原标题：如何通过用户行为数据,驱动互金产品增长?

作者 | 韩重明，诸葛io高级数据驱动顾问

互联网金融的激速发展导致大量的同质化产品出现，监管和竞争又让很多互金公司不得不快跑前进，特别是对数据的采集和分析运用上，甚至一些商业银行开始利用数据指导运营和产品迭代，一些互金公司陆续找到诸葛io，需求就是从数据采集到分析工具到各种分析服务的打包服务，助力产品实现用户价值增长以及建立未来竞争的数据壁垒。

如何通过用户行为数据，指导产品用户价值增长?诸葛io高级数据驱动顾问韩重明做客PMCAFF，结合自己服务金融产品，助力产品增长经验来为大家分享：通过用户行为数据，驱动互金产品增长。

一.互联网产品增长的三驾马车

互联网产品增长的三驾马车：流量、转化和留存

如何用行为数据衡量这三大模块儿?我们结合互金产品来看：

从流量数据来衡量：

1)对比不同渠道的用户注册情况

2)对比不同渠道用户的实名绑卡转化

3)对比不同渠道用户的首次购买情况(复购和渠道的关系就不是很大了)

对渠道质量的评估本身受两个因素影响，一个是渠道本身，另一个就是载体。凡是能促达到真实用户的渠道就是真渠道，但是你是否对渠道载体即传播内容做过评估?什么样的活动形式带来的转化多?什么样的内容用户愿意查看?目标用户的群特征可能适合什么样的营销策略?所以，如果你没有把握不做渠道也能获得流量的增长和品牌的传播，那就试着关注你的目标用户的特征，分析分析传播的内容本身。

2. 从转化数据衡量

1)注册转化率：开始注册->…->完成注册

2)绑卡转化率：绑定银行卡->…->绑定银行卡成功

3)实名转化率：点击实名认证->…->实名认证成功

4)取现转化：查看可提现金额->提现->…->提现成功

不仅要知道最终的转化率，对于特定的用户行为路径，要能找到优化空间和流失节点。当然，从用户角度出发，我们还要看有多少用户完成了从注册->购买的转化，即投资率;多少用户完成了首投->再投的转化，即复投率。

3. 从留存数据衡量：

留存是互联网产品运营的终极指标，当然，它不仅仅是大家理解的今天有10个人打开了app，这10个人中有7个人第二天又打开了。对于不同的平台，他的定义是不一样的，对于内容、社区、阅读类产品，他勉强可以基于用户打开这一维度看次留、7日留、30日留存。因为这些平台本身就是要用户流量、要活跃。通过用户的使用频次就可以评估产品的粘性和健康度。但是对于金融产品，他对留存用户的判断依据是什么呢?是有多少人在我平台上看了、买了理财产品，看这些人的留存情况。

结合诸葛io的自定义留存功能来看：

初始行为为买过理财产品，回访行为是买了理财产品的用户群在最近7天的留存情况

产品经理可能要问：“以上说的貌似都是市场、运营对用户的一个衡量，那我应该看什么指标?“答案是：都看。产品承载着一切，产品设计直接影响转化和对所有角色的评估，产品要看的是路径设计是否合理，有没有造成不必要的流失，流失节点有没有优化的空间。如果有问题，最先要排除产品层面的问题。

总结：以上讲的是数据驱动的第一步：以人为中心，用正确、精细的指标去评估产品、运营和市场工作。

基于这个模型，我们再往上走一层，看互金公司真正的运用场景是什么?

二、互金公司用户行为数据的运用场景是什么?

流量和转化之间最典型的一个场景就是新手期策略;在转化和留存之间，我们把他定义为SKU和场景运营;在流量和留存之间是我把他定义为业务价值挖掘。

1.新手期策略

我们结合上图模型来讲：对于一个新用户，需要解决的根本问题是：信任问题。如果说用户对平台完全信任是100%，那核心用户可能达到80%。对于一个新用户，诸葛io把新手期的信任度设为60%，反映到用户行为上就是完成了注册、实名绑卡以及一次投资是40%，当用户完成一次复投，他达到了60%，及格了。从新手变成了忠实用户。

为什么是从投资次数的单一维度划分用户?而不是从投资额、收益率、投资周期和投资次数多个维度来划分?

我们先看前三个维度，首先，一个人能投多少钱是可以鼓励和期待的，可能现在挣1w，保不准下个月就升职加薪挣2w，从原来投3K一下子变成投1w用来理财了。用户对收益率、投资周期的接受程度是可以洞察、匹配和刺激的。

一个非羊毛用户，不管投多少钱，投什么收益率、投什么周期，他只要有一次投资行为，就是对平台的信任，如果他能有第二次投资，我们认为信任感增加了，达到了60%。能不能激发他，品类设计能不能最大化的匹配他的风险承受能力，是需要通过深度运营来刺激用户的，也是下一个场景会讲的。

以上只讲了划分的方法，如何运用到运营场景中呢?我们不可能每天对全量用户做筛选，6个月前未转化的用户和上周注册未转化的用户运营策略是不一样的，甚至有没有召回的必要都得另说，所以还得把握住用户合适的时间节点。

