『壹』 互联网金融的信用风险例子有哪些
互联网金融的信用风险指网络金融交易者在合约到期日未能履行约定契约中的义务而造成经济损失的风险，交易对手即受信人不能履行还本付息的责任而使授信人的预期收益与实际收益发生偏离的可能性。传统金融企业在信用风险方面研究较多，已经形成了比较完善的信用评估体系。虽然互联网的开放性减少了网络中信息的不对称，但这更多的是在需求对接等资源配置上的效率提升，而在识别互联网金融参与双方信用水平上并没有太大作用。同时，由于互联网本身的特点，互联网金融领域的信用风险较传统金融行业更难控制。
由于互联网金融虚拟性的特点，交易双方互不见面，只是通过网络发生联系，这使对交易者的身份、交易的真实性验证的难度加大，增大了交易双方在身份确认、信用评价方面的信息不对称。而且互联网金融发展历程短、进入门槛低，大部分企业缺乏专业的风险管理人员，不具备充分的风险管理能力和资质，加上网络贷款多是无抵押、无质押贷款，从而增大了信用风险。网络金融中的信用风险不仅来自交易方式的虚拟性，还存在社会信用体系的不完善而导致的违约可能性。由于我国的社会信用体系建设处于初级阶段，全国性的征信网络系统也还没有建立起来，加之互联网金融还未纳入央行征信系统，信用中介服务市场规模小，经营分散，而且行业整体水平不高，难以为互联网金融企业风险控制提供保障，基于上述原因造成的信息不对称，互联网金融中也存在一定的道德风险。客户可以更多地利用金融机构与自身信息不对称的优势进行证明信息造假，骗取贷款，或者在多家贷款机构取得贷款。在经济中存在逆向选择问题，一般而言，有信用且优质的客户大多能从正规的金融机构获得低成本的资金，而那些资金需求难以满足的人群大多都成为了互联网金融的主要客户，这部分人或者企业可能存在以下情况：信用存在问题，没有可抵押担保的资产，收入水平低或不稳定。客户利用其信息不对称优势，通过身份造假、伪造资产和收入证明，从互联网金融企业获取贷款资金，互联网金融平台之间没有实现数据信息的共享，一个客户可能在多个平台进行融资，最后到期无法偿还而产生信用风险，如果违约金额大，涉及的客户数量多则很可能引起公司倒闭，进而使其余投资者资金被套，无法追回。互联网金融平台经营者可能通过虚假增信和虚假债权等手段骗取投资人的资金，隐瞒资金用途，拆东墙补西墙，最后演变成旁氏骗局，使投资人利益受损。
另外，任何金融产品都是对信用的风险定价，互联网金融产品如果没有信用担保，该行为风险就可能转嫁到整个社会。互联网金融中，无论是网贷平台还是众筹平台，其发行产品的风险无法由发行主体提供信用担保。如今很多网贷平 台都引入担保公司作担保，且不说担保公司的注册资本能支撑多高的担保金额，其担保模式是否合法就存在很大问题， 这种形式上的担保并不能减弱互联网金融的信贷风险。
大数据最大的价值在商业服务领域，企业通过大数据透视了用户深层次的特征和无法显现的内在需求。互联网金融企业通过数据挖掘与数据分析，获得个人与企业的信用信息，并将其作为信用评级及产品设计、推广的主要依据，这一做法是否侵犯了隐私权及其在中国的合法性也不能确定。
互联网时代人们在网络上的一切行为都可以被服务方知晓，当用户浏览网页、发微博、逛社交网站、网络购物的时候，所有的一举一动实际上都被系统监测着。所有这些网络服务都会通过对用户信息的洞察获取商业利益，例如用户在 电商网站上浏览了冰箱，相关的冰箱销售广告就会在未来一段时间内推荐给用户;用户在社交网络上提到某种产品或服务，这类型的产品或服务就能主动找到用户。所有这种商业行为本质上就是机构通过对用户隐私的洞察来获取商业收益。
『贰』 举例分析网络金融应用的低成本交易
