，從中挖掘商業價值。總結這些優點，那就是互聯網金融可以通過社交網路，電子商務平台等能夠及時獲取資金供求雙方的信息，而這是傳統金融模式難以望其項背的。

但是相較於傳統金融模式，互聯網金融也存在著很多問題。互聯網金融很難准確把握小微企業真實的融資需求；互聯網金融無法吸收存款；此外，互聯網金融尚處於無監管機構、無准入門檻的階段，發展混亂、魚龍混雜，人才和渠道的制約也決定了其無法提供高端的金融服務，品牌和信用積累程度不夠，對消費者的信息保護也存在挑戰；最後，在互聯網金融模式下，用戶信息被大量的掌握，信息安全成為了令人擔憂的問題。

㈣ 如何理解互聯網金融，分析幾個核心業務就懂了

互聯網金融，是利抄用互聯網技術和移動通信技術等一系列現代信息科技技術實現資金融通的一種新興金融模式。在此種模式下，市場信息不對稱程度非常低，資金供需雙方能夠通過網路直接對接，交易成本大大減少。
通過對業內相應商業模式、商業現象進行深度剖析，可以將互聯網金融分為六大模式：第三方支付、P2P網貸、大數據金融、眾籌、信息化金融機構、互聯網金融門戶。
謝謝採納，僅供參考！

㈤ 如何推動互聯網金融業發展的調研報告

《2015-2020年中國互聯網金融行業領航調研與投資戰略規劃分析報告》由中咨領航資深專家在大量周密的市場調研基礎上撰寫，主要依據中國國家統計局、國家海關總署、國務院發展研究中心、相關行業協會、國內外相關報刊雜志的基礎信息以及專業研究單位等公布和提供的大量資料。報告首先分析政策、經濟等環境對互聯網金融行業的影響；接著從國內外互聯網金融行業發展現狀、發展熱點、市場規模把握行業整體現狀；然後從互聯網金融行業市場供需、細分市場及時發現機會點和增長點；進一步從互聯網金融市場競爭、重點企業搜集競爭情報，進行競爭定位；最後從互聯網金融行業發展前景及趨勢進行戰略預判；而且綜合了互聯網金融行業投資風險和投資機會制定投資戰略規劃。

㈥ 中國互聯網金融的發展現狀與問題研究

市場規模實現較快增長

近年來，國內汽車消費需求的日益旺盛，汽車行業供應鏈上各方的金融需求不斷提升，互聯網汽車金融市場規模逐年增大。統計數據顯示，2018年，我國互聯網汽車金融的市場規模為3566.3億元，2019年，中國互聯網+汽車金融市場規模約4438.4億元左右。

