LIVE 已结束
12月8日，由易观主办的“数字用户资产实践之路——易观大数据应用沙龙 【金融系列巡回深圳站】”将在南山区海天一路软件产业基地4A栋1楼3W咖啡举行。创客猫作为合作伙伴将到场进行独家图文直播。
活动流程：13:30——14:00 现场签到14:00——14:30 狂欢后的互联网金融（易观金融行业中心资深分析师：马韬）14:30——15:00 基于AI的金融用户大数据资产变现（爱智慧科技CEO：梁新刚）15:00——15:30 高价值用户的养成之路（前海航交所首席技术官：柯金虎）15:30——16:00 数字用户的场景应用（人人聚财副总裁&互联网事业部总经理：于爱军）16:00——16:30 滚雪球的数据运营之路（金斧子滚雪球运营总监：董超勋）16:30——17:00 圆桌对话：数字用户资产管理与实践探讨
活动即将开始
本次直播现在开始。
主持人（易观生态关系中心市场经理 凌晓敏）：欢迎大家到来。本次的活动主题是数字用户资产实践之路。我们之前有出企业的财务报表，是企业实力的象征。现在已经出来了企业的第四张报表，也就是数字用户资产。本次沙龙就是讨论这个，如何进行数字用户资产的管理和经营。这也是企业未来最重要的竞争力之一。现在是大数据时代，数据已经是企业的新能源。那么金融企业应该如何利用大数据对数字资产进行管理、获客和做用户的市值管理能力呢？本次沙龙的金融系列，分为北京、深圳和上海三站一起做巡回沙龙，一起告诉你数字用户资产管理的秘诀。11月30日在北京已经做完了，本次深圳站是第二站，12月16日是上海的第三站。
主题演讲：狂欢后的互联网金融演讲嘉宾：易观金融行业中心资深分析师 马韬
马韬：我演讲的主题是“狂欢后的互联网金融”，我的主要内容是对互联网金融2016年做一个回顾。我的回顾主要是从四个方面讲：第一个方面是看2016年互联网金融政策环境发生的变化，第二是这些政策环境下行业发生的变化。第三个方面是看企业做了哪些应对措施，第四是看各细分领域发生了哪些变化。我今天的主题主要是围绕这四个变化来讲。如果大家都是金融行业的从业者就可以明显感觉到，今年从政策层面，无论是P2P还是支付都可以看到，从去年年底到今年一整年，不管是各细分领域的监管细则的出台，还是在细分领域的落地，今年大家有一个明显的感觉，就是互金行业的政策收紧已经正式开始了。接下来就从我刚才说的这些变化中看一下政策环境，以及行业、企业和投资领域都发生了哪些变化。在总结变化之前先回顾一下互金行业在中国发展的历程。
马韬：我们通常会把2013年看成了互联网金融发展的元年，因为那时候有几个事情的发生。第一个是余额宝的产生，也推动了互金概念在整个普惠的环境下被大家所熟知。另外一个标志性的事件是补贴之战，也间接的推动了移动支付快速的爆发和发展，所以我们把2013年称之为互联网金融发展的元年。2014年，无论是资本市场还是创业者，互金是成为一个非常热门的领域。我们会看到支付、P2P，众筹，一系列的细分领域，无论是从融资的规模上、融资的笔数上，还是这些细分领域的交易规模上都发生了一系列的翻天覆地的变化。交易的规模已经不能用简单的爆发式增长来说，可以说是井喷式的增长，很多的增长已经突破了百分之几百，所以把2014年定义为互金的爆发年。2015年，是互金的监管元年。P2P等等的细分领域出台了一系列的管理办法，或者是监管细则，从政策的风向上来看，2015年已经体现出来了，这个监管是在逐渐收紧的，以前的野蛮生长将会暂时告一段落，这个是我们对于2015年关健词的总结。2016年，今年我们会看到随着一些监管细则的落地，包括支付，包括P2P这样代表性的领域，现在的厂商已经开始逐渐的根据监管细则，或者是根据暂行管理办法做一系列的平台或者是企业战略方向的转型、转变，所以在2016年我们可以看到很多企业做了很多的动作，所以2016年是互金行业的盘整元年
