互金平台數據透析：用這3個模型就夠了

作者：綽號甄嬛的男人

全文共 3233 字 3 圖，閱讀需要 7 分鐘

———— / BEGIN / ————

由於運營部門是互金平台公司里需要對業績對KPI負責的部門，這決定了運營人員需要時時刻刻觀察數據，從數據出發找到公司運營的異常情況。

若上天保佑大吉大利，業務數據增長符合預期，那很棒今晚可以吃雞；若多災多難，業務數據下滑嚴重出現異常，也不必慌張；學會利用和使用數據，通過數據多維度的對比分析，找出數據波動的潛在因素，並思考對應的運營策略並迅速做出調整，保證公司業務回歸正常——所謂兵來將擋水來土掩。

市面上互金產品的運營端工作主要分為兩種，一種是資金端（即出借人Or投資人）的獲取，另一種是資產端（即借款人）的獲取。

前者典型例子為證券炒股類、銀行理財類、P2P類的互金產品；後者典型代表為現金貸類、借款類的互金產品。

本文的研究對象是前者，通過三種常見的數據分析模型，闡述資金端獲取的互金產品的數據分析角度，希望對大家有益。

模型一AARRR模型，針對整個產品層面

從整個產品日常運營層面做分析，筆者套用現在市面上比較流行的AARRR運營模型。這個模型幾乎可以套用所有的互聯網產品，大家也可以嘗試著在自己的垂直領域去套用分析。

獲取用戶（Acquisition）

關鍵數據指標：註冊用戶數、投資用戶數、人均投資金額；

分析角度：需對比不同渠道的註冊量與註冊質量，註冊量看註冊用戶數，註冊質量看投資用戶數與人均投資金額（即轉化率）。

提高活躍度（Activation）

關鍵數據指標：瀏覽量（PV）、訪客數（UV）、IP數、APP日活躍用戶、APP日啟動次數；

分析角度：不同於社交類或資訊類產品，互金類產品不是非常看重活躍度這個指標。因為從最理想的情況上分析，用戶投資後，是不需要再點開APP進行任何操作，接著就是坐等本金和利息回款即可，這也是用戶對投資產品信任和放心的一種體現。

那什麼時候活躍度這個指標值得運營者去重點關注呢？

兩種情況，重大利好或重大利空的消息發布。重大利好如平台融資、力度空前的營銷活動等，重大利空如各種負面新聞曝光等，這個時候運營者需要去關注這個活躍度的波動，並要分析波動是否在預期範圍里。

獲取收入（Revenue）

關鍵數據指標：投資用戶數、交易額、平均投資期限、滿標時長；

分析角度：收入數據在電商平台里對應為營業額，在互金平台里則對應為投資數據。

一個平台的「吸金」能力可以從投資用戶數和交易額這兩線指標里直觀看出，另外還有兩個輔助指標，一個是投資期限，一個是滿標時長。

借用馬化騰爸爸說的一句話，「金融拼得不是誰跑得快，而是拼誰跑得長。」所以投資期限越長，代表用戶信任平台，願意長期限進行投資，也代表了平台的經營狀況越好；而滿標時長越短，說明資產供不應求，平台獲取投資資金相對容易，這也代表了平台的經營狀況良好。

提高留存率（Retention）

關鍵數據指標：充值金額、提現金額、充提率、回款金額、回款用戶數、留存金額、資金留存率、資金復投率、留存用戶數、留存用戶比例、流失金額、流失用戶數、資金凈流入/流出

分析角度：做好留存是互金平台的重中之重，這裡面牽涉的數據指標有很多，給人眼花繚亂的感覺，但核心只要關注兩個數據，資金留存率和資金復投率，因為這兩項其實是結合了回款、提現、充值、投資而綜合計算出來的。

短期看，留存率和復投率會隨著短期的營銷活動而產生劇烈波動；長期看，留存率和復投率會隨著平台的徵信、利率、產品體驗等各方面的提升而穩步提高，反之亦然。

自傳播（Refer）

關鍵數據指標：邀請用戶數、邀請用戶投資額、紅包分享次數、活動分享次數

分析角度：做好自傳播能幫助平台節省很多渠道費用和推廣費用，把這部分費用讓利給邀請人用戶，邀請功能幾乎也是很多互金平台的必備功能之一，除此以外，一些大型活動和功能也具有分享傳播的價值。筆者見過最狠的是平安銀行，手機App里幾乎所有落地頁面都具備分享功能，無時無刻都在提醒用戶進行分享傳播。數據層面關注對應的分享數據及轉化數據即可，比較簡單。