——更多數據來請參考前瞻產業研究院《中國汽車金融行業市場前瞻與投資戰略規劃分析報告》。

㈦ 互聯網金融的概述

本書分為三篇，共十二章。第一篇為互聯網金融概述，主要對互聯網金融的定義、特點、概況等進行闡述；第二篇為互聯網金融六大模式，逐一分析第三方支付、P2P網貸、大數據金融、眾籌、信息化金融機構、互聯網金融門戶等互聯網金融六大模式；第三篇為互聯網金融的發展思考，包括相關風險分析、金融監管以及互聯網金融業發展環境分析。
《互聯網金融》目錄
前 言 VIII
第一篇 互聯網金融概述
第一章 · 互聯網金融概況 3
1.1 互聯網金融概述 3
1.1.1 互聯網金融定義 3
1.1.2 互聯網金融的特點 5
1.1.3 互聯網金融六大模式概述 7
1.1.4 互聯網貨幣代表——比特幣 10
1.2 互聯網金融發展概況 15
1.2.1 國外互聯網金融發展概況 15
1.2.2 國內互聯網金融發展概況 17
第二章 · 金融業的發展與變革 24
2.1 金融業的基本概述 24
2.1.1 金融的含義 24
2.1.2 金融業的定義 24
2.2 傳統金融業的發展 25
2.2.1 商業銀行的產生 25
2.2.2 商業銀行的職能 25
2.3 現代金融業的興起 26
2.3.1 金融機構變革 26
2.3.2 現代金融業的定位 31
2.3.3 現代金融業戰略地位極大提升 32
2.4 金融創新與金融業變革 33
2.4.1 金融創新的含義 33
2.4.2 金融創新的動因 33
2.4.3 金融創新的發展階段 35
2.4.4 金融創新對金融業的影響 37
2.5 我國金融體系現狀與未來 40
2.5.1 中國金融業的發展歷程 40
2.5.2 我國目前金融體系結構 45
2.5.3 我國金融體系面臨的問題 49
2.5.4 我國金融業未來的發展趨勢 50
第三章 · 互聯網發展引發的金融變革 52
3.1 互聯網發展狀況 52
3.1.1 互聯網定義 52
3.1.2 我國互聯網發展現狀 52
3.2 互聯網引發的社會變革 54
3.2.1 互聯網引發的生活變革 55
3.2.2 互聯網引發的商業變革 58
3.3 互聯網引發的金融業變革 60
第二篇 互聯網金融六大模式
第四章 · 第三方支付 65
4.1 第三方支付概況 65
4.1.1 第三方支付定義 65
4.1.2 第三方支付業務流程 65
4.1.3 第三方支付的價值 67
4.1.4 第三方支付發展歷程 68
4.1.5 第三方支付行業規模 70
4.2 第三方支付運營模式 72
4.2.1 獨立第三方支付模式 73
4.2.2 有交易平台的擔保支付模式 79
4.2.3 兩種模式的對比分析 85
4.3 第三方支付對金融業發展態勢的影響 86
4.3.1 促進金融行業服務變革 87
4.3.2 蠶食銀行中間業務 88
4.3.3 開創新的融資方式 89
4.4 第三方支付風險分析 92
4.4.1 操作風險 92
4.4.2 法律風險 93
4.5 第三方支付風險防範建議 95
4.5.1 開展第三方支付平台評級工作 95
4.5.2 推進立法，加強監管 96
4.5.3 將第三方支付平台納入反洗錢監控范圍 96
4.5.4 依靠高科技手段加強信息系統安全 96
4.5.5 事前審核，事中監控，事後管理 97
4.6 發展趨勢 98
4.6.1 市場競爭日趨激烈 98
4.6.2 應用領域不斷拓展 98
4.6.3 支付方式不斷創新 99
4.6.4 業務模式多元化 99
第五章 · P2P 網貸 100
5.1 P2P 網貸概況 100
5.1.1 P2P 網貸定義 100
5.1.2 P2P 網貸交易流程 100
5.1.3 P2P 網貸國外發展概況 101
5.1.4 P2P 網貸國內發展概況 104
5.2 P2P 網貸模式分析 110
5.2.1 純平台模式和債權轉讓模式 110
5.2.2 純線上模式和線上線下相結合模式 113
5.2.3 無擔保模式和有擔保模式 119
5.3 P2P 網貸對金融業發展的影響 125