马韬：我们认为在市场表现上，各细分领域，行业整体的规模上来说并没有现在大家所说的那么悲观，交易规模仍然是保持高速增长的体现。但是在增速上会有一些势头，反映出在监管所造成的一些对行业的影响。首先是移动支付的交易规模变化。2015年到2016年上半年在交易规模上做了统计，2015年上半年整体移动支付的交易规模是6.3万亿，但是到了2016年上半年，这个交易规模已经达到了13万亿，增速是33.95%，和2013年、2014年的环比少了很多，需要考虑到年环比增长的市场背景。2013年本身移动支付的习惯性在很好的养成，而且基数比较低，所以2013年移动支付的增长率是800%。但是需要注意一个问题，在这800%的增长率当中，有很大一部分是余额宝以及余额宝这样的货币金融产品带来的增长。到了2015年仍然保持500%的超高的爆发式的增长率，在这个阶段，用户的移动支付习惯已经逐渐养成，再加上各厂商对于移动支付的补贴，2015年移动支付的增长依然保持着爆发式的增长。但是需要看整个行业的渗透率，到了2016年，我们认为全年的移动支付的增长率基本上维持在70%左右。在这个阶段，移动支付的增长率已经回归到了正常，但是保持高速稳定的增长态势。这是移动支付的交易规模年上半年的变化。
马韬：再看一下互联网支付。交易规模逐渐上涨，2015年上半年到2016年上半年，交易规模的增幅是不断下降的，自从2015年的第二季，移动支付的交易规模首次超过了互联网支付之后，可以看到越来越多的厂商在大力的推广移动支付，互联网支付是属于自然增长的态势。也有很多只有互联网金融牌照的公司依然在做，但是增速是在逐渐下滑的，而且在移动化的趋势越来越明显的背景下，未来互联网支付的大部分的交易量将会越来越多的被移动支付所代替，这也是大家所看到的。我们预测互联网支付在未来，它的增速仍然将逐渐下滑。在未来的两到三年之内，互联网支付的增速会进入到平行增长或者是负增长的阶段，它的交易量都是来自于移动支付。
马韬：接下来看P2P。大家之前一直认为P2P是互联网金融一个特别重要的细分领域，也是互金行业最具代表性的细分领域。2015年增速是93% ，交易规模是2563亿，到2016年，上半年是8114亿，预测今年的交易规模是可以突破2万亿的，但是明显的下行增速曲线，上半年直接由138%回落到30%多。第一是来自于监管的压力，第二是在当时的背景下，很多企业并不具备做金融的能力，很多创业者进入到这个领域中，当然不乏想把这个行业做好的企业，但是也有一些企业是进入这个圈子里浑水摸鱼，或者是从事不良目的的企业。随着监管的逐渐收严，第一我们会看到平台的数量上，相对于去年是有所降低的。第二是从去年下半年开始，互金行业的P2P领域的负面新闻不断爆出来，投资人也越来越谨慎，这个变化在2016年就表现得特别明显。众筹，主要指股权众筹。这个曲线体现得非常明显，2015年加起来是100亿左右，上半年是80.2亿，这个增长并没有达到早期对于众筹这个细分领域的预期。而且在今年的80.2万亿的交易规模中，有很大一部分是来自于京东东家股权众筹，以及蚂蚁达克这种大平台的股权众筹，在监管制度下发之后，这样的企业具有试点的资格，其他的很多股权众筹平台已经归类为非公开私募股权融资的性质，所以在公开的层面上会受到一些限制。所以未来预计众筹的交易规模不会像以往有爆发式的增长，他的增长将会是逐渐平稳或者是回落。