数据四面改变金融机构传统数据运作式实现巨商业价值四面（四C）包括：数据质量兼容性 （Compatibility）、数据运用关联性（Connectedness）、数据析本（Cost）及数据价值转化 （Capitalization） 数据金融业应用场景逐步拓展海外数据已经金融行业风险控制、运营管理、销售支持商业模式创新等领域全面尝试内金 融机构数据应用基本处于起步阶段数据整合部门协调等关键环节挑战仍阻碍金融机构数据转化价值主要瓶颈 数据技术与数据经济发展持续实现数据价值支撑深度应用传统IT端断推向前台存量架构与创新模块效整合传统金融 机构技术层面所面临主要挑战外数据态发展演进其显著社特征作其员金融机构促进数据经济发展任重道远 驾驭数据内金融机构要技术基础着重引入价值导向管理视角终形自内嵌式变革其三关键点（TMT）包括：团队（Team）、机制（Mechanism）思维（Thinking） 依.价值导向与内嵌式变革—BCG数据理解 让数据发声—随着数据代临声音变益响亮喧嚣背探寻本质我讨论数据定义始 依.依数据第四V 数据问题内目前用三V定义即数量（Volume）、速度（Velocity）种类（Variety） 虽着定义未停止讨论才数据关键节点热议焦点底才算数据其实问题量层 面并没绝标准量相于特定期技术处理析能力言世纪90代依0GB数据需要计算能力流计算机 处理几量现台普通智能手机存储量半已层面颇具影响力说全量数据取代本数据拥 数据 另外讨论焦点问题今海量数据都源于何处商业环境企业关注ERP（Enterprise Resource Planning）CRM（Customer Relationship Management）系统数据些数据共性于都由机构意识、目收集数据且基本都结构化数据随着互联中国深 入普及特别移互联中国爆发式增机互所产数据已经另重要数据源比互联中国世界留各种数据足迹所 些都构量数据主体机器间交互处理沉淀数据才使数据量级实现跨越式增主要原物联中国前现实世界数据化 髦代名词海量数据式源源断产积累 三V定义专注于数据本身特征进行描述否量级庞、实传输、格式数据数据 BCG认数据关键点于第四V即价值（Value）量级庞、实传输、格式全量数据通某种手段利用并创造商业价值且能够进步推商业模式变革数据才真诞 依.贰变革数据运作与数据推内嵌式变革 元化格式数据已呈海量爆发类析、利用数据能力益精进我已经能够数据创造同于传统数据挖掘价值数据带价值究竟何产 论金融企业非金融企业数据应用及业务创新命周期都包含五阶段：业务定义需求；IT部门获取并整合数据；数据科家构建并完善算与 模型；IT发布新洞察；业务应用并衡量洞察实际效今数据环境命周期仍维持原唯变化数据科家命周期所扮演角 色数据允许其运用各种新算与技术手段帮助IT断挖掘新关联洞察更满足业务需求 BCG认数据改变并传统数据命周期具体运作模式传统数据基础技术环境周期能要经历乃至更 间现数据量技术机构能需几周甚至更短间能走完命周期新数据运作模式使快速、低本试错能商业机构 条件关注由于种种原忽略量机并些机累积形价值 具体言与传统数据应用相比数据四面（四C）改变传统数据运作模式机构带新价值 依.贰.依数据质量兼容性（Compatibility）：数据通量提升数据析质宽容度 数据代数据获取门槛相较高导致本思维占据统治位通抽截取式捕获数据同析数据手段 能力相限保证析结准确性通意识收集量化、清洁、准确数据数据质提高要求数据代 全量思维用武条件获取维度、全程数据海量数据现数据清洗与验证几乎能事困境催 数据应用新视角与新类似于布式技术新算使数据量弥补质足提升数据析于数据质量兼容能力 依.贰.贰数据运用关联性（Connectedness）：数据使技术与算静态走向持续 数据代全量追求使实变异重要点仅仅体现数据采集阶段云计算、流处理内存析等技术支撑系列新 算使实析能通使用持续增量数据优化析结些素共同作用贯关系追求始松 相关关系逐步获席 依.贰.三数据析本（Cost）：数据降低数据析本门槛 数据改变数据处理资源稀缺局面数据挖掘往往意味着菲投入企业希望能够数据发掘机或限数据处理资源投 入能产机客户、项目获健康投入产比数据代数据处理本断降数据量存机见 每机本身带商业价值能并观累积起实现质飞跃所数据往往并非意味着机量机 依.贰.