5.3.1 規范民間借貸、抑制高利貸 125
5.3.2 促進直接融資發展 126
5.3.3 加速「影子銀行」市場化 127
5.3.4 推動徵信系統建設 128
5.3.5 創新金融業風控手段 129
5.3.6 促進金融監理念改革和監管方式創新 129
5.4 P2P 網貸風險分析 130
5.4.1 操作風險 130
5.4.2 流動性風險 131
5.4.3 法律風險 133
5.4.4 信用風險 134
5.5 P2P 網貸風險防範建議 135
5.5.1 設立准入門檻，加強政府監管 136
5.5.2 第三方資金託管，清結算分離 136
5.5.3 完善社會徵信體系，實現信用信息共享 137
5.5.4 明確法律性質，確定監管主體 137
5.6 P2P 網貸發展趨勢 138
第六章 · 大數據金融 141
6.1 大數據金融概況 141
6.1.1 大數據金融定義 141
6.1.2 大數據定義 141
6.1.3 大數據與金融的結合 146
6.1.4 大數據金融的優勢 148
6.2 大數據金融運營模式分析 150
6.2.1 平台模式 150
6.2.2 供應鏈金融模式 156
6.3 大數據金融對金融業發展態勢的影響 162
6.3.1 數據成為衡量金融機構核心競爭力的重要指標 163
6.3.2 沖擊金融業思維方式和商業模式 164
6.3.3 創新產品和模式，輔助金融決策 166
6.3.4 大數據金融同傳統金融業態結合 167
6.4 大數據金融風險分析 167
6.4.1 技術風險 167
6.4.2 操作性風險 168
6.4.3 法律風險 171
6.5 大數據金融風險防範建議 172
6.5.1 加快立法進程，加強行業自律 172
6.5.2 實現數據隱私保護和數據隱私應用之間的平衡 173
6.5.3 數據資源的整合和分工專業化 173
6.5.4 強化數據挖掘 174
6.6 大數據金融發展趨勢 174
6.6.1 電商金融化，實現信息流和金融流的融合 175
6.6.2 金融機構積極搭建數據平台，強化用戶體驗 176
6.6.3 大數據金融實現大數據產業鏈分工 177
第七章 · 眾籌 179
7.1 眾籌簡介 179
7.1.1 眾籌定義 179
7.1.2 眾籌分類 179
7.1.3 眾籌活動參與者 180
7.1.4 眾籌活動運作流程 180
7.1.5 眾籌模式的優勢 183
7.2 眾籌平台運營模式分析 185
7.2.1 獎勵制眾籌 186
7.2.2 募捐制眾籌 189
7.2.3 股權制眾籌 193
7.2.4 借貸制眾籌 204
7.3 眾籌平台對金融業發展態勢的影響 206
7.4 眾籌平台風險分析 209
7.4.1 法律風險 209
7.4.2 信用風險 212
7.5 眾籌模式風險防範建議 214
7.5.1 法律制度的與時俱進 215
7.5.2 建立健全我國的信用體制 216
7.5.3 實際操作中的風險規避方法 217
7.6 眾籌平台發展趨勢 219
7.6.1 眾籌模式發展趨勢預測 219
7.6.2 中國眾籌的未來 222
第八章 · 信息化金融機構 224
8.1 信息化金融機構概況 224
8.1.1 信息化金融機構定義 224
8.1.2 金融機構信息化歷程 224
8.1.3 信息化金融機構的特點 225
8.2 信息化金融機構運營模式分析 227
8.2.1 傳統業務的電子化模式 227
8.2.2 基於互聯網的創新金融服務模式 229
8.2.3 金融電商模式 233
8.3 信息化金融機構對金融業發展態勢的影響 238
8.3.1 信息化成為企業核心競爭力，上升到戰略層面 238
8.3.2 金融服務競爭戰場轉移 240
8.3.3 中小金融機構「逆襲」的機會 242
8.3.4 混業經營趨勢明顯 243
8.4 信息化金融機構風險分析 244
8.4.1 信息化金融機構風險特點 244
8.4.2 系統性風險 245
8.4.3 法律風險 245
8.4.4 操作風險 246