马韬：互联网消费金融。实际上从去年年初开始到现在，在互金圈说得更多的一个名词，也有很多P2P企业也开始转型做互联网消费金融，或者是在概念上会发生一些变化，一些业务会逐渐的转向消费金融业务。在2014年统计，通过互联网渠道发生的消费金融的业务只有96.9亿元，但是增长幅度非常快，到了2016年，他的交易规模已经将近900亿，这个交易规模的统计，实际上是仅包括线上的消费金融业务，包括分期，包括现金贷，但是不包括银行做消费金融业务的规模，因为这个里面仅仅包括我们所说的非持牌在做消费金融业务的电商公司，以及持牌的消费金融公司做的通过互联网渠道发生的消费金融业务的交易规模。预计明年互联网消费金融的交易规模仍然会保持高速的增长。互联网保险。对互联网保费的收入做了统计，2013年是291亿，2015年是达到了2223亿，这个增长幅度非常快，2016年的数据还没有出来，但是我们会看到之前保险行业协会公布的数据，财险互联网保费的收入上半年已经超过了2千亿，按照这种统计数据来看，今年互联网保费的收入将对去年不止两倍，所以说我们会看到互联网保险在未来的增长空间会更大。
马韬：监管逐渐趋严是大家都知道的，在这种背景下，早期的一些企业，很多互金企业由于创新模式或者是创新业务没有监管的准入门槛，或者是没有明确的监管细则，在很多情况下，一些企业在做的是监管套利、空白区的监管红利等等，但是在今年的情况下，这种收入，或者是这种创新空间是越来越少了。首先看一下现在大家比较关注的支付领域，今年已经出了几个关键的政策，第一是网络支付管理办法对支付企业做了明确的定位，支付企业回归到了通道，不允许被金融机构那样开立帐户，同时对于虚拟帐户的资金也做了一定的限制。在帐户分级上分出了1、2、3类帐户。前面的两个政策是针对互联网支付而做出的。第二部分是汇率，对线下汇率做了调整，线下的收单公司，以前这种银联发卡的收单机构，现在已经成为了历史。
马韬：在这几个政策的影响下，有几个对于企业的影响。第一是对于以互联网和移动支付为主的企业，以前是做综合金融服务平台，他们履行的职能越来越像银行所做的业务，同时在监管上，从洗钱的角度来看是有一定的风险的。监管细则出台之后，这样的企业回归到了支付本源的业务上，很多以前他们所作的，比如说综合金融平台，在没有牌照的情况下，这些业务都不成立，只能依靠支付业务，以及支付延伸的增值服务来获取更多的利润。也就是说在利润空间上会有进一步的压缩，在给资本市场讲故事的时候也会受到一定的阻碍，他的成长空间更多的是来自于有多少牌照，产生的多少业务，以及他的支付数据带来的增值服务的渗透率有多高。线下收单业务的汇率调整以后，其实线下的商户在成本上，平均来看，很多参与的商户的汇率其实是降低了的，他们的汇率的降低，也就意味着线下收单公司的利润降低了。所以说这个政策出台以后，其实线下以收单业务为主的支付企业短期内的利润会受到进一步的影响。
马韬：网联的筹备，现在正在筹备期，这个机构的建立，对于支付宝或者是对于微信这种机构来说，因为他们不允许与银行直联，全部都要走网联的结算，在这种情况下，各家支付公司和银行的议价能力回归到了同一起跑线上。对于小公司来说是一种利好，但是这种利好是不是能够转化成市场的份额？需要再做进一步的观察。实际上对于C端的移动支付公司或者是互联网支付公司来说，除了汇率之外，还有场景拓展以及对用户流量的把握能力有多强，所以说未来还要进一步观察。这是支付领域相关的政策以及行业的影响，以及现在企业应对的措施。