四数据价值转化（Capitalization）：数据实现数据价值高效转化 《互联中国金融态系统贰0贰0：新力、新格局、新战略》报告我探讨传统金融机构变革代所需采取新战略思考框架即适应型战略采取 适应型战略助于企业构筑五优势：试错优势、触角优势、组织优势、系统优势社优势数据金融机构建立些优势提供新工具力数 据价值转化与机构整体转型相辅相内嵌式变革由 例金融机构传统做按部班周期模式（规划、立项、收集数据析、试点、落、总结）再适用快速试错、宽进严实现数据价值 关键：低本式量尝试数据蕴藏海量机旦发现某些价值规律马进行商业化推广否则断退外数据金融机构打造触 角优势提供新工具使其能够更加灵敏知商业环境更加顺畅搭建反馈闭环外数据聚合与共享金融机构搭建态系统提供新场景与 力 贰.应用场景与基础设施—纵览海内外金融机构数据发展实践 金融行业发展数据能力面具优势：受行业特性影响金融机构展业务程积累海量高价值数据其包括客户身份、资产负债情况、资 金收付交易等数据银行业例其数据强度高踞各行业首—银行业每创收依00万美元平均产吧贰0GB数据 贰.依数据金融应用场景逐步拓展 数据发声音已经金融行业全面响起作行业巨霸银行业与保险业数据应用尤其圈点 贰.依.依海外实践：全面尝试 贰.依.依.依银行金融行业发展数据能力领军者 发展数据能力面银行业堪称领军者纵观银行业六主要业务板块（零售银行、公司银行、资本市场、交易银行、资产管理、财富管理）每 业务板块都借助数据更深入解客户并其制定更具针性价值主张同提升风险管理能力其数据零售银行交易银行业务板块应 用潜力尤观 BCG通研究发现海外银行数据能力发展面基本处于三阶段：约三银行处思考数据、理解数据、制定数据战略及实施路径 起点阶段三银行向前发展尝试阶段按照规划路径案通试点项目进行测验甄选许价值机并且停进行试 错调整另外三左右银行则已经跨越尝试阶段基于试错经验已经识别几较机并且已经功些机转化持续 商业价值且些银行已经匹配数据工作式嵌入组织熟运用先进析手段并且断获新商业洞察 银行业应用举例依：数据技术应用信贷风险控制领域美家互联中国信用评估机构已家银行信贷风险评估面帮手该机构通 析客户各社交平台（FacebookTwitter）留数据银行信贷申请客户进行风险评估并结卖给银行银行家机构评估结 与内部评估相结合形更完善更准确违约评估做既帮助银行降低风险本同银行带风险定价面竞争优势 相较于零售银行业务公司银行业务数据应用似乎缺乏亮点实际数据公司银行业务风险领域发挥着前所未作用传统银 行企业客户违约风险评估基于往营业数据信用信息种式弊端缺少前瞻性影响企业违约重要素并仅仅企业自身经 营状况包括行业整体发展状况所谓覆巢焉完卵要进行析往往需要量资源投入数据处理资源稀缺环境 广泛应用数据手段则幅减少类析资源需求西班牙家型银行利用数据企业客户提供全面深入信用风险析该行首先识别影 响行业发展主要素些素进行模拟测试各种事件其客户业务发展潜影响并综合评判每企业客户违约风险做仅本 低且风险评估速度快同显著提升评估准确性 银行业应用举例贰：用数据客户制定差异化产品营销案零售银行业务通数据析判断客户行并匹配营销手段并件新鲜事数据 精准营销提供广阔创新空间例海外银行始围绕客户事进行交叉销售些银行客户交易数据进行析由推算客户经历 事致节点些重要刻往往能够激发客户高价值金融产品购买意愿家澳利亚银行通数据析发现家即婴诞客户 寿险产品潜需求通客户银行卡交易数据进行析银行容易识别即添丁家庭：家庭准妈妈始购买某些药品婴相关 产品消费断现该行面向群推定制化营销获客户积极响应幅提高交叉销售功率 客户细早已银行业广泛应用细维度往往同异包括收入水平、龄、职业等等自始尝试数据手段银行客户细维度现突 破例西班牙家银行FacebookTwitter等社交平台直接抓取数据析客户业余该行客户细旅客、足球者、高 尔夫者等类别通析该行发现高尔夫球者银行利润度贡献高足球者银行忠诚度高外通析该行发现另外 客群：败家族即财富水平高、消费行奢侈群客群由于数且前财富水平尚未超越贵宾客户门槛往往银行所忽略 析显示群能够银行带观利润且颇具潜力该行决定些客户升级贵宾客户深入挖掘其潜价值 公业务银行同借助数据形更价值客户细例BCG与家加拿银行合作项目项目组利用数据析技术所公司客户 