8.5 信息化金融機構風險防範建議 248
8.6 信息化金融機構發展趨勢 249
8.6.1 服務機構虛擬化 249
8.6.2 服務對象平民化 250
8.6.3 金融機構平台化 252
8.6.4 金融服務個性化 253
第九章 互聯網金融門戶 255
9.1 互聯網金融門戶概況 255
9.1.1 互聯網金融門戶定義 255
9.1.2 互聯網金融門戶類別 255
9.1.3 互聯網金融門戶特點 256
9.1.4 互聯網金融門戶歷史沿革 258
9.2 互聯網金融門戶運營模式分析 260
9.2.1 概述 260
9.2.2 P2P 網貸類門戶 261
9.2.3 信貸類門戶 265
9.2.4 保險類門戶 268
9.2.5 理財類門戶 271
9.2.6 綜合類門戶 273
9.3 互聯網金融門戶對金融業發展態勢的影響 277
9.3.1 降低金融市場信息不對稱程度 277
9.3.2 改變用戶選擇金融產品的方式 278
9.3.3 形成對上游金融機構的反縱向控制 278
9.4 互聯網金融門戶風險分析及風控措施 279
9.4.1 互聯網金融門戶面臨的風險 279
9.4.2 互聯網金融門戶的風控措施 282
9.5 互聯網金融門戶發展趨勢 283
第三篇 互聯網金融發展思考
第十章 · 互聯網金融風險分析及風險控制 289
10.1 互聯網金融風險分析 289
10.1.1 系統性風險 290
10.1.2 流動性風險 293
10.1.3 信用風險 296
10.1.4 技術性風險 296
10.1.5 操作性風險 299
10.1.6 市場風險 302
10.1.7 國別風險 303
10.1.8 法律風險 305
10.1.9 聲譽風險 306
10.2 互聯網金融風險控制常用方法 306
10.2.1 系統性風險控制方法 308
10.2.2 信用風險度量模型類別及分析 313
10.2.3 其他風險管理常用技術方法 317
第十一章 · 互聯網金融監管探索 322
11.1 金融監管的理論基礎 322
11.1.1 金融監管理論基礎及發展演進 322
11.1.2 金融監管模式分析及主要內容 327
11.1.3 金融監管體制及監管主要方法 332
11.2 世界互聯網金融監管探索 335
11.2.1 美國互聯網金融監管 336
11.2.2 歐洲互聯網金融監管 338
11.2.3 英國互聯網金融監管 339
11.2.4 中國互聯網金融監管 340
11.3 互聯網金融風險監管探索 343
11.3.1 系統性風險監管 343
11.3.2 流動性風險監管 344
11.3.3 信用風險監管 347
11.3.4 技術性風險監管 349
11.3.5 操作性風險監管 351
11.3.6 聲譽風險監管 351
11.3.7 國別風險監管 352
第十二章 · 國內互聯網金融業發展環境分析 354
12.1 法律環境現狀 354
12.1.1 六大模式發展進程不一，存在大量法律空白 354
12.1.2 現有法律位階較低，效力覆蓋范圍有限 355
12.1.3 部分法律僵硬滯後，不適應產業發展需求 356
12.2 完善金融監管法律建議 356
12.2.1 盡快確定監管主體，加強流程監控 357
12.2.2 探索實施行業准入制度，完善退出機制 357
12.2.3 逐步填補法律空白，改革落後規則 358
12.3 行業公共體系環境現狀及發展建議 358
12.3.1 徵信體系現狀及發展建議 358
12.3.2 互聯網金融人才培養情況及相關建議 363
12.4 產業政策環境與建議 365
12.4.1 產業政策環境 365
12.4.2 產業政策建議 365
附錄一 《互聯網金融》相關法律法規清單 371
附錄二 已獲牌照第三方支付企業清單 377
附錄三 部分 P2P 網路借貸企業清單 386
附錄四 部分眾籌平台清單 390
附錄五 部分互聯網金融門戶類企業清單 392
附錄六 部分政府領導及企事業人士對互聯網金融的觀點摘錄 393
參考文獻 397