模型二佔比模型，針對某項功能層面

除了產品日常運營需要做數據分析，互金類產品上線了新版本，更新了如VIP體系、積分體系、任務體系、自動投標、智能投顧等新功能，這個時候運營也需要對特定功能進行數據跟蹤與分析，了解用戶對新功能的反饋。

有些運營喜歡對用戶進行回訪調研去了解用戶的接受度，但筆者認為只有數據是最客觀最真實的，能切實解決用戶需求的功能，一定能在數據層面有好的體現。

下面介紹兩種判別方法：

1. 新功能是否受歡迎？

衡量指標：活躍比例。

即：使用新功能的活躍用戶數/同期活躍用戶數。

2. 用戶是否會重複使用？

衡量指標：重複使用比例。

即：第N天的繼續使用新功能的用戶數/第一天使用新功能的用戶數。

（以上部分內容引用於人人都是產品經理專欄作家@藝林小宇 專欄文章）

模型三漏斗模型，針對運營活動層面

活動是運營人員的日常工作，如果把一個活動比作一個項目，一個再複雜的項目都可以通過WBS：工作分解結構（Work Breakdown Structure）進行拆解。

同理，一個再複雜的活動也可以拆分成多個步驟去分析，這裡常用的分析方法就是進行漏斗模型分析，分析從潛在用戶到最終用戶這個過程中用戶數量的變化趨勢，從而尋找到最佳的優化空間。

比如，下面的例子是分析從用戶進入某個活動頁面到最終產生投資行為的變化趨勢。

最後，我們從這個漏斗中去分析，每個環節的轉化率有沒有達到預期。如果沒有，就要反思活動流程中還有哪些可以優化的環節，比如文案是否足夠吸引、步驟是否足夠精簡、體驗是否足夠流暢。

數據會說謊

數據會說謊這種說法相信大家都聽過，其實數據本身是不會說謊的，是收集、分析數據的方法會說謊。

數據分析過程中，如果結合其它維度再次做分析，有時候是會得出完全不一樣的結論。

舉個例子：

一個用戶運營團隊要做用戶喜愛度調研，於是給所有每天使用他們產品的用戶致電訪問；最後調研結果顯示：他們的產品用戶喜愛度接近100%，他們信心滿滿，覺得產品太完美了。

可是，不喜歡誰會天天使用你們的產品？

（這個例子類似「倖存者偏差」陷阱）

互金產品里一樣也會出現數據說謊情況。

舉個典型的例子：

A渠道投資轉化率為60%，B渠道投資轉化率為40%，從以上數據分析，A渠道的用戶質量明顯比B好。

可是，如果結合不同的維度，結論有可能是B渠道的用戶質量是比A渠道的更好。

比如結合金額留存率這個維度，A渠道用戶的金額留存率是10%，B渠道用戶的金額留存率是50%。

這說明A渠道用戶的「羊毛」屬性明顯更重，用戶都是投完一筆拿完首投獎勵就走，相比B渠道的用戶能在首投後留下來繼續投資，所以B渠道用戶的整體質量是更高的。

這種情況下，我們就得到了和之前截然相反的結論了。

因此，產品運營人員做數據分析時，一定要儘可能把各種干擾因素考慮進去。

一個錯誤的數據分析結論比不做任何分析都還要遭，畢竟掉進坑裡後，還要花費力氣跑出來，這裡面的時間成本、機會成本實在太高。

結語

在互聯網這個信息洪流中，不少人幻想著能抓住一些一夜爆紅的秘籍，各種含金量不高的營銷類、學習類賬號（人人都是產品經理當然除外）也喜歡分享以下類型文章，如《如何製作刷爆朋友圈的某某H5》、《四個方法教你打造爆款》、《寫出10萬+文案的七個細節》等等。很多互聯網運營者熱衷於學習研究上述各種「看得見」的道和術，但對許多「看不見」的體系內容缺乏足夠的關注。

數據運營分析，就是「看不見」內容中的重中之重。

看數據、找原因、想對策，基本上就是一個運營人員每天的日常工作。除了「想對策」這步，需要結合運營人員對業務、對用戶、對產品的熟知和了解（通常也是由運營總監做出決策）。

其餘兩步，懂得「看數據、找原因」，就是一個合格運營人員的必備技能，而且這項技能越嫻熟，越懂得用數據指導運營工作，運營人員的階位就越高。

最後，希望大家都能成為運營大神。

———— / END / ————

推薦閱讀：