金融科技公司如何尋找潛在客戶？

什麼是金融科技公司的目標群體？

本題已收錄知乎圓桌 ?金融科技浪潮 ，更多「金融科技」話題討論歡迎關注

謝邀

這個問題可以用一句話來概括。你找或是不找，金融科技公司的潛在用戶就在那裡，在傳統金融機構里。

對於金融科技從業者而言，真正要做的事情是怎樣通過技術與金融的結合升級金融服務，進而把傳統金融服務的用戶或是渴望得到金融機構服務的用戶吸引過來。

中國有一個快速增長的中產階層，雖然中產的財富定義在當前還有許多分歧，但是可以肯定的是，在「資產荒」的市場環境中他們缺乏優質的金融服務，他們大量的需求遠遠沒有得到滿足。如果金融科技能夠很好的滿足他們的金融需求，相信客戶不是問題。

科技帶來金融服務的提升，以財富管理為例

1、用戶體驗提升

關於財富管理服務，可能我們大部分投資者都沒有接觸過。因為如果想要享受私人財富管理這類服務，在傳統金融機構至少需要100萬元的投資門檻，但可能只是獲得一些理財產品的推薦，當達到500萬元的投資門檻之後才能夠獲得更多的增值服務。若要享受頂級的財富管理服務，門檻要在千萬元的級別。

其實從財富管理的本質而言，其業務形式從中世紀誕生以來就沒有發生過重大變化，其基本流程——理解客戶需求、提出解決需求的方案、完成方案所需要的交易，為客戶重新調整方案。

執行和調整的絕大部分工作由人工完成，也正是因為這樣的形式，財富管理的服務往往意味著高門檻，高費率和耗費時間的溝通。畢竟一個私人銀行家無法為更廣大的投資者提供優質的服務。

歐洲中世紀的金融家

金融科技通過技術的升級，可以大幅降低財富管理業務的人工成本從而提高用戶的體驗。Robo advisor 的先驅者Wealthfront和Betterment 就率先將投資門檻從100萬美元，費率在1%-2%的財富管理業務降低至投資門檻5000美元，費率只有0.25%。非常高效地解決了中產家庭渴求的財富管理服務。

無論是中國還是美國，財富管理的需求是同樣的，中國有著數量龐大的中產家庭，需要金融科技為他們開發出更好的產品，解決他們最急切的金融需求。

2、把人的影響降到最低

剛才提到，一個世紀以來為投資者進行財富管理決策的主角都是人。但是在全球金融市場高度聯通高度發達的今天，人對於投資的經驗顯得越來越無力。在全球數百個金融市場中，有海量的因子影響資產價格的表現。數據變數越多、維度越豐富、相關關係就越複雜多變，這已經遠遠超出了人腦的處理能力。

關於人在投資決策中的作用，我想最著名的案例就是巴菲特的賭局了。2005年，巴菲特立下100萬美元賭局：以10年為期，對沖基金的表現能否跑贏標普500指數。2008年，一位對沖基金的合伙人選擇了5支對沖基金構成組合，欲與巴菲特一決高下。九年時間過去了，標普500指數基金的年化回報率達到了7.1%，而沖基金組合年化收益率卻只有2.2%。

因此，在進行長期投資的時候。最好的方法是把決策權交給機器演算法去獲取市場的β收益，而非基金經理，因為絕大多數的基金經理都無法長期跑贏市場。

而演算法可以通過大數據配合現代組合理論，資本資產定價模型，三因子模型等，為投資決策獲取精確的結果。這個結果並不是依靠數據預測事件去賭某一類資產的漲跌，而是在把握市場數據的前提下，產生「大概率盈利」、「小概率小回撤」的資產組合，進而獲得長期穩健的收益。

