如果将用户投资行为，与最近一次交易时间、交易频率、单位时间内交易金额相结合(根据RFM模型)，在计算和分析后对于用户价值判断、召回策略制定等方面将能够提供有力支撑。

　　R(Recency)：用户投资的时间间隔

　　F(Frequency)：用户在单位时间内投资的次数

　　M (Monetary)：用户在时间内投资的金额

　　交易数据举例

　　风险收益数据举例

　　有关风险收益数据，稍微展开说一下：

　　对于大多数互金平台来说，产品的展示和推荐，首先还是基于营销的目的来做，不太考虑用户自身的风险承受力情况。甚至有些时候，在用户完成风险测评后，还会诱导用户购买超出自身风险承受力的产品，于是你就会看到下面这种画风：

　　XX金融在用户完成风险测评后给出的投资建议(图片来自公众号@智能投顾联盟)

　　按照这两年监管发展的方向，“把合适的产品卖给合适的投资者”的适当性原则落地，将逐渐从持牌金融机构向互联网金融公司逐步扩散。基于用户风险承受力和收益目标来进行产品和运营策略设计，一方面能够提高合规水平和平台安全边际，另一方面，也是对用户投资需求和投资能力的更进一步把握。这部分内容之前的文章也有涉及，可点击《触动人心的运营策略01：深解互联网金融用户属性》查看。

　　用户风险承受力与产品风险等级的匹配关系-基于用户风险承受力(5档分级)

　　用户风险承受力与用户投资目标的关系-基于用户风险承受力(3档分级)

　　2016年蚂蚁金服公布的《蚂蚁聚宝大众投资人大数据分析》中，透露出来的5项内容，分别都能对应到上文提到的四大类数据中：

　　注：

　　在实际搭建数据指标体系的过程中，指标会拆解得更加细化，这里不是写PRD，就不针对这四类数据对应的报表字段详细展开了

　　此处的“交易数据”，主要只用户发生投资行为后的持仓数据;而用户的首投、复投相关的时间、金额、产品数量等投资行为数据，包含在“行为数据”的类目下

　　Part2.用户增长模型搭建

　　基于用户行为的增长策略，依赖于三个基础模型的建立，它们分别是：转化漏斗模型、生命周期模型和任务分层模型。

　　其中：

　　转化漏斗模型是在纵向上，对用户转化的节点进行分析;以此为基础，根据用户在不同转化节点的分布情况，对将用户在平台上所属的生命周期进行定义和划分

　　任务分层模型是在横向上，对用户在平台上的各种行为进行拆解和分组，按照“核心任务-扩展任务-外延任务”的体系进行划分，以此为基础引导用户在不同层级的任务中迁移和成长

　　最终，通过对用户转化率的持续优化、用户任务完成行为的持续引导，进而实现对平台各生命周期用户的差异化运营和服务，最终实现平台用户快速和持续的增长

　　模型Ⅰ-用户转化漏斗模型

　　关于转化漏斗模型，道是无在此前的文章中已经有过比较详细的描述，在此就不再展开。

　　转化漏斗模型(理财端)

　　基于以上模型，对于理财端用户的转化关键节点和对应的重要指标就可以比较轻松地掌握了。但在实际的应用中，这只是达到了60分的及格线而已。那么，该如何用更高阶的手段来使用转化漏斗模型呢?以下是2个可以参考的方向：

　　1、用户分支路径转化漏斗(以传播/邀请为例)

　　转化漏斗模型-分支路径转化