马韬：网贷领域，政策出台之后，很多企业纷纷调整自己的战略，方向上做一些转变。20万和100万的限额推出以后，从某种程度上来说，我们看现在的市场规模可能会抽贷量达到几千亿，在这种情况下，市场空间就被压缩了。20万和100万对于个人的贷款和企业的贷款来说，在很多情况下对于小微企业来说，100万的限额是不能满足他的企业经营运转的融资需求的。因此，整个行业的规模会受到一定的压缩。第二，从网贷经营的角度看，和P2P协调得最多的，现在的政策出台是把脏活累活都让P2P企业干了，从P2P企业的内心来说，也有一些无奈。因为放贷规模小，但是风控的成本以及审核的成本并没有减少，工作量是一样的，所以对他们来说是有无奈的。但是限额的推出之后，很多企业做消费金融，做综合性的理财平台，很多P2P企业现在不把自己定义为网贷平台了，会说金融科技、或者是综合的一站式理财平台，现在的企业都在拿牌照。用意就是广泛的布局自己的细分领域，让自己的业务板块更多一些，来弥补这部分业务的减少量，以及监管政策对行业的收严。
马韬：银行存管政策在很大程度上也是一个优胜劣汰的过程。因为从银行的角度来说，银行是不愿意做P2P网贷业务的，实际上是因为这个资金量对于银行来说九牛一毛，银行实在是看不上眼。第二，这个业务的风险并不低，银行从P2P的角度考虑，他和银行做第三方存款的联合，其实是银行在给他背书，银行本身是不愿意为这个风险背书的，所以在这种情况下，仅仅有一些大的企业，大的网贷平台，知名度比较好或者是有其他背景的网贷平台，可以获得一些股份制银行的银行存款，但是很多小的平台是不具备和银行谈判的能力的。在这一点上，很多企业在监管要求的背景下，很多平台会逐渐的转型或者是逐渐的被淘汰出这个市场。股权众筹，监管细则下发以后有一个核准制，对于现在所看到的互联网公开股权融资来说，规定了几个特点，公开、小额、分散，而且像蚂蚁和京东这样的大型的股权众筹平台其实是需要取得试点资格的，如果是没有取得试点资格，这些企业其实是不能发行公开股权融资的。在这种情况下，很多的股权众筹平台，在获客上都受到了很大的阻碍。所以说现在的很多股权众筹平台已经通过一系列的手段，尽量的符合监管细则，他们首先是自己已经不把自己定位为股权众筹平台，同时在获客上，更多的是符合监管的要求。因此这一部分，监管细则出台以后，规模会逐渐放缓。
马韬：从某种程度上监管上是不允许跨界经营的，如果跨界经营，首先是需要有相应的牌照。第二是需要有业务监控能力，在牌照这个事情上，金融牌照目前是越来越收严的，所以说在牌照的事情上也会打掉一大批不是那么具备资质，或者是影响力，或者是资源上，合规上不是那么优秀的企业，都会被打在这个门外。在这种情况下，像蚂蚁、平安集团、京东这样的企业，在整个市场上，他们的优势将会利用集团的资源和本身的品牌影响力，来进一步的确立他们的优势。这个是资产管理层面的。接下来是数据层面、用户层面的变化。我们举了几个具有典型代表性的应用，看到这个数据的变化区间，在8月和9月的时候有明显的活跃度的变化，以及在8月、9月的启动次数上有交集。在8月到9月的时候，看到数据发现了比较明显的波动，在波动上看到8月、9月是网贷限额细则的下发。在这个数据上可以看到，数据已经能够体现出市场的变化，网贷是不断的做一些调整，用户也会发生一些行为上的变化，来体现出市场的变化。有时候这个数据可能会滞后，但是这个滞后的区间一定会越来越短，未来整个用户和市场，对于市场变化会越来越敏感，数据体现上也会越来越及时。
马韬：也许大家会说现在的互金行业已经没有市场空间了，更多的是来自于监管套利下的市场空间。在用户的运营上仍然是处于低位的。易观的数据显示在人人贷、宜人贷和有利网上的重合度并不高，三者的产品上重合的用户只是48万，但是占正个应用的重合比例只有9%点多，也就是说他们的用户实际上是来自于不同的群体，或者是行为上不具有那么高度的混合性，所以说用户的重合度并不高。再看一下接下来的对比，这几个应用虽然说都是网贷投资的应用，但实际上用户的重合度很低，也就是说在网贷的用户上，大家可能还是习惯专注于一个平台去投资，或者说在网贷前期的运营中，各应用的用户群体圈定得比较准确，所以说用户的重合度很低。第二是看用户的独占率。这三个应用当中，有多少应用是只用了一个应用的？这三个APP的总用户中，使用有利网理财的有201.57万，独占率是27%点多，宜人贷达到48%，通过这及重合度和活跃度和独占率，我们会看到在运营新客户的增长空间上还是比较大的。第二个是企业的运营以及企业的留存，在这个新的产业特征上，一系列的监管政策以及企业的战略调整下，用户的特征也会越来越明显。