㈧ 如何進行互聯網金融運營數據的分析，都有哪些方法

作者：張溪夢 Simon
鏈接：https://www.hu.com/question/29185414/answer/110954989
來源：知乎
著作權歸作者所有

我們之前做過一期互聯網金融的公開課，「互聯網金融增長寶典：三大步驟提高轉化，搞定用戶運營」，主講人是 GrowingIO 的業務增長負責人徐主峰，曾任職 Criteo、Microsoft 等公司，有豐富的電商、互聯網金融客戶解決方案經驗。 這是公開課的速記整理。
這是一篇互聯網金融寶典，我推薦給所有轉化率只有 1%、總是為誰可能是你的購買用戶而犯愁的互聯網金融的高管、PM、市場運營和銷售們。本文通過實戰案例，手把手教你建立轉化指標、 梳理分析思路、提供分析步驟並最終建立用戶行為分析模型。

文 / 徐主峰

大部分的互聯網金融公司最為糾結的一點是，流量這么大，獲客成本這么高，為什麼最後的轉化率和成單量卻這么低？怎樣才能提高用戶運營效率？用戶行為數據分析怎樣把處在不同購買決策階段的用戶挑選出來，幫助互聯網金融公司做到精益化運營？

我們的客戶中很大一部分來自互聯網金融，比如人人貸等行業前 10 的互聯網金融公司。在服務客戶的過程中，我們也積累了大量的數據驅動業務的實踐案例，來幫助客戶創造價值。

一 、互聯網金融用戶四大行為特徵

互聯網金融平台用戶有四大行為特徵：

第一流量轉化率低，下圖是某互聯網金融公司網站上，新客戶過去 30 天整體購買轉化漏斗，其轉化率只有 0.38%：

而這並非個例，實際上，絕大多數互聯網金融公司，在 web 端購買的轉化率基本都在 1% 以下，APP購買率在 5% 左右，遠遠低於電商或者其他在線交易的購買率。
第二，雖然轉化率低，但是客單價卻很高。一般來說，電商行業客單價在幾十到幾百，而互聯網金融客戶，客單價從幾千到幾萬，某些特殊領域甚至高達幾十萬。而客單價高，就意味著用戶購買決策會更復雜，購買周期也會更長。
第三，用戶購買行為有很強周期性。電商的客戶下次購買時間是不確定的，但是互聯網金融平台上，真正購買的用戶，是有理財需求的用戶，在資金到期贖回產品後，一定還會進行下一次購買，只不過未必發生在你的平台上。
最後一個特點是「很強的特徵性」，主要包括兩個特徵：
A：用戶的購買偏好比較容易識別，理財產品數量和品類都很少，所以用戶購買的需求或者偏好，很容易從其行為數據上識別出來。
B：用戶購買過程中的三個階段特別容易識別：
用戶在購買決策階段，有大量的交互事件產生，他會看產品，比對不同產品的收益率和風險，比對不同產品的投資期限等等；
但是一旦他完成了產品的購買，就不會有大量的交互行為產生，他可能僅是回來看一看產品的收益率。
當用戶的產品資金贖回之後，又有大量的交互事件產生，實際上他處在下一款產品購買的決策期。