3、場景化投資的實現

每個家庭都有各自不同的境況。無論是剛剛組建家庭、迎接一個新的生命，還是準備退休的生活。相關的財務方案都會有相應的改變。無論是投資組合的策略變化，或是家庭保障的規劃。在金融科技的範疇中，都需要演算法來滿足人生中不同階段的金融需求。我相信在不久的將來，金融科技在財富管理方面的應用，會做到像每個家庭的財富管家一樣，通過對用戶的家庭，收入，負債和財務需求的分析，能提早滿足每個家庭的金融需求。

當一家金融機構通過科技的升級，真正解決了用戶的需求時，潛在用戶轉化為真正用戶也就不是問題了。

二、金融科技與用戶是怎樣相互吸引的？

當前，國內的金融科技尚處在起步階段。以金融科技+財富管理為例，哪些特性是投資者最為關注的呢？通過我們的調查，結果是這樣的。

這是一個多選問題，可見用戶最關心的是資產的安全狀況以及長期穩健的增值的基礎屬性。而核心的屬性中最受關注的是7*24小時跟蹤評估和調整提醒，可見用戶把錢交給Robo advisor之後，重點關注的問題是非常實際的。

用「喜歡和新穎程度」交叉出四象限圖之後，我們可以從另一個角度觀察出用戶對Robo advisor屬性的反饋

將用戶的金融知識與風險偏好進行細分之後，可以得到更為詳細的結果。中等金融知識的用戶風險偏好偏於保守的用戶對於Robo advisor有著更為強烈的意願。這類人群也與金融科技最適合承接的中產階層所吻合。高金融知識的用戶普遍投資渠道比較多樣，但仍不排斥金融科技的手段，高金融知識人群位列第二梯隊。而缺乏金融知識的用戶對金融科技較為無感，看來金融科技的推廣還有很多工作要做。

三、傳統金融機構的覺醒

隨著中國中產階層的不斷壯大與金融需求的增加，中產階層這個市場必然會成為金融科技企業與傳統金融企業爭奪的主戰場。普華永道發布的年度《全球金融科技報告》顯示，預計到2020年，新興的金融科技公司將搶走大型金融機構24%的收入

當然，傳統的金融機構也並沒有坐以待斃，60%的傳統金融機構已經把金融科技置於企業的核心戰略。事實上傳統金融機構一直在擁抱技術進步，或者換句話說，成功擁抱先進技術的金融機構成功的存活並且壯大。比如1971年納斯達克建立時使用了計算機自動撮合和清算系統，1977年花旗集團率先將ATM引入了銀行系統，1990年代嘉信理財率先構建了互聯網證券交易平台。無一不是科技和金融結合的成功案例。

在新的時代，高盛和摩根大通都先後的聲明自己「是一家科技公司」。在普華永道的《2017年全球金融科技調查中國概要》顯示，大部分中國金融機構受訪者預計未來三至五年內將加強與金融科技公司的合作，其中高達68%的機構將通過「與金融科技公司合作」實現革新。

在這樣的機遇下，金融科技公司也有了非常好的前景和機構合作。一般而言，機構自主研發需要通過前期調研，立項，審批，團隊組建等流程，耗費時間較長，而且人才的局限性也限制了一些金融機構在金融科技上的業務擴張能力，因此通過和金融科技公司合作，傳統金融機構能夠縮短上線流程，提早提供好的服務。

僅僅在財富管理和投資領域，我們就看到了高盛和Kensho的結合，貝萊德和FutureAdvisor，UBS和SigFig，Fidelity和Betterment等等，在中國，華泰證券也投資了AssetMark。可見金融科技企業與傳統金融機構將會永遠這樣相愛相殺下去。當然，一切都是為了用戶。

目錄：

1. 用戶開白條的動機研究

2. 用戶分群指標

3. 聚類流程及效果

4. 用戶響應率排序

5. 最終的策略設計

本文共計1642字，預計閱讀6分鐘。

以白條為例，下面我們來談談白條的日常運營過程中，是如何應用積累的大數據進行統計分析，構建預測模型，制定合適的拉新策略（包括觸達渠道，何時觸達，觸達頻次等等）來實現潛在用戶的精準觸達，並以最小的營銷資源獲取到最大量的新用戶的。