按照行业企业规模进行细共建立百细客户群难想象没数据支持深入细难实现项目组每细群找 标杆企业析其银行产品组合并该细群其客户银行产品组合与标杆企业进行比识别差距潜营销机项目组些析结与该 行公客户经理进行享帮助利用些发现制定更具针性销售计划术并取良效客户种新销售式十欢迎 解同行财务状况金融安排助于自身行业位与发展空间进行判断 银行业应用举例三：用数据优化银行运营提供决策基础数据仅能前台与台显身手能惠及台运营领域互联中国金融风水起 O贰O（OnlineToOffline）银行热点题哪些客户适合线渠道哪些客户愿触中国BCG曾帮助西班牙家银行通 数据技术应用些问题进行解答项目组依陆既中国点中国络与移渠道完关键运营展析建立依贰月间溯深度 客户群体运营按照中国点使用强度及非中国点渠道使用潜力进行细析结显示约陆陆%交易中国点使用强度较高同非中国点渠道 使用潜力高中国点迁移中国络或移渠道项目组客户细发现轻客户、客户及高端客户运营迁移面潜力优先作 渠道迁徙象通运营调整数据帮助银行引导客户转移、减轻中国点压力同保障客户体验 BCG曾利用专数据析工具NetworkMax帮助家澳利亚银行优化中国点布局虽银行客户线渐增金融业铁律互联 中国代依适用说客户身边设立实体中国点仍金融机构竞争优势中国点运营本往往菲何实现中国点资源价值化每家银行 面临问题该项目项目组结合银行内部数据（包括现中国点布业绩状况等）外部数据（各区口数量、口结构、收入水平等） 三50区域进行评估并按照主要产品系列每区域制定市场份额预测项目组通市场份额驱素进行模拟现中国点数量变情况 该行中国点理想布局图该行根据项目组建议中国点布局进行调整并取良效案例许银行带启示：首先银行十清楚自身中国点 布局关中国点经营业绩址信息全量存于银行数据库其关区口数量、口结构、收入水平等数据都公获取数据通 应用数据技术两组数据结合起帮助银行实现中国点布局优化BCG基于数据技术研发Network Max用解决类似问题工具 银行业应用举例四：创新商业模式用数据拓展间收入坐拥海量数据银行考虑何使用数据服务其核业务今银行已经走更 远始考虑何数据直接变新产品并用实现商业模式进直接创造收入例澳利亚家型银行通析支付数据解其零售客户消费 路径即客户进行消费典型顺序包括客户购物点、购买内容购物顺序并其关联进行析该银行些析结销售给公司客户（比 零售业客户）帮助客户更准确判断合适产品广告投放点及适合该点进行推广产品些公司客户往往需要花费量金钱向市场调研公司购买 类数据今花少钱向自银行购买些析结且银行所提供类数据要靠银行通种式获传统业务外收入 更重要银行通创新客户提供增值服务增强客户粘
『叁』 什么是互联网金融场景化
随着互联网技术的快速发展，互联网金融已经从早期金融产品的搬运工发展到为客户进行资专产配置和财属富管理，并步入“场景化”金融时代。
这种“场景化”趋势表现在：一方面客户在支付、消费、水电煤缴费等生活、消费场景中，金融服务悄无声息地融入了每个人的生活；另一方面，以往理财服务一般要通过银行、金融公司进行购买，而今诸多金融理财服务主动“上门”，通过搭建各类场景，潜入人们的生活。即便是相同的金融产品，也可通过不同的场景走进用户生活。
在松果互联网金融目前的案例中，有一个合作方是长沙地铁，其上线了名为 “盘缠” 的手机 app，让乘客通过近场支付刷手机进站，同时将乘客的预存款对接了货币基金，相当于地铁公司让出这部分沉淀资金，由用户自己拿去获取收益。
以前地铁卡是非实名的，通过这种方式，就能了解乘客的许多信息，便于把衍生业务做起来，比如地铁周边的商圈都可以用 “盘缠” 来支付。在这种合作中，就是地铁公司提供场景，松果来提供接口。
只要有场景，松果都可以帮助其对接金融机构，在完成用户界面的封装后，很快就能实现流量变现。”
『肆』 互联网金融支付有哪些相关的新闻案例
互联网金融支付里面有些喜欢安逸的事情。
『伍』 试分析互联网金融对传统金融业有什么冲击，面对冲击传统金融业应该如何创造新