运营场景举例：

一个互金产品客户，他们的用户投资决策周期大概是3~7天，也就是从注册到购买一次产品，如果一个用户注册了，但是7天内都没投资，会暂定用户可能要流失，然后找到这部分用户，通过运营手段去留住用户。所以，他们的新手运营人员会在每周去看上上周的用户转化情况。

15号，他会通过诸葛io用户分群功能筛选出11.1~11.7的新增用户，然后看这个用户群的转化，粉色部分是在当前节点流失了，点击下边的数字是可以看到群体画像的。

总结：对用户的划分本质上是我们强加给用户的，平台应该在合适的时机、甚至尽早识别用户所处的生命周期，特别是新手期，无论是从多个维度还是单一维度划分，唯一不变的是不同生命周期的用户相加等于全量用户，本质是为了管理和运营。所以，我们一般会找到一条主线，让整个运营能够清晰起来。

对于核心留存和流失的定义，我们需要需要清楚的知道用户在平台上首投、复投的决策周期大概是多久，然后拿这个时间周期在一个大概还算有机会的时间区间内触达用户。

2.SKU/场景化运营

用户度过了新手期，有了两次投资，紧接着把用户送入下一个运营场景： SKU/场景化运营。解决的就是60%到80%的信任问题。他是用户能否从投资一些周期短，利率高的单一产品，到投资一些周期长，利率比较稳定的产品，甚至愿意投资多个产品的进阶设计或者是投资意愿设计。在这个阶段就少不了对用户的洞察。我们需要知道用户在平台所处的阶段，注册多久了、买过什么、看过什么最多，环境信息是什么、标签信息、理财偏好等。

说到SKU/场景化运营,就需要借助用户洞察的三大利器。何为用户洞察的三大利器?

利器一：单体洞察

SKU/场景化运营，首先需要对单体用户画像的洞察。人是分析的最基本元素，需要清楚的知道每一个用户所处生命周期、活跃情况、环境信息等。当然，当我去应用的时候，我不可能一个个看，我可能还需要知道到底有多少人也搜索了，查看产品了，有百分之多少的用户在点击立即投资时成功引导注册了等使用情况洞察。

利器二：用户行为路径洞察

有了单体画像，接下来就得看群体特征了。简单解释一下：在用户的一次启动中，94.6%的用户会搜索，搜索完可能百分之77的用户搜到了，开始看产品详情，然后又有62%的用户加到了心愿单，可能说明用户比较喜欢这种产品。对群体行为的洞察，让我们拥有了一个全局视野，除了知道用户在怎么使用我们的产品，更重要的其实是对用户行为背后的动机解读。

利器三：精细化用户分群

有了对用户和对用户行为的洞察，如何利用这些信息，一个很重要的手段就是通过精细化用户分群来实现。

运营场景举例：

目前服务的一家客户，在上线某一个品类之前，他们会先面向部分用户开放，然后去看购买了的用户群体特征，在平台处于什么阶段、之前购买过什么，看过什么最多，以及其他地域、性别、年龄等环境属性。也会找到没看、看了没买的用户找到他们的共性，然后结合多种条件筛选用户群，大概评估他们的购买率，优先推送这些产品。有一周，一共上线了10几款理财产品，转化周期和转换率都提升了一倍。

我们来看精细化用户分群匹配产品的价值是什么?

首先，交易量上去了。还有一个隐形价值是平台的风险被分摊了。过去是那种粗放式发展模式，平台承诺高收益、然后风险几乎是百分百承担。当有了信息纰漏，有了风险多维匹配用户群的能力，其实是有个风险分摊的概念在的。有一个炒股多年的老手，一款理财产品5w起投，定期365天，收益11%，对他来说存进去可能不会因为有点风吹草动就要提现。

3、最后一个场景，业务价值挖掘。

如果前面的衡量、和初级运用都没做好，基于数据的业务价值探索可能你暂可不做。

比如，留存和投资次数的关系?如何进行用户触达产品核心价值的归因分析?即到底哪些因素会影响用户的购买，是高收益还是平台背书还是某一个角标设计。如何寻找产品增长点?如果我能把注册转化提升百分之五，投资转化能提升多少?

用数据驱动产品增长提高了各个工作环节的决策效率、也降低了决策成本，但对于业务价值探索，比如从设定目标，到样本筛选、到用户群定义和对比，再到基于对业务的理解找到相关性较高的行为特征，最后可能还需要反向分析验证。这本身是有一定的门槛和需要掌握一定方法的，怎么理解刚才一口气说的这么多呢?举个栗子，我知道在购买用户的所有行为事件中，查看发现栏这一行为的活跃比最高，达到了70%，但是，我并不能认为看发现栏能促进用户购买，还要反向进行验证。

不过，看似复杂，在一个拥有数据分布人员或BI部门的公司，基于诸葛io的数据分析平台，其实没有那么复杂，当然，我们也会持续把服务客户过程中产生的方法论写出来、讲出来，让更多一线的业务人员能将诸葛io的平台价值发挥的更大。

最后总结一下今天主要讲的内容：

1、基于用户行为数据，用正确的指标把握互金产品的运营现状

2、以用户对平台的信任感为轴线做用户生命周期管理

3、利用对用户洞察的三大利器精细化做用户运营、品类运营

4、通过数据的深度挖掘和探索让业务增长

#本文作者韩重明，诸葛io高级数据驱动顾问

责任编辑：