來源於：知乎
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。
可以看到，每隔一段時間，這個用戶就會有一段集中的、大量的交互行為。當用戶購買完成後，用戶的交互行為又變得很少，可能偶爾來看看產品的收益率，但整體的交互指標不會太高，直到他下一次購買。這個用戶理財需求的周期是一個月左右。
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。
這張圖是整體轉化漏斗，從不同維度可以做對比，比如我們先選出流量前 10 的渠道：
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……
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。
2. 如何才能有效研究互聯網金融
研究怎麼研究，有效的方法就是普及金融相關知識，然後不停的跟進金融行業。
謝謝採納
3. 以互聯網金融對傳統金融發展的影響分析 論文選題，運用實證研究的方法，簡述一個
摘要：互聯網金融的快速發展給傳統金融業帶來越來越大的影響和沖擊。面對這一新變化、新挑戰，金融機構應該如何看待與應對？本文從互聯網金融的內涵、表現形式及最新發展出發，分析其對傳統金融業發展方向、結構轉變及戰略創新選擇等方面的影響。
關鍵字：互聯網金融
傳統金融影響
隨著我國金融深化和金融改革進程的加快，互聯網金融浪潮的興起，對傳統金融部門、金融市場效率、金融交易結構，甚至整體金融架構都將產生深刻的影響。
互聯網金融促進了傳統金融機構和新興機構的相互競爭，湧入的"攪局者」不斷增多，尤其是非銀行業金融機構及第三方支付等互聯網金融搶食包括信貸、財富管理、資產管理、證券保險等在內的金融業務，給傳統金融業帶來越來越大的影響和沖擊，面對這一新變化、新挑戰，金融機構應該如何應對？本文擬對此作粗淺的探討。
一、互聯網金融的內涵
目前，有關互聯網金融內涵的表述有多種，界定尚不統一。在此，筆者初步歸納認為：互聯網金融是通過互聯網、移動互聯網等工具，介入傳統金融業務過程的一種混合金融。從廣義金融角度來看，互聯網金融，包括但是不限於為第三方支付、在線理財產品的銷售、信用評價審核、金融中介、金融電子商務等模式。從狹義的金融角度來看，互聯網金融是涉及貨幣的信用化流通支付的相關層面，也就是資金融通依託互聯網來實現的方式方法都可以稱之為互聯網金融。當前互聯網金融格局由傳統金融機構和非金融機構組成。
傳統金融機構的互聯網金融主要包括傳統金融業務的網上銀行創新以及電商化技術創新等。非金融機構的互聯網金融主要由憑借商業性互聯網技術進行資金運作的電商企業、人人貸（P2P）模式的網路借貸平台、眾籌模式的網路投資平台、理財類的手機理財APP 以及第三方支付平台等組成，是以互聯網體系與思維去打造類金融業務，運用互聯網的特性去完成金融的渠道、借貸、信息、銷售、客戶管理等工作。傳統金融人有一種看法認為，傳統銀行早已採用了數據化、互聯網技術電子銀行管理體系，所以銀行也就是互聯網金融。但實際上，筆者認為，由銀行操控的電子網路或利用的互聯網應稱為金融互聯網。
在此，本文側重探討非金融機構組成的互聯網金融對傳統金融業的影響。
二、互聯網金融發展模式和表現形式
第一種模式是銀行網銀，
當前商業銀行藉助互聯網渠道為公眾和社會提供服務，互聯網在其中發揮渠道作用。第二種模式運用電商的平台，依據大數據收集和分析進而得到信用支持，以交易參數為基點的綜合交易模式。
第三種模式是P2P 模式，這種模式提供了中介服務，把資金出借方與需求方2 結合在一起。平台的模式各有不同，主要有以下兩類：
一是擔保機構擔保交易模式，此類平台作為中介，不吸儲、不放貸，只提供金融信息服務，由合作的小貸公司和擔保機構提供雙重擔保。如人人貸,此類平台的交易模式多為"1 對多」，即一筆借款需求由多個投資人投資。二是"P2P 平台下的債權合同轉讓模式」的宜信模式。可以稱之為「多對多」模式，該模式通過互聯網撮合投資人和借款人之間的借貸關系，實現個人對個人貸款。
第四模式通過互動式營銷，充分藉助互聯網手段，把傳統營銷渠道和網路營銷渠道緊密結合，使金融業實現由「產品中心主義」向「客戶中心主義」的轉變，共建開放共享的互聯網金融平台。
第五種模式實際上是一種貨幣基金模式，以支付寶打造的一項余額增值服務——余額寶為代表，用戶能隨時把自己支付寶中的錢支付到余額寶中，不但免轉賬手續費，還可以獲得收益。