首先是对于适应新环境。从今年开始，互联网金融非常热，我们也发现了市场的变化。商业银行担负了资金融通和中介的功能，互联网金融的出现虽然不能完全说去中介化，但也对传统的金融业产生了三个冲击。
第一，从支付来看，商业银行的支付结算传统上是社会结算，但从去年以来，第三方支付越来越重要，尤其是像支付宝[微博]、财富通这些第三方支付成为线上支付的主流。在交易链条的重构过程中，客户的交易信息和消费信息被隔离开来，对银行有釜底抽薪的颠覆性作用。
第二，从负债端来看，互联网金融对银行活期存款的冲击。传统的金融机构需要多少年才能累计到余额宝[微博]的用户数量，对存款的冲击是不争的事实，大规模资金流向互联网的趋势也在很大程度上加速了中国的利率市场化进程，对商业银行有着深远的影响。
第三，在资产端。现在互联网金融的借贷平台主要还是从事个人消费信贷、小微金融业务，贷款客户绝大多数还是传统商业银行不能覆盖的客户。现在来看冲击有限，但随着时间的推移，这种新型的网络借贷方式所覆盖的客户会与传统银行业覆盖的客户有所交集。包商银行一直长期致力于小微金融业务，我们的口号也是立足百姓创业，立志国际品牌，做最好的小企业金融服务集成商，我们在这方面的感受比较深刻。
除了业务层面的支付、负债、资产端的冲击以外，互联网金融对传统商业银行的冲击还有以下两点。
第一个就是互联网思维对传统金融思维的冲击，用户为王、产品优先、简约极致的创新思维对包括包商银行在内的传统企业产生了巨大冲击。对金融业的冲击在去年刚刚开始，但从电商对传统零售业的冲击来看，我们的感受还是非常深刻。
第二，互联网获取客户和流量的能力比商业银行大。互联网客户有很高的黏性，而商业银行传统获取客户的方法显得迟缓而笨重，就像余额宝在短期之内获得大量客户，这是商业银行和互联网企业非常大的差距。
当然，我们也在思考传统金融机构的优势在哪里。我们认为优势可能还在于传统金融机构的风控能力和资产制造能力。随着利率市场化，负债端的竞争趋于白热化，未来可以想像的图景是资金只是几个的问题，核心是怎么运用这些资金。运用资金的过程其实就是资产定价和风险控制的能力。资产定价和风控能力也将是以后一段时间商业银行的关键能力。
当然，商业银行积攒了几十年的风控技术以及大量的人才资源也决定了在未来一段时间内作为金融市场金融基础资产的制造者和生产者的角色。或许物理网点会成为鸡肋或负担，但传统商业银行的资产制造能力才是商业银行相对于互联网企业的巨大优势。
昨天包商银行正式推出了互联网金融平台，也是我们在互联网领域的重要尝试。在研发阶段，我们考察了各种商业模式、各种互联网企业。当然，我们也与国外的金融机构进行了探讨。下面就这个新的模式跟各位进行分享。
第一，银行是整体的互联网化，还是单兵突进。我们内部进行过讨论。作为中小商业银行，是否可以通过体系性的变革重生成为完全适应未来互联网竞争环境的新的银行。后来感觉这个难度很大，因为商业银行传统的组织架构、业务流程和管控模式、企业文化都跟互联网环境下的企业有所不同。对于一家现有商业银行的改造的困难也非常大，也可能引起比较大的动荡。所以我们的线上平台也是采取单兵突进的方式，设计新的模式、组建新的队伍、建立新的文化来适应新的竞争。
第二，是用现有品牌，还是用新的品牌。目前来看，业内大部分的商业银行推出的互联网金融基本还是传统的银行品牌。事实说从两个角度来说，一个是客户的角度。从传统渠道和互联网端进来的客户是两个层面的，双品牌运作可能更合适。我们也考察过国外比较成功的银行也是采取双品牌的策略。当时我们也问他们为什么不在银行内部建一个银行，他们认为在内部建不太可能。从前端来看，可能就是名字不一样、界面不一样，其实后面的产品制造的流水线或者是生产方式是完全不一样的，包括文化。对于用主品牌，还是双品牌，我们现在的宣传还是新建一个品牌。