马韬：对整个互金行业年的细分领域做了统计，2015年整个互金行业的投资事件，从天使轮开始算起，全年有565起互金领域的融资事件。这些投资事件所集中的领域，2015年借贷领域依然是排第一位，26.73%。第二是理财，第三是股票证券，第四是金融综合服务。2016年的数据是统计到10月份，10月份互金行业的比率是多少大家知道吗？截止到10月，整个互金行业的融资事件是313起，从融资企业的笔数上，或者是获得融资企业的数量上。大家都说资本寒冬，其实在互金行业并没有大家想象的那么悲观。我们之前在开公司年会的时候也请了深创投这样的投资机构来聊市场寒冬的话题。他们的理解是所谓的资本寒冬，其实不是说大家真的不愿意投了，而且也不是说没有钱了，只不过确实是拿钱比以前要难了，也就是说投资人比以前更为理性了。因为深创投手上有大把的资金，但是花不出去，以前的企业随便说一个想法就可以获得融资的情况，在今年已经不太可能了。大家越来越强调的是你的用户的黏性，用户的留存，以及用户的运营，以及未来的盈利模式。所以说，不是说资本市场没钱了，而是资本市场面对风险投资越来越理性，以前这种靠烧钱去跑马圈地，只要你是一个热门领域的企业都能拿到融资的情况，确实在今年是越来越少见。整个投资市场发生的一个最明显的变化，就是借贷领域发生了变化。
马韬：理财排第一，借贷降了7%。金融信息化一下子跃居前位，大家都越来越重视数据和信息、数据变现在互金行业中的重要地位。虚拟货币在中国市场并没有更大的空间，更多的做比特币或者是虚拟货币的企业，都集中在国外市场。在中国市场，我们认为短期内还不会有太大的市场爆发空间。所以他在国内市场的发展中依然是处于探索期。贵金属会通过互联网交易所，在2到5年内是可以迎来快速发展的。主要想说几个重点的领域，第一个是金融科技。金融科技的概念，媒体天天在炒，确实有一部分原因是很多之前的互金企业，一是监管的原因，大家要撇开互金的概念。第二是从美国的资本市场来看，信用模式和技术模式的成长空间，或者是资本市场的成长空间是不一样的。所以说大家越来越多的喜欢把自己贴上金融科技的标签。
马韬：央行的监管人士曾经表态过对金融科技其实是不做业务的，他只是服务于金融企业，做技术输出。这其实是监管层曾经表态对于金融科技的定义，但是实际上我们会看到现在国内所谓的自己界定自己是金融科技的企业，基本上都是有牌照的企业，再通过科技的力量，通过互联网的渠道，在做金融的业务。同时，也做技术的输出。越来越多的企业未来也会进一步的寻求和越来越多的传统金融机构合作，做进行能力的输出。同时也包括一些小型的创业机构，在科技输出的层面做深耕。所以我们认为在两年内，金融科技会迎来一个比较大的成长空间。
马韬：互联网保险。看这两年的保险和场景的结合，以及巨头在推动保险事业的态度上，之前媒体上传的一个段子，马云说不应该人人炒股，人人炒股的国家是不正常的，正常的情况是人人买保险，也代表了阿里集团对于保险的重视的态度。在互联网保险领域越来越多的互金企业开始布局，包括之前的众安保险，他的发展也在逐步的步入正轨，虽然在盈利上还没有达到大家的预期，但是从部署上，以及产品的模式上，已经是非常标准化的互联网保险公司。