三、互聯網金融影響下傳統金融發展方向在過去的一段時間中，隨著互聯網等通訊技術的發展及其與金融業的融合，「互聯網金融」已成為一個重要的研究方向。在研究初期，眾多學者，例如Allen et al.(2002)、Fight(2002)等，只將互聯網視為實現金融服務與交易的一個新的方式，並在此基礎上討論互聯網對金融業的影響。當然，如果只從技術的角度分析該問題，相對於傳統的金融業務模式，互聯網憑借在信息收集及處理、產品交付與風險防範等方面的優勢，必將革新傳統金融業，但歸根結底，這種影響只可概括為：更快。隨研究的深入，更多的注意力集中在互聯網對傳統金融組織、運行方式的沖擊，以至於一些學者認為，互聯網金融是繼傳統金融中介和資本市場之後的第三種金融模型
四、互聯網金融影響下傳統金融結構變化及其對互聯網金融的影響「高頻交易」(highfrequency trading,HFT)和「演算法交易」(algorithmic trading, AT)持續增長。這一方面增加了交易的規模，另一方面也提高了金融產品的同質性。以美國為例，2003年的日均交易量為30億股，2009年已上升為日均100億股。與此同時，傳統交易方式的佔比顯著下降，紐約證券交易。(NYSE)的市場份額2003年1月的80%下降到2009年12月的25.8%(Angel et al., 2011)。與交易量的大幅上升相反，電子交易可以減小平均交易規模，從而在交易大額頭寸時更有效地節約成本。傳統上需要藉助交易所交易來隱藏實際規模的大額交易，如今可以通過電子交易系統的「暗池」(darkpools)控制其指令的暴露(exposure)，持續地通過較低的成本完成交易。電子交易在以」光速「進行，距離對交易的影響至關重要。Garvey & Wu(2010)的實證研究發現，電子交易成本與地理距離有顯著的關系。距離交易所較近的股票市場交易員能夠獲得更高的指令執行質量，數據傳輸速度限制導致電子交易的速度產生差異，具有速度優勢的交易員能夠降低交易成本。市場結構的變化對金融市場的流動性、波動性和有效性產生了深刻的影響。
第一，直觀上看，電子交易擴大了市場規模，可以為提供更多流動性。Hendershott et al.(2011)的實證研究證明，演算法交易提高了紐約證券交易所股票的流動性，而且整個市場的流動性也變得更加充裕。在市場波動時，演算法交易相比人工交易更傾向於釋放流動性。然而，電子交易在增加流動性供給的同時，也增加了流動性需求，而且後者還可能減少市場流動性並導致利差擴大(Kumar et al., 2011)。
第二，電子交易通常在收市時平倉，交易員會在交易日結束的最後一分鍾里賣出大額頭寸，這有可能導致價格的顯著變化，從而增加市場波動性。而且，高頻交易的交3 易策略，如動量策略（momentum strategy)也可能會加劇市場的短期波動。最近的例子是2010年5月6日道瓊斯指數的」閃電崩潰「。雖然高頻交易並非引發崩潰的原因，但其隨後的反應引起了巨大的賣出壓力，加劇了市場波動(Kirilenko et al., 2011)。然而，觀測期改變會影響實證檢驗的結果，如Chaboud et al.(2009)對外匯市場的研究發現，演算法交易與市場波動性負相關。第三，對市場有效性的研究主要集中在電子交易的價格發現機制。Hendershott & Riordan(2009)認為，電子交易作為穩定投機者(stabilizing speculator)，其對流動性的供給和需求使市場價格更加有效。「暗池」交易會損害價格發現的有效性，同時降低市場的波動性(Ye, 2011)。引入流動性因素後，Zhu(2012)的模型證明，"暗池"可以提供價格相關信息，有助於價格發現，但會降低流動性。
五、互聯網金融影響下傳統金融的戰略創新選擇
（一）積極提升銀行傳統業務優勢，提高金融服務水平。不容否認，當今銀行在經濟調控、風險控制、社會徵信、龐大的線下客戶及專業服務等方面還具有強大優勢，但也存在不少弱性和缺失。因此，金融機構要積極創新，不斷提升銀行的傳統業務水平，改進賬戶管理、支付結算、存貸款流程等基礎性金融服務，以優質服務贏得市場，贏得客戶.
（二）積極開拓電子、移動、智能銀行。銀行要加快轉型步伐，提升網路銀行、手機銀行等支付工具功能，依託移動通訊、互聯網，改進和開拓網上銀行、手機銀行、iPad 銀行、微信銀行等電子銀行「家族」業務，提供客戶遠程服務，向公眾提供更加便捷、高效的現代金融服務。
目前，北京銀行已推出「直銷銀行」，光大銀行推出「智能銀行展示中心」，廣發銀行推出了「智能金賬戶，具備自動余額理財、自動申購贖回貨幣基金、自動還信用卡等功能。這些環節均需銀行開放埠和數據，目前，互聯網金融產品還很難實現。
（三）
加強互聯網金融合作。互聯網線上天量客戶以及大數據優勢，對傳統金融偏愛的線下模式形成巨大沖擊。銀行要取長補短，積極把握與互聯網企業及平台的合作機會，充分利用互聯網平台數據量大的特點，把握客戶信用記錄，提高客戶信用評級精確度，了解客戶購買力與消費習慣，提供更合適的金融產品與服務金融方案。近期，民生銀行已與阿里在理財業務、直銷銀行業務、互聯網終端金融、IT 科技等方面開啟合作戰略，以傳統基礎金融優勢激發互聯網金融的