第三，大而全，还是小而精的选择。这是商业银行的关键选择，也是比较有诱惑的选择。从目前来看，一些金融机构和商业银行的资产比较大，实力也很强，有这种全面布局的想法也非常正常。从国外的数字化银行的案例来说，包括美国成功的商业模式和国内互联网企业的做法，专注极致、简约可能才是真正的成功之处。尤其是美国的模式，其实非常简单。我也在想为什么这么简单的东西能做成呢？而且为什么会有市场机会呢？也可能是因为现在日益复杂的金融体系反而给这种简单需求的满足提供了市场机会。我们的线上品牌也是秉承这种单一的商业模式，产品也比较简单，用户界面也非常的简约。
以上就是我对商业银行介入互联网金融的思考，包括对环境的分析和一点认识，不对之处请各位专家和嘉宾批评指正。
『陆』 金库网AFP继续教育答案（共十科）
Abc、abc、abd、abcd、abc、
Acd、abcd、ab、abcd、bcd、
Abc、ac、cd、abd、ac
16ab、17abcd、18ac、19d、20abc
21abcd、22ab、23abd、24b、25c
26abcd 、27abcd、 28abcd 、29abc 、30abcd
31对内32错33错34t对35对36对37错38错39对40对
希望对你容有所帮助
『柒』 互联网金融支付
互联网金融支付其实现在是一种趋势，大势所趋，并且这个很便利，基本上不用带现金造成的麻烦。
『捌』 求我国中小企业互联网＋背景下供应链金融的案例
供应链金融是指金融机构以核心企业为出发点，对供应链上下游中小企业的物专流、资金流、信属息流进行管理，通过应收账款质押、货权质押等手段，为供应链上下游企业提供综合性金融产品和服务。供应链金融将单个企业的不可控风险，逐渐转变为供应链企业整体的可控风险，并通过链条化管理，将金融风险控制在最低。近年来，在互联网+战略的驱动下，供应链金融取得了良好发展效果。据《2016互联网+供应链金融研究报告》预测，到2020年，我国供应链金融市场规模将达15万亿元。在此背景下，分析当前我国供应链金融发展的新型趋势及面临的问题，对促进供应链金融的不断创新、实现供应链协调发展具有重要意义。
『玖』 如何进行互联网金融运营数据的分析，都有哪些方法
来源于：知乎
大部分的互联网金融公司最为纠结的一点是，流量这么大，获客成本这么高，为什么最后的的转化率和成单量却这么低？怎样才能提高用户运营效率？用户行为数据分析怎样把处在不同购买决策阶段的用户挑选出来，帮助互联网金融公司做到精益化运营？
我们的客户中很大一部分来自互联网金融，比如人人贷等行业前 10 的互联网金融公司。在服务客户的过程中，我们也积累了大量的数据驱动业务的实践案例，来帮助客户创造价值。
一 、互联网金融用户四大行为特征
互联网金融平台用户有四大行为特征：
第一流量转化率低，下图是某互联网金融公司网站上，新客户过去 30 天整体购买转化漏斗，其转化率只有 0.38%：
而这并非个例，实际上，绝大多数互联网金融公司，在 web 端购买的转化率基本都在 1% 以下，APP购买率在 5% 左右，远远低于电商或者其他在线交易的购买率。
第二，虽然转化率低，但是客单价却很高。一般来说，电商行业客单价在几十到几百，而互联网金融客户，客单价从几千到几万，某些特殊领域甚至高达几十万。而客单价高，就意味着用户购买决策会更复杂，购买周期也会更长。
第三，用户购买行为有很强周期性。电商的客户下次购买时间是不确定的，但是互联网金融平台上，真正购买的用户，是有理财需求的用户，在资金到期赎回产品后，一定还会进行下一次购买，只不过未必发生在你的平台上。
可以看到，每隔一段时间，这个用户就会有一段集中的、大量的交互行为。当用户购买完成后，用户的交互行为又变得很少，可能偶尔来看看产品的收益率，但整体的交互指标不会太高，直到他下一次购买。这个用户理财需求的周期是一个月左右。
最后一个特点是「很强的特征性」，主要包括两个特征：
A：用户的购买偏好比较容易识别，理财产品数量和品类都很少，所以用户购买的需求或者偏好，很容易从其行为数据上识别出来。
B：用户购买过程中的三个阶段特别容易识别：
用户在购买决策阶段，有大量的交互事件产生，他会看产品，比对不同产品的收益率和风险，比对不同产品的投资期限等等；
但是一旦他完成了产品的购买，就不会有大量的交互行为产生，他可能仅是回来看一看产品的收益率。