马韬：互联网证券。从现在互联网证券的发展来看，其实我们会看到做互联网证券的因为没有券商牌照的人，主动权一直是落在传统券商的手里，因为你没有交易，一切都白搭。所以说在这个层面上，为什么互联网证券没有像银行或者是像保险的动静那么大，但是我们需要看到，券商最近对于互联网化是超出以往我们对于他了解的重视程度，大家都在部署这一块。包括我们去聊的平安证券等等，现在他们对于整个CPI的考核导向和以往都发生了变化。由于这个领域券商拥有主动权，传统金融领域互联网化，一般都是有鲶鱼效应，或者是由互联网巨头来推动，导致了倒逼传统金融机构的变革或者是创新，但是互联网证券相对来说特别一些，他需要互联网券商自己认识到危机，自己解决问题，和互联网保险相比的对比情况下，互联网证券依然会处在高速发展的曲线上，但是他的发展时间相对互联网保险来说要相对滞后一些。
马韬：创业企业的机会：从市场容量、监管程度、竞争程度、获利能、互联网化程度这五个方面来看，筛选出几个细分的领域。第一是保险，第二是产业金融，第三是征信，第四是金融科技。首先看保险。除了互联网保险公司之外，现在市场上冒出了很多互助保险，这些保险如果没有牌照是白搭，我们是不把它纳入到正规的互助保险公司的。但是有一些做保险代销品牌的企业在和互联网保险合作，保险这个领域会越来越无缝嵌入到各个生活场景和金融服务中，所以说保险是可以期待的一个细分领域。第二是产业金融。金融是服务于实体经济，服务于产业的。现在越来越多的企业，在综合平台被京东、平安、蚂蚁这样的巨头所把握的时候，有些企业开始深耕某一个细分产业的金融服务，他们要做的比这些巨头在某个细分产业上更加专业，所以我们看到很多企业旅游金融、房地产金融的细分领域深耕某一个细分领域，这样的目的有的是有产业资源，有的是避开市场的竞争。但是未来的趋势上，其实是跨界协同，服务于产业，在创业机构可能是更有机会的细分领域。
马韬：第三是征信。现在的征信市场看起来并没有像媒体或者是大家所看到的那么好。第一是个人征信牌照现在没有下发，第二企业征信牌照也没有那么大的市场空间。之前有些机构说达到万亿的市场规模，其实远远不够，现在离这个规模差得很远。而且现在的征信市场乱象比较多，很多征信机构是打着征信的幌子去做数据变现，这个数据变现在某种程度上就是倒卖机器。虽然说在这个行业上存在一定的问题，但是我们需要看到整个市场对于这个行业的需求，以及现在这个行业巨头对于这个行业的推动。从需求端到供给端，供给端的创业企业是越来越多，但是随着互金行业的不断发展，对于征信的需求也是越来越重，从需求到供给的角度考虑征信的行业，未来应该是有发展空间的。第四是金融科技。在我们这里看金融科技是做科技能力输出的企业，比如说金融云，比如说金融数据风险，或者是金融安全的企业，在未来逐渐会步入正轨。
主题演讲：基于AI的金融用户大数据资产变现演讲嘉宾：爱智慧科技CEO 梁新刚
梁新刚：当前的金融投资领域是急需要引入人工智能的。我再一次创业源于三月份阿尔法狗当时战胜了李世石，作为一个从小学围棋的棋谜来说，对我有很深的触动。百米生活是百度的合作伙伴，所以当时李彦宏先生在百度联盟大会上宣告互联网时代已经翻天了，下半场人工智能，又再一次给我触动，所以我决定要再次创业做人工智能。爱智慧科技选择理性决策这一个领域，专注做这个领域。我们主要是服务于B端市场，把金融的实时分析引入到金融机构，这里写的是券商，基金、投行，当然也包括来自于互联网金融业的朋友，我们也希望为互金行业做一些服务。