出於商業秘密，圖表中的所有數據均為虛構。

1． 用戶開白條的動機研究

基於白條的類信用卡產品特性，我們對用戶開通白條的動機做了大量的研究分析。

我們發現，並非所有用戶在開通白條的當日就會進行消費，還有部分用戶在開通白條後過很長一段時間才開始使用白條消費。

對於那些當日有消費的用戶，我們認為他們把白條當作了一個賒購支付的工具。本質上是由於購物需求在先，繼而觸發對白條的需求。白條幫助這些用戶增強了購買力，幫助這部分用戶實現了個人消費周期的縮短和生活品質的提升。這些用戶裡面的大部分很可能是日後的循環額度使用者（revolver）。

而那些開通白條後不立即使用，留在日後使用的用戶，我們認為他們是把白條當作了信用卡，他們近期沒有明確的購物需求。但是希望開通白條獲得額度，以備將來的不時之需。這批用戶我們把他們定義為主要是信貸需求為主。

我們對這兩類用戶會採取完全不同的拉新策略。

2. 用戶分群指標

由於潛在用戶體量巨大，我們需要尋找有相似行為特點的潛在用戶，這樣我們可以針對每一類群體制定不同的營銷策略。

通常的做法是，可採取聚類分析或直接用用戶的畫像指標，制定簡單的規則來進行劃分。在我們白條的實踐中，我們採用了聚類演算法，實現用戶分群。

用戶分群主要可從以上幾大維度入手：用戶基本信息（如年齡、性別、地域、學歷等）、用戶消費行（如消費水平、品類偏好、瀏覽行為等）以及用戶其它方面的表現（如理財表現、資產狀況等）。

3. 聚類流程

在對用戶進行聚類時，第一步為特徵抽取，主要基於此前的指標體系及特徵覆蓋度進行綜合考量；

第二步為樣本選取，可根據某一合理劃分標準進行隨機抽樣；

此後可進行聚類，在判別聚為幾類時，若基於業務經驗有一個參考值，可直接用K-means進行聚類，若無明確參考值，則需先進行系統聚類，確定合理的分類值。當然，在確定合理分類值時最好基於輪廓係數、SSE及業務經驗進行綜合判定。

一般情況下，由於抽取樣本與所需預測樣本的差異性，不會只根據此前樣本訓練的的K值進行聚類，還需結合業務情況進行調整。此時，可以樣本K值為基準，擴大範圍進行K-means聚類，對比聚類效果圖並結合業務確定最終聚為幾類最合理。

4． 用戶響應率排序

白條用戶已有一定規模，可以基於已有用戶在成為白條用戶前的歷史消費行為、瀏覽行為、基本屬性等進行預測建模。模型的具體選取還需結合數據。

舉個栗子，對於購物需求在先的用戶而言，近期的消費需求及瀏覽行為對其影響是顯而易見的。因此類似於近期瀏覽行為（瀏覽次數、瀏覽品類等）、加購物車行為對於預測用戶是否可能開通白條都是比較顯著的變數。而對於信貸需求在先的用戶，用戶習慣是最顯著的變數。比如用戶的支付習慣，若用戶以前經常用信用卡支付，則該用戶有一定信貸習慣，對白條的認可程度相對較高，也更可能成為潛在用戶。

若基於已有經驗發現某幾個特徵對用戶影響很大，可用邏輯回歸建模，若特徵不明顯且數據很稀疏，則可採用機器學習的演算法（如svm、xgboost等）。

5．最終的策略設計

對用戶做好分群打標籤後，可針對每個群體設計不同的觸達方案。

例如基於之前的聚類發現某一類用戶整體消費能力強，且明顯偏好3C品類，則可在3C品類活動期間對該批用戶進行精準觸達，且給用戶提供3C品類的優惠券，投其所好。

若有歷史數據，則可利用分類演算法進行訓練，若無歷史數據， 比如我們不確定有理財表現的用戶是否對白條的響應度更高，此時就可採取A/B Test ，再抱持其他條件不變的情況下，購買理財和未購買理財的用戶各隨機抽取一部分，看實際用戶轉化率，再通過統計檢驗看看實驗效果是否可信，這樣就可以為以後的用戶篩選提供數據支撐。