当用户的产品资金赎回之后，又有大量的交互事件产生，实际上他处在下一款产品购买的决策期。
二、互联网金融用户运营的三大步骤
针对互联网金融用户行为的四个特征，在用户运营上有三个比较重要的阶段性工作：
1.首先，获取可能购买的目标用户，合理配置在渠道上的投放预算，以提高高质量用户获取的比例：
渠道工作的核心，主要是做好两方面的工作：宏观层面，优化整个渠道的配置；微观层面，单一渠道角度来说，根据渠道配置的策略，有针对性地实施和调整。
具体渠道的实施，大家都比较熟悉，但是对于整个渠道组合配置的优化，很多人接触的其实并不多。
这张图是整体转化漏斗，从不同维度可以做对比，比如我们先选出流量前 10 的渠道：
以渠道一为例，总体的转化率是 0.02%；在过去 30 天站内总体的流量是 18.9K，漏斗第一级到第二级的转化率是 3.36%，这样一共是五级，我们看到最终渠道一带来总体的成交用户一共是 4 人。
类似的，前 10 的渠道数据都很清晰。不同渠道带来的流量，不同渠道总体的转化率，以及不同渠道在整个转化路径上每步的转化率都可以看到。
这里面有几个渠道很有特点：
渠道一的特点，渠道一带来的流量是所有 10 个渠道里最大的，但是它的总体转化率却是低的；
渠道二和渠道七，渠道二的量很大，但是转化率是零。渠道七量比较一般，转化率也是零；
渠道九和渠道十，这两个渠道是所有渠道里转化率最高的。但是这两个渠道特点，是带来流量不是特别大……
第一象限（右上角）渠道质量又高，带来流量又大的，这里面渠道三四五是符合这个特征的，渠道策略应该是继续保持和提高渠道的投入。
第二象限（左上角）渠道的质量比较高，但带来的流量比较小，这里面包含的主要渠道就是八九十。对应的主要策略是，加大渠道的投放，并且在加大投放的过程中，要持续关注渠道质量的变化。
我们先看第四象限（右下角），渠道质量比较差，但是带来流量比较大，这里面主要有渠道一和渠道二。相对应的渠道策略，应该在渠道做更加精准的投放，来提高整个渠道的质量。
第三象限（左下角）这个象限里渠道质量又差，带来流量又小，比如渠道六跟渠道七。我们是否要直接砍掉？这里建议是，策略上要比较谨慎一些。所以在具体渠道的策略上，业绩保持监测，然后小步调整。
根据上面数据分析得出的结果，做过渠道优化后，就会为我们带来更多高质量的用户。
2.接下来就要把高价值的用户——真正有购买需求，愿意付费、购买的用户找出来。
将资源与精力投入到真正可能购买的用户上的前提是，我们要能够识别出，哪些是真正有价值的用户？哪些是价值偏低的用户？
其实对于互联网金融平台来说，甚至所有包含在线交易的平台，用户的购买意愿，是可以从用户的行为数据上识别出来的。由于互联网金融平台的特殊性，相比于电商平台来说，商品品类更少，平台功能也更为简单，所以用户的行为数据，也更能反应出互联网金融平台上用户的购买意愿。
把用户在平台上的所有行为总结一下，核心的行为其实并不多，具体包括：
用户查看产品列表页，说明有一些购买意愿，点击某个产品，说明用户希望有进一步的了解。用户最终确认了支付，完成了购买，购买流程就走完了，他的理财需求已经得到了满足。每一种行为都表示出用户不同程度的购买意愿，所以获得用户在产品里的行为数据就十分重要。
既然用户行为数据这么重要，那么怎样获取呢？GrowingIO 以无埋点的方式，全量采集用户所有的行为数据，根据我们对业务的需求，配比成不同的权重系数，并按照每个用户购买意愿的强弱，进一步分群。
这是我们一个客户制作的用户购买意愿指标的范例，刚才的前 5 个行为，都是用户在购买前典型的行为：
每种典型事件的权重系数不一样，用户购买意愿是越来越强的：用户点了投资按纽，甚至点了提交的按钮，显然要比他单单看产品列表页，或者单单看产品页、详情页的意愿强。越能反应用户购买意愿的事件，你给它分类的权重应该是最大的，这是大的原则，0.05 还是 0.06 影响并不大，所以不必纠结。
这样通过这种方式，我们就可以按照每个用户的所有行为，给用户做购买意愿打分的指标，最终形成用户购买意愿的指标。