二、互聯網金融用戶運營的三大步驟

針對互聯網金融用戶行為的四個特徵，在用戶運營上有三個比較重要的階段性工作：

1.首先，獲取可能購買的目標用戶，合理配置在渠道上的投放預算，以提高高質量用戶獲取的比例：
渠道工作的核心，主要是做好兩方面的工作：宏觀層面，優化整個渠道的配置；微觀層面，單一渠道角度來說，根據渠道配置的策略，有針對性地實施和調整。
具體渠道的實施，大家都比較熟悉，但是對於整個渠道組合配置的優化，很多人接觸的其實並不多。
以渠道一為例，總體的轉化率是 0.02%；在過去 30 天站內總體的流量是 18.9K，漏斗第一級到第二級的轉化率是 3.36%，這樣一共是五級，我們看到最終渠道一帶來總體的成交用戶一共是 4 人。
類似的，前 10 的渠道數據都很清晰。不同渠道帶來的流量，不同渠道總體的轉化率，以及不同渠道在整個轉化路徑上每步的轉化率都可以看到。
這裡面有幾個渠道很有特點：
渠道一的特點，渠道一帶來的流量是所有 10 個渠道里最大的，但是它的總體轉化率卻是低的；
渠道二和渠道七，渠道二的量很大，但是轉化率是零。渠道七量比較一般，轉化率也是零；
渠道九和渠道十，這兩個渠道是所有渠道里轉化率最高的。但是這兩個渠道特點，是帶來流量不是特別大……
結合典型渠道特點，可以做一個象限圖：
第一象限（右上角）渠道質量又高，帶來流量又大的，這裡面渠道三四五是符合這個特徵的，渠道策略應該是繼續保持和提高渠道的投入。
第二象限（左上角）渠道的質量比較高，但帶來的流量比較小，這裡麵包含的主要渠道就是八九十。對應的主要策略是，加大渠道的投放，並且在加大投放的過程中，要持續關注渠道質量的變化。
我們先看第四象限（右下角），渠道質量比較差，但是帶來流量比較大，這裡面主要有渠道一和渠道二。相對應的渠道策略，應該在渠道做更加精準的投放，來提高整個渠道的質量。
第三象限（左下角）這個象限里渠道質量又差，帶來流量又小，比如渠道六跟渠道七。我們是否要直接砍掉？這里建議是，策略上要比較謹慎一些。所以在具體渠道的策略上，業績保持監測，然後小步調整。
根據上面數據分析得出的結果，做過渠道優化後，就會為我們帶來更多高質量的用戶。
2.接下來就要把高價值的用戶——真正有購買需求，願意付費、購買的用戶找出來。
將資源與精力投入到真正可能購買的用戶上的前提是，我們要能夠識別出，哪些是真正有價值的用戶？哪些是價值偏低的用戶？
其實對於互聯網金融平台來說，甚至所有包含在線交易的平台，用戶的購買意願，是可以從用戶的行為數據上識別出來的。由於互聯網金融平台的特殊性，相比於電商平台來說，商品品類更少，平台功能也更為簡單，所以用戶的行為數據，也更能反應出互聯網金融平台上用戶的購買意願。
把用戶在平台上的所有行為總結一下，核心的行為其實並不多，具體包括：
用戶查看產品列表頁，說明有一些購買意願，點擊某個產品，說明用戶希望有進一步的了解。用戶最終確認了支付，完成了購買，購買流程就走完了，他的理財需求已經得到了滿足。每一種行為都表示出用戶不同程度的購買意願，所以獲得用戶在產品里的行為數據就十分重要。
既然用戶行為數據這么重要，那麼怎樣獲取呢？GrowingIO 以無埋點的方式，全量採集用戶所有的行為數據，根據我們對業務的需求，配比成不同的權重系數，並按照每個用戶購買意願的強弱，進一步分群。
這是我們一個客戶製作的用戶購買意願指標的範例，剛才的前 5 個行為，都是用戶在購買前典型的行為：
每種典型事件的權重系數不一樣，用戶購買意願是越來越強的：用戶點了投資按紐，甚至點了提交的按鈕，顯然要比他單單看產品列表頁，或者單單看產品頁、詳情頁的意願強。越能反應用戶購買意願的事件，你給它分類的權重應該是最大的，這是大的原則，0.05 還是 0.06 影響並不大，所以不必糾結。
這樣通過這種方式，我們就可以按照每個用戶的所有行為，給用戶做購買意願打分的指標，最終形成用戶購買意願的指標。