上述方法僅供參考，需結合實際業務進行調整。

以上內容由京東金融量化運營部贊助提供。

題主這個問題分成兩個小問題：

1 金融科技公司的目標群體是誰？

2 如何找到這些人？

其實還包含了一個隱藏的問題，哪些是金融科技公司？

其實只要基於互聯網，與傳統大型金融機構相對的新興金融公司都屬於金融科技公司。保險、p2p、BATJ的金融子公司、消費金融公司、現金貸/小貸都在這個範疇之內。我們拆分開慢慢講。

BATJ巨頭

他們擁有著無可比擬的流量，這是他們最鋒利的武器，以便他們和傳統金融機構競爭。花唄，借唄，微粒貸，白條他們的目標客群和銀行信用卡客群並沒有本質性的區分，很大部分是重合的。這部分優質借貸人群始終是「香餑餑」，他們可以肆無忌憚在這部分人身上加槓桿。因為對於大部分勤勤懇懇工作的白領而言，他們會借多少錢不是由你給他們的額度決定的，而是他們還款能力決定的。

如何尋找到這些人呢？並不需要太費力尋找。因為巨頭們有著龐大的流量優勢，他們的目標客戶都在這些流量當中。他們需要的只是把這些人篩選出來。篩選方式也不算太難，只要借鑒信用卡的做法就好了。學歷，公積金，徵信記錄，隨便搞搞就差不多了，讓負責風控的人再根據實際情況實時調整一下策略。畢竟人家不差錢，又不差技術。

消費金融公司

這裡說的消費金融公司，指的是線下場景獲客的消費分期服務公司。

他們的目標人群和前者截然不同，他們不做信用卡客戶，甚至會主動避免信用卡客戶。為什麼要這樣做呢？因為會忍受著比信用卡更高利率，主動來尋找這類分期服務的客戶，往往是信用卡已經刷爆了，別無選擇之下才來選擇線下消費分期。這樣的人出麻煩的概率反而會比社會平均樣本還要高。

消金公司的目標客群，是無徵信報告，不一定有公積金，學歷不一定很高的優質借貸人群。沒徵信報告，又不一定有公積金，那你怎麼證明他還是優質借貸人群呢？這也正是消金公司在做的事情，他們做的就是線下，和BATJ沒有直接競爭；又沒有傳統金融機構的憑據，銀行做不來的這樣一群人。他們也有借貸需求，效應率還很高。他們重視用戶體驗，這也正好是消費金融公司作為金融科技公司能帶給他們的。

如何找到這些人？在線下場景中獲客，用一線銷售的經驗和優秀的風控技術來進行篩選。這些公司各有各的本領，能在未來殺出重圍的技術上必然有著過人之處，說他們是FinTech，絕對無愧科技之名。

現金貸公司

我之前看到一個現金貸公司自己發布的報告里，稱他們的風控率控制在百分之四左右，真的不得不讓人感嘆他們的厚臉皮。要麼是他們的「風控率」計算方法和大家不太一樣，要麼是他們拿某一個月或者某一個超低額度產品數據來代表全部，不然這個百分之四我是沒辦法相信的。

現金貸公司放款的策略並不完全一致，有的是看芝麻信用分，有的是前期有一些步驟，但是總之大家的想法都差不太多，就是把更多的錢放給有可能還款的人。他們沒有明確的目標，只要你有需求，只要資質沒那麼差，他就把錢借給你。有些公司風控之差簡直讓人大開眼睛，黑戶都有三千的額度。