梁新刚：这个架构来自于十年前我在易观的时候就已经形成，在易观也做着这样的事情，十几年前的时候我们已经在做一个很有意思的事情，就是把当时易观的报告切片，切片之后数据化，在这个金字塔中可以看到，数据到信息，到知识，方法论，再到远见，或者是智慧，这样的体系，他们每一层之间。比如说数据和信息这两层之间是一个双向的箭头，我们通常把数据加以描述形成信息，但是在十年前，易观已经把报告切片，反向生成数据，这两层是互动的。那时候已经形成了这个架构。我还要利用这个架构来讲今天的金融领域为什么需要AI。首先在data层，今天的数据不是少，而是太多，是泛滥，需要有效的化简，机器智能可以帮助我们有效的删繁就简。Information，在这一层上有信息的不对称，在投资领域，我们知道在中国市场股市的小道消息，小圈子，这是很有价值的。我们都清楚这一点。
梁新刚：信息层面要怎么弥补我们不在核心圈子的缺憾呢？应该捕获更大量的信息，在网页，在社交媒体，在股票吧，在微博，大V他们的言论，所有的信息，如果我们能够把这些信息都整合的话，也能够探查到很多有价值的信息。但是我们自己读那么多文本是很困难的，因此在这个层面上，我们用自然语言处理，这也是人工智能里面很重要的一个分支，用自然语言处理来读解这些非结构化的信息，也就是文本，从文本里面真正理解了，而不是通过仅仅说识别关键字，我们要读懂他们在说什么，再把这些信息统和起来做投资的参考，所以在这个层面上，NLP可以帮到我们。
梁新刚：在Knowledge层面上，有知识的不对称。散户和专业投资者有很大的不对称，经常说散户被割了韭菜，为什么被割？专业的投资经理，这些人的背景已经很强了，而且全时投入这个事情，所以说割韭菜某种程度上也是这样，本来就是很精英的人又全力的投入，专注这个事情，当然会比散户挣得多。所以作为投资者还要弥补知识上的不对称。机器学习有一个比较前沿的方向，就是知识图谱，当机器没有获得海量的数据，跟机器做学习处理的时候，他也并不是说完全无能为力，我们还可以给机器学习，赋予知识图谱，把人类已经积累的知识体系灌输给他，让他具备比较强的逻辑能力，推理能力。Vision层，长期积累的数据、信息，获得了一个领域的知识和方法论，人类就可以在一个垂直领域称之为专家，可以有远见，可以给出一些我们认为很有参考价值的判断。机器可以吗？机器也是可以的，甚至机器在某些方面还会超过我们人类的理性决策，在这一点上，我们在十月份的哈佛商业评论上，有一篇很好的文章，是丹妮尔.卡内曼团队写的，丹尼尔是2002年的诺贝尔经济学奖得主，他早在70年代就开始研究人类在风险和不确定下所做的决策，这样的行为特征。他研究了40年，获得的是经济学奖。
梁新刚：卡内曼在这个哈佛商业评论的这篇文章中就讲到了，无论是个人的专家知识，还是专家的团队，他们都克服不了固有的噪声，谁能够来补足？算法！也就是说我们把经济学习做到极致的时候，实际上是能够很好的补足人类做决策的缺憾的，因为算法更稳定。也就是说他的准确率不变，要比人类专家所做的要高，当然他的算法还是来自于人类，即使是准确率相当的情况下，算法也更便宜，机器还是比养人便宜。所以整体来说，在金融决策领域AI是能够帮到很多的。
梁新刚：我们做的产品是一个查询系统，这个查询系统首先是基于事件驱动的交易策略，也就是说应该对时下发生的很多事件做快速的反映，买入或者是卖出。另外是基金投资者面临太多的信息资讯，我们需要用AI来帮助有效的化简。这是投资领域普遍应用的蓬勃终端机，通常可以支持四块屏，有大量的数据和图表，这里有一个专业人士，面对这些数据形成他的判断，现在用机器学习来协助他，做一些初步的判断，当然最终的决定权还在他的手里。在这个系统上首先是用高校的数据整理和强大的数据分析能力，再一个是自然语音的平台给到直观的用户体验，他在定制化的方案里也会非常有用，有助于识别用户画像的真实含义，基于人工智能算法，整个系统会拥有很强大的学习和演进的能力，他会以很快的速度变得越来越聪明。大概的样子是这样的，可以跟它讲人话就好了，他不同于传统的，比如说google是匹配关健词，而这个是可以读懂我们的话，我们到底关心的是什么事件，对于什么资产的影响，敲进去，跟投资人做互动的分析，最后会有比较量化的结论。