這是我們從高到低截取部分用戶購買意願打分的情況，第一列是每個用戶的 ID，第二列是按照購買意願給每個用戶打分的情況。得分高的，就是購買意願最強烈的用戶。
拿到所有用戶購買意願之後，我們就可以按照用戶購買意願的強烈與否，把所有的用戶分成不同的群體，來做針對性的運營。
這是在把用戶在過去 14 天內，由其產生的所有行為數據，按照購買意願打分的權重，把打分大於 5 的用戶找出來，在總體用戶里，這部分用戶購買意願排名前 20% ，我們給它起個名字，叫購買意願強烈的用戶。
類似我們還做了購買意願中等的用戶分群，這是購買意願排名在 20-60% 之間的用戶；購買意願排名在最後 40% 的用戶，是購買意願最弱的用戶分群。
分群之後，點擊任意一個分群，都會以用戶 ID 的形式列出來。因為你要有用戶的 ID ，才能對這些用戶施加運營策略。每個用戶最近 30 天的訪問次數，最近的訪問地點，最後一次訪問時間都可以看到。
接下來針對這些購買意願強烈的用戶，怎樣推動用戶的轉化呢？
3.採取針對性的運營策略，提高高價值用戶的轉化率。
首先我們來看一下購買偏好，互聯網金融平台商品品類是比較少的，用戶購買的目的性也比較清晰，一般商品的品類有這么幾種：
第一種：債券型理財產品
第二種：股票型理財產品
第三種：貨幣型理財產品
第四種：指數型理財產品
第五種：混合型理財產品…
我們把用戶在不同品類商品上的訪問時長佔比算出來，就能比較好地了解用戶的購買偏好。比如下圖，我們用用戶訪問債券型產品詳情頁的訪問時長，除以用戶在站內總體的訪問時長，就能夠得到用戶在債券產品上訪問時長佔比的指標。
我們還是使用用戶分群的工具，把在債券型產品上的訪問時長佔比大於40%的用戶分出來，這是有非常強烈表徵的客戶，他購買的偏好就是債券型的產品。
同時我們再設定另外一個指標，比如用戶購買意願指標，之前我們做過大於5，也就是購買意願排名在前 20% 的。
通過這兩個條件，我們就可以把購買偏好是債券型產品，同時有強烈購買意願的用戶找出來，這兩個指標的關系是並（and）的關系。同樣我們可以按照用戶的購買偏好，把關注其他品類的用戶，都做成不同的用戶分群，然後形成不同購買偏好的用戶群體。
針對這些用戶，其實在運營策略上，我們可以從三個層面來展開來進行做：
從購買階段的角度，首先我們把所有用戶可以分成新客和老客。對於這兩個群體來說，運營策略和運營重點是非常不一樣的。
新客群體，是從來沒有在平台上發生過購買的用戶，我們要根據用戶的購買意願，做進一步的運營。
老客群體，也就是在平台上已經發生過產品購買的用戶，除了關注用戶的購買意願之外，用戶的資金狀態（資金是否贖回）也是非常重要的參數。
用戶是否購買過產品？購買產品的用戶是否已經贖回資金？這兩個內容，其實是一個用戶當前的屬性。在我們分群的工作里，這有個維度的菜單，通過這個維度菜單，我們就可以把具有某種屬性的用戶找出來：
這里我做了一個分群，我們可以看一下。在維度的菜單里，我們把是否購買過產品的維度值設置成了 1 。把資金是否已經贖回這個維度的值，也設置成了 1 。實際上是把那些資金已經贖回的老用戶找出來；同樣在指標這個菜單里，我們同時也把有強烈購買意願的用戶找出來，時間是過去 14 天，指標大於 5 。
這樣我們就製作了一個用戶分群，而這個用戶分群里所有用戶，要滿足下面的三個特徵：
特徵一：購買過產品的老客。
特徵二：他們的資金，目前已經贖回了。
特徵三：過去 14 天內的行為數據，表明這個用戶有著強烈的購買意願。
同理我們把所有用戶，整理為下面幾個不同類別，對應不同的運營策略：
比如新客里，當前有購買意願的，其實他屬於購買決策期的新用戶。應該根據用戶的購買偏好，推薦這種比較優質的理財產品。並給予一定的購買激勵，來促進這些新客在平台上的第一次購買，這個對於新客來說是非常重要的，以此類推。
相比於電商或者其他行業，互聯網金融平台結合行業和用戶的特點，從用戶行為數據分析的角度，驅動產品業務以及提高用戶的轉化率，有更加重要的意義。