他們的客戶源怎麼找到的呢？那就是八仙過海各顯神通了，有些通過應用市場seo，有些在頭條陌陌里打廣告，有些去廠區或者公交車上做廣告，等等。

簡而言之吧，金融科技是一個新型名詞，之所謂這個詞目前這麼火熱，是互聯網陣陣熱潮中的必然階段。互聯網的巨大優勢，讓新創業者們衝擊傳統行業有了可能性，而金融從來都是最賺錢的業務，互聯網金融的發展正是必由之路。而金融科技這個詞，不過是新型互聯網金融公司從概念上對傳統金融衝擊的第一步。

浙江172家金融科技（FinTech）企業發展報告-附企業介紹及融資信息

報告看點梳理：

①金融科技行業概況及發展的三個階段

②細分7大領域，網路借貸/互聯網理財、支付、大數據徵信、區塊鏈、智能投顧、互聯網保險和眾籌

③一年間從6億到27億美金，中國FinTech投資額大幅增長背後的主要推動力是什麼？

④知名投資機構布局及地域分布

⑤172家金融科技企業介紹及融資信息

金融科技（FinTech）是當前金融界十分關注的話題，正受到不少互聯網金融公司的熱捧

金融科技通常被界定為金融和科技的融合，就是把科技技術應用到金融領域，通過技術工具的變革來推動金融體系的創新。

金融科技的外延囊括了支付清算、電子貨幣、網路借貸、大數據、區塊鏈、雲計算、人工智慧、智能投顧、智慧合同等領域，正在對銀行、保險和支付這些領域的核心功能產生非常大的影響。

FinTech和互聯網金融有何區別？

從覆蓋範圍上看，金融科技包含的方面比互聯網金融還要多。支付清算、融資、基礎設施、投資管理都是金融科技的主要業務。除此之外，金融科技幾乎正在被應用到金融領域的方方面面：借貸、財富管理、支付、保險、眾籌、徵信，甚至是零售銀行和房屋中介。

隨著互聯網金融監管的不斷收緊，為了規避高門檻，今年上半年，一些互聯網金融紛紛轉型為金融科技公司。

目前中國的金融科技活動主要集中在五類機構六大業態

過去幾年中國的FinTech發展很快，其中一個比較重要的原因就是在發展過程中，很多互聯網應用場景相關數據和金融平台數據是打通的，這客觀上有利於FinTech快速發展。

五類機構包括傳統金融業、互聯網機構、新興互聯網金融、通信機構和基礎設施。

六大業態包括互聯網支付、網路借貸、眾籌融資、互聯網基金銷售、互聯網保險，互聯網消費金融。

截至2017年11月初，參照系優質企業資料庫共收錄172家浙江金融科技（FinTech）企業，主要分布在7大領域，包括網路借貸/互聯網理財、支付、大數據徵信、區塊鏈、智能投顧、互聯網保險和眾籌。其中以網路借貸/互聯網理財領域為主，共有85家相關企業。

樓主的問題是 金融科技公司如何尋找潛在客戶？

如若大家有注意到 微信廣點通廣告，即可 很多微信文章底部的廣告時，你會發現最多的就是信用卡廣告了。信用卡的銷售有著極其嚴格的roi考核，傳統的信用卡銷售一般都是通過地推人員在超市等門口擺攤銷售，或者讓掃街人員挨個上門推銷。每賣出一張卡多少提成，達到什麼等級什麼提成，這些都有非常明確的行規。

移動互聯網爆發以後，特別是微信廣告推出以後，信用卡搶佔了這波紅利先機，大肆投放廣點通廣告以獲得低成本並且快速的推廣。

所以，無論是金融公司如何尋找潛在客戶，還是地產公司如何尋找潛在客戶，都繞不過一個話題：目前情況下，哪個媒介渠道是最火熱，最流行的？

過去是門戶，是bbs，因此我們的客戶會在bbs上，那再根據客戶群體選擇不同的bbs，比如本地的bbs 如廣告媽媽網，垂直度額bbs 比如鐵血網。

再後來是人人網，是新浪微博，是微信，而現在是今日頭條。

因此，對於一名市場人而言，要有非常敏銳的紅利市場挖掘能力，提前布局這些紅利市場然後再通過具有創意的營銷手段切入，以獲取市場紅利