完整的互金用户画像=用户属性数据+用户行为数据+交易数据+风险收益数据。互联网公司擅长前2块，但往往偏重于一般的互联网用户分析，缺乏对金融和投资的理解;金融机构强于后2块，一般认为用户行为数据只是过程性信息而不屑收集，可能一款APP已经推出很多年都没有做过基本的埋点或转化率分析。

　　在整个用户画像的体系中，用户行为是串起用户和平台两端的其他3项数据的关键要素，值得深入探究和完善。

　　知偏好

　　通过对用户访问页面的类型、访问路径的深度，可以帮助识别用户对某些投资品种或运营活动的偏好程度，进而针对此类用户推送更多此类产品上架的信息，或是与相关产品有关的优惠券(加息券/抵扣券/满减券等)。平台再大一点，可以据此完善“千人千面”的前端架构设计。

　　此前GrowingIO、诸葛IO等用户行为分析机构，已经推出了此类产品，虽然在精度上还有待进一步加强，但毕竟是一个有益的尝试。从实际使用的反馈情况来看，偏好分析在投资理财类APP上的分析效果，会好于在借贷类产品上的应用。

　　控营收

　　从用户导入到用户流失，全链路跟进转化率和留存率提升。

　　根据公式：

　　用户生命周期价值(LTV)=(某个客户每个月的投资频次*客单价*毛利率)*(1/月流失率)

　　由此可知，在客单价和毛利率水平不变的情况下，我们可以着手的点有2个：

　　提升投资频次：持续做好用户转化节点的运营策略优化，让用户在“注册-实名-绑卡-交易-复投”的转化过程中，有充分的动力持续向下一步跃迁，实现交易笔数和交易金额的提升，最终提升平台用户生命周期价值。

　　降低流失率：通过释放出各种任务引导持续提升等级，进而做好用户的忠诚度提升;通过刺激活跃和召回策略提升用户留存，最终降低平台用户流失率。

　　做策略

　　做运营策略，并不是简单地抄一抄竞品、落实老板要求那么简单。或者换个角度说，如何更好地抄到竞品的精髓、把老板的要求落到可规划/可执行/可汇报的程度，都有赖于对用户行为数据的收集和分析。离开用户行为谈运营，无异于耍流氓。

　　搞复盘

　　根据用户行为数据复盘版本升级和运营活动的效果，并据此进行调整和优化。无论活动的目标是提升日活、提升GMV还是单品交易量，最终都要落实到用户在转化漏斗节点或用户任务上。

　　对于活动效果的检视，简单地看无非是“达成”或“未达成”，而对用户行为数据的分析，却能回答为什么、好在哪/不好在哪儿、下次如何和才能做得更好。

　　作比较

　　基于转化漏斗的各种转化率、基于海盗指标的拉新-促活-留存分析、基于用户任务体系的注册-投资-提现数据分析等，都能够帮助我们搭建一套对本平台指标体系搭建和竞品比较分析的框架，对于运营指标制订、资源申请和效果检视有显著的帮助。

　　三、如何搭建基于用户行为的增长体系

　　基于用户行为的增长体系建设，可分为前置条件、执行策略、通道搭建和落地配套原则4部分。下文将分别展开。

　　Part1.前置条件：用户数据准备

　　如上文所述，完整的互金用户画像体系，由如下这4部分数据构成：属性数据、行为数据、交易数据、风险收益数据。

　　互联网金融数据分析体系

　　属性数据：用户作为自然人和社会人的最基本数据，也是其他三类数据的基础

　　行为数据：串起用户和平台两端的其他各项数据的关键要素，一切运营策略的落脚点。以用户行为数据为基础，结合平台的标签体系，还可以得到衍生的用户转化数据和用户行为偏好数据，在此不详细展开

　　交易数据：计算平台营收、ROI、LTV等经营指标的基础，也是用户价值的判断的重要标准

　　风险收益数据:用户的投资属性数据,既是差异化运营的依据,也是平台落实风控合规要求的体现

　　属性数据举例

　　行为数据举例

　　基于以上数据,结合频率、时间维度、用户数等指标,就能得到更多指标数据,比如:

　　时间周期(月)+投资次数=月活(MAU)

　　最后一次回款日期+回款后最近一次投资日期=用户流失

　　时间区间内投资金额/时间区间内投资用户数=人均投资金额