这是我们从高到低截取部分用户购买意愿打分的情况，第一列是每个用户的 ID，第二列是按照购买意愿给每个用户打分的情况。得分高的，就是购买意愿最强烈的用户。
拿到所有用户购买意愿之后，我们就可以按照用户购买意愿的强烈与否，把所有的用户分成不同的群体，来做针对性的运营。
这是在把用户在过去 14 天内，由其产生的所有行为数据，按照购买意愿打分的权重，把打分大于 5 的用户找出来，在总体用户里，这部分用户购买意愿排名前 20% ，我们给它起个名字，叫购买意愿强烈的用户。
类似我们还做了购买意愿中等的用户分群，这是购买意愿排名在 20-60% 之间的用户；购买意愿排名在最后 40% 的用户，是购买意愿最弱的用户分群。
分群之后，点击任意一个分群，都会以用户 ID 的形式列出来。因为你要有用户的 ID ，才能对这些用户施加运营策略。每个用户最近 30 天的访问次数，最近的访问地点，最后一次访问时间都可以看到。
接下来针对这些购买意愿强烈的用户，怎样推动用户的转化呢？
3.采取针对性的运营策略，提高高价值用户的转化率。
首先我们来看一下购买偏好，互联网金融平台商品品类是比较少的，用户购买的目的性也比较清晰，一般商品的品类有这么几种：
第一种：债券型理财产品
第二种：股票型理财产品
第三种：货币型理财产品
第四种：指数型理财产品
第五种：混合型理财产品…
我们把用户在不同品类商品上的访问时长占比算出来，就能比较好地了解用户的购买偏好。比如下图，我们用用户访问债券型产品详情页的访问时长，除以用户在站内总体的访问时长，就能够得到用户在债券产品上访问时长占比的指标。
我们还是使用用户分群的工具，把在债券型产品上的访问时长占比大于40%的用户分出来，这是有非常强烈表征的客户，他购买的偏好就是债券型的产品。
同时我们再设定另外一个指标，比如用户购买意愿指标，之前我们做过大于5，也就是购买意愿排名在前 20% 的。
通过这两个条件，我们就可以把购买偏好是债券型产品，同时有强烈购买意愿的用户找出来，这两个指标的关系是并（and）的关系。同样我们可以按照用户的购买偏好，把关注其他品类的用户，都做成不同的用户分群，然后形成不同购买偏好的用户群体。
针对这些用户，其实在运营策略上，我们可以从三个层面来展开来进行做：
从购买阶段的角度，首先我们把所有用户可以分成新客和老客。对于这两个群体来说，运营策略和运营重点是非常不一样的。
新客群体，是从来没有在平台上发生过购买的用户，我们要根据用户的购买意愿，做进一步的运营。
老客群体，也就是在平台上已经发生过产品购买的用户，除了关注用户的购买意愿之外，用户的资金状态（资金是否赎回）也是非常重要的参数。
用户是否购买过产品？购买产品的用户是否已经赎回资金？这两个内容，其实是一个用户当前的属性。在我们分群的工作里，这有个维度的菜单，通过这个维度菜单，我们就可以把具有某种属性的用户找出来：
这里我做了一个分群，我们可以看一下。在维度的菜单里，我们把是否购买过产品的维度值设置成了 1 。把资金是否已经赎回这个维度的值，也设置成了 1 。实际上是把那些资金已经赎回的老用户找出来；同样在指标这个菜单里，我们同时也把有强烈购买意愿的用户找出来，时间是过去 14 天，指标大于 5 。
这样我们就制作了一个用户分群，而这个用户分群里所有用户，要满足下面的三个特征：
特征一：购买过产品的老客。
特征二：他们的资金，目前已经赎回了。
特征三：过去 14 天内的行为数据，表明这个用户有着强烈的购买意愿。
同理我们把所有用户，整理为下面几个不同类别，对应不同的运营策略：
比如新客里，当前有购买意愿的，其实他属于购买决策期的新用户。应该根据用户的购买偏好，推荐这种比较优质的理财产品。并给予一定的购买激励，来促进这些新客在平台上的第一次购买，这个对于新客来说是非常重要的，以此类推。
相比于电商或者其他行业，互联网金融平台结合行业和用户的特点，从用户行为数据分析的角度，驱动产品业务以及提高用户的转化率，有更加重要的意义。