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，為什么最后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？

一 、互聯網金融用戶四大行為特征

互聯網金融平臺用戶有四大行為特征：

1、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%：

而這并非個例，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，遠遠低于電商或者其他在線交易的購買率。

2、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。

3、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，但是互聯網金融平臺上，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后，一定還會進行下一次購買，只不過未必 發生在你的平臺上。

下圖是一個典型互聯網金融用戶的交互趨勢圖：

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。當用戶購買完成后，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。

4、購買行為具有強特征性

這主要包括兩個特征：

（1）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；

（2）用戶購買過程中的三個階段特別容易識別。

1. 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；
2. 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。
3. 當用戶的產品資金贖回之后，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征，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；

2. 接下來就要把高價值的用戶–真正有購買需求，愿意付費、購買的用戶找出來；

3. 采取針對性的運營策略，提高高價值用戶的轉化率。

三、獲取目標用戶

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。

1、優化渠道配置

具體渠道的實施，大家都比較熟悉，但是對于整個渠道組合配置的優化，很多人接觸的其實并不多。 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。

2、針對性運營渠道

這里面有幾個渠道很有特點：

1. 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；
2. 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；
3. 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，這里面渠道三四五是符合這個 特征的，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，這里面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，并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，這里面主要 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，然后小步調整。

根據上面數據分析得出的結果，做過渠道優化后，就會為我們帶來更多高質量的用戶。

四、找出高價值用戶

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？

1、用戶的核心行為

其實對于互聯網金融平臺來說，甚至所有包含在線交易的平臺，用戶的購買意愿，是 可以從用戶的行為數據上識別出來的。由于互聯網金融平臺的特殊性，相比于電商平 臺來說，商品品類更少，平臺功能也更為簡單，所以用戶的行為數據，也更能反應出 互聯網金融平臺上用戶的購買意愿。

把用戶在平臺上的所有行為總結一下，核心的行為其實并不多，具體包括：

用戶查看產品列表頁，說明有一些購買意愿，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愿，所以獲得用戶在產品里 的行為數據就十分重要。

2、通過量化分析找出高價值用戶

既然用戶行為數據這么重要，那么怎樣獲取呢？以無埋點的方式，全量采集用戶所有 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，并按照每個用戶購買 意愿的強弱，進一步分群。

這是我們一個客戶制作的用戶購買意愿指標的范例，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，用戶購買意愿是越來越強的：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 意愿強。越能反應用戶購買意愿的事件，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 影響并不大，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，給用戶做購買意愿打分的 指標，最終形成用戶購買意愿的指標。

這是我們從高到低截取部分用戶購買意愿打分的情況，第一列是每個用戶的 ID，第二 列是按照購買意愿給每個用戶打分的情況。得分高的，就是購買意愿最強烈的用戶。 拿到所有用戶購買意愿之后，我們就可以按照用戶購買意愿的強烈與否，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，按照購買意愿打分的權重， 把打分大于 5 的用戶找出來，在總體用戶里，這部分用戶購買意愿排名前 20% ，我 們給它起個名字，叫購買意愿強烈的用戶。

類似我們還做了購買意愿中等的用戶分群，這是購買意愿排名在 20-60% 之間的用戶； 購買意愿排名在最后 40% 的用戶，是購買意愿最弱的用戶分群。

分群之后，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， 最后一次訪問時間都可以看到。

接下來針對這些購買意愿強烈的用戶，怎樣推動用戶的轉化呢？

五、提升高價值用戶的轉化率

1、不同產品偏好類型的用戶

首先我們來看一下購買偏好，互聯網金融平臺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：

1. 債券型理財產品；
2. 股票型理財產品；
3. 貨幣型理財產品；
4. 指數型理財產品；
5. 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占比算出來，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占比的指標。

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占比大于40%的用戶分 出來，這是有非常強烈表征的客戶，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，比如用戶購買意愿指標，之前我們做過大于5，也就是購買意愿排 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，同時有強烈購買意愿的用戶 找出來，這兩個指標的關系是并（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，然后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：

2、不同生命周期的用戶

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。對于這兩個群體來說， 運營策略和運營重點是非常不一樣的。

• 新客群體，是從來沒有在平臺上發生過購買的用戶，我們要根據用戶的購買意愿，做 進一步的運營。
• 老客群體，也就是在平臺上已經發生過產品購買的用戶，除了關注用戶的購買意愿之 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，有這個維度的菜單，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 買意愿的用戶找出來，時間是過去 14 天，指標大于 5 。

這樣我們就制作了一個用戶分群，而這個用戶分群里所有用戶，要滿足下面的三個特征：

• 特征一：購買過產品的老客。
• 特征二：他們的資金，目前已經贖回了。
• 特征三：過去 14 天內的行為數據，表明這個用戶有著強烈的購買意愿。

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，當前有購買意愿的，其實他屬于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。并給予一定的購買激勵，來促進這些新客 在平臺上的第一次購買，這個對于新客來說是非常重要的，以此類推。

相比于電商或者其他行業，互聯網金融平臺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。

作者：徐主峰，數據分析產品 GrowingIO 業務增長負責人，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。

本文由 @徐主峰 原創發布于人人都是產品經理。未經許可，禁止轉載。