近期，在热云数据主办的【“work shop 增长有道”上海站】活动上，来自你我贷投资运营中心总监田增福和大家分享了互金行业用户增长和精细化运营方法。一起来学习他的精细化运营之道吧。
整个互联网金融涵盖面比较广，包括互联网支付互联网理财、网络借贷、互联网小贷、互联网征信，以及之前比较火的虚拟货币，都属于互联网金融的范畴。互联网金融其实是在金融与互联网结合之后，在这种颠覆创新的方式下做了很多的突破。
P2P从字面意思理解就是我们互联网金融点对点的借贷平台，P2P平台就是它基于这个平台来撮合借款，还有出借人，然后提供信息中介的策划服务，然后会收取相应的管理服务。
先看一个数据，这个数据是取自第三方网贷平台的数据，蓝色的柱子是整个P2P行业成交量的曲线。大家可以看到，在14年到15年的阶段，整个体量还比较小，从15年开始增长比较大，而且增长的幅度也非常大。16年到17年曲线趋于平稳，相应的还有另外一个曲线综合预期收益数据，大家可以看到最开始达到20%以上，最后逐渐下降，现在接近10%。我们看到成交量，可以看到这个行业其实它经过了不同行业周期，14年这个行业逐渐形成，然后15年开始进入比较快速的成长期，然后逐渐进入成熟期。
大家可以看到整个行业经过生长期和成熟期，在这两个阶段，平台运作方式其实都不一样。不同点在哪里？在生长期阶段，主要精力放在拉新，如何规模化的拉新客户，这个是非常重要的工作。当时我们整个运营方式是比较粗放的，没有太多的数据积累，只能在运营的过程中去探索，相对而言还是比较粗放。从增长方式而言，主要是依靠产品驱动和渠道驱动，比如我们在产品上会有专门针对新客户的产品，包括注册送体验金，基于补贴方式的产品，让市场开始知道有我们P2P互联网理财产品，吸引投资人投资。另外我们还与渠道等异业合作，比如优酷、线下的全家，对我们在渠道上面扩展新客户带来非常大的帮助。
进入到成熟期，拉新已经趋于稳定，这时候关注老客户的投资占比，针对老客户做一些精细化运营。此时，我们增长方式也发生变化，开始走向数据驱动和运营驱动。做精细化运营最重要的是基于数据做运营，成熟期以后，就需要做一些基于更多补贴之外的差异化营销，更加注重产品的用户体验。
野蛮生长期之乱象
我们在做渠道推广，遇到各种各样的欺诈，包括羊毛党、欺诈党和渠道欺诈，所以当时有很多的小平台，就是被羊毛党薅死掉的，因为羊毛党投的期限比较短，比如投资了三个月的产品，今天可能有一波非常大羊毛党过来投资了一个亿，整个公司都非常高兴，但结果发现三个月以后突然一个个都撤走了，这时候你不可能花大量的精力再去吸引投资人加入，所以在这种情况下你可能就需要至少一个亿的资金给到期账户衔接，接不住的话，你的这个平台就挂掉了。
欺诈党方面，我们在推广上面会有注册送体验金的方式，不需要投入，用户注册就送，体验一段时间就直接返现到账户上。这很大程度上吸引了欺诈党的进来，我们通过数据分析发现，有许多专业性的个人或者团伙收集了上千个账号，在理财平台上薅体验金，赚取返现资金。所以我们在渠道推广上也做了调整，按照cpa、注册等方式做结算，其中也发现一些渠道做刷量。
成熟期之数据驱动
进入成熟期以后，我们最重要的是做好数据驱动以及构建数据体系，整个数据体系构建是遵循金字塔的原则，最底层的是需要完善的报表体系，包括渠道推广、运营、产品转化、资金、投资等，在各个部门都是有非常完善的一个报表体系。最基础的报表体系需要达到直观看到每天各项数据的变化，用户的来龙去脉等要求。报表体系之外，其实需要相应的数据营销体系，基于用户的基本属性、交易行为、社交行为以及其他符合标签来做的用户画像，我们可以做更精准的数据营销。根据不同用户属性进行分群，在用户不同阶段，使用不同的方式触达用户，做到精准营销。
行业数据是我们需要去做分析的，包括竞品数据监测、包括竞品数据分析、行业大盘指数。举个例子，今年你的增长率可能是30%，但是你分析这个行业大盘，增长率100%，你就会发现你的增长其实是很差的。
还有一个非常重要是员工数据能力，前面提到的数据报表等工具，怎么样用好它们是非常关键的，所以在员工数据能力上有直接的因素，包括我们平常的业务人员，也包括我们专门的数据分析人员。去年我们把整个投资运营的数据分析人员全部划分到业务部门下面，包括渠道推广部门、会员运营等部门，那为什么要做这个事情？对数据分析人员来讲，最重要一点是必须了解业务，与跟业务员打成一片，这时候你才能更好的驱动业务增长。让数据分析人员了解业务，发现业务的增长点，然后同时影响业务人员，使得业务人员也具备这样的能力。
Web Analytics 2.0框架
Web Analytics 2.0框架，基于用户行为和交易数据分析发生了什么，影响了多少，并通过测试和调研，以及用户的声音反馈，找出数据背后的原因，结合行业和竞品数据得出见解，付诸行动。
通过点击流数据和交易转化分析，清楚的知道平台上产生了什么行为。比如说今天流量或者销售上升了，是由哪些渠道带来的。但是这里是有局限性的，举个例子，这个月整体渠道的业绩都在下滑，我们数据分析师开始基于这些数据，对每个渠道都进行分析，发现十个渠道都在刷量。
我们再以另外的维度分析，比如城市、或者其他的用户分群的的规则去分析。如果发现不了，到底是哪些数据变化导致业绩下滑，这时候我们就需要跨多维度的数据去做一些实验测试。
我们先说用户声音，很多情况下，我们数据发生变化并不是渠道导致的，可能是整体用户的行为。比如我们有专门的用户论坛，其实这是很好收集用户反馈的方式，所以我们都非常关注这些平台上面用户声音的反馈。例如本月整体业绩下滑了，看用户论坛，用户可能对最近搞的活动有很大的不满，或者对我们整体发送营销信息感到不满，从用户声音上面才能发现这些数据下降的原因是什么。
竞争情报，你今天可能有活动在平台上，我们平台上面价格110元，然后发现110元也没有什么效果，然后去竞争平台上看，发现他们的价格120元，所以不关注竞争对手，也会造成大量的用户流失。对于整个Web Analytics 2.0框架，我们需要基于整体数据分析来得出见解，通过见解再指导行动。
来源：微信公众号：热云数据