梁新刚：跟今天的话题最相关的是我们除了提供这个产品，还提供定制化的解决方案。这个解决方案对于互金来讲，对于每一个人，如何做好风控，获得一个人尽可能多的信息，比如说他的征信报告是需要的，再一个是跟征信报告互补的一些信息。比如说之前做百米生活CEO，我们当时把路由器铺到了全国315个城市，路由器是为了给大家提供一个便利的免费上网的途径，当然大家上网的过程中，我们会得到一些信息，我们会把其中的官户隐私、敏感的脱敏，脱敏之后做出来可以供金融机构使用的用户画像数据，这个用户画像和机构直接获取的征信报告，它是有很强的互补关系的，比如说征信报告里面主要反映的是借贷者之前跟我们的银行、保险这些体系发生的互动痕迹。他可能在这里面会做一些流水，我们从数字上来看，可能会觉得他的信用比较好。比如说他做了大宗的借贷，可能之前会刻意的做一些信用的流水。
梁新刚：通过AI可以做什么？还是需要丰富的用户画像。大数据首先要有意识的养数据，积累丰富的用户画像，对于互联网金融企业来说，我们非常关心这个用户的风险承受能力，这是资金端的，整个金融领域，一端是资金端，另外一端是资产端，资金端是借贷，资产端是有了钱之后怎么投资，获得收益。所以我们需要获得他们过往的交易历史，这个可以从征信报告里面获得，以及信用记录，兴趣，领域，收支情况，消费特征，这个是人迹圈。这里面有一些是从征信报告中获取不到的，更大部分获取不到，所以我们需要尽可能的养数据，包括从第三方获取数据。
梁新刚：这一端会与投资的机构，他们涉及到了很多的投资产品，比如说基金、理财产品、私募、信托、保险产品、海外的资产，还有另类的投资，比如说长期的房地产投资，这是他们设计的不同的投资品，挪到我们这里来，就是大家的公司设计了很多的借贷产品，面向不同的用户群体，比如说有些是面向高校，有些是面向网吧的抵押，还有是面向二手车的抵押。无论是资产端还是资金端，我们都面临的核心问题是匹配的问题，或者是叫做推荐问题。对于投资来说，我们想把投资品推荐给高净值的人士，对于互联网金融来说，我们希望能够为不同的信用额度的人匹配合适的借贷产品。所以我们做了AI的推荐系统，它首先还是要基于数据层，大数据始终是必要的，在这个层面上，我们要尽可能的丰富产品数据，包括产品的历史表现，对于互金来说设计了不同的产品，他历史上的坏账率等等都要放进来。在用户端，需要尽可能的获得用户的历史交易数据，各种用户行为，这种非结构化的就需要用自然语言来处理。
梁新刚：数据层做好了以后，算法层做什么？金融大数据加机器学习计算法可依分析产品的风险，收益以及流动性，对产品精确分类。算法为的是对用户产生个性化的、定制化的投资组合方案。对于这一侧来说，我们需要对用户进行分类，聚类的算法，精准的定义用户。沿着这个思路，也为客户做了定制的方案，这个例子是为一家财富管理公司做的，需要从他积累的用户信息中发掘他们的产品购买偏好，精准的推荐。这个公司提供了1万名用户的样本数据，以及他们希望推荐的产品组合，这些数据描述了用户的基本信息。包括用户以往在他们机构购买的产品记录，对于他们自己构建的多样化产品，包括当前在售的产品信息，比如说基金，万能险等等，万能险最近被保监会叫停了，投联险，海外房地产等等，他们把这些样本数据提供给我们，我们需要对每一项投资品计算每位用户购买该产品的可能性，这样就要结合用户的样本数据和历史购买记录，精确刻划用户画像。上面给我们提供的基本信息已经是用户画像的一部分了，但是我们需要以经济学习，再来发掘一些之前没有捕捉到的特征。比如说用一些比较先进的技术手段，再深层次的挖掘到一些潜在的肉眼没有看到的用户画像的特征。根据产品信息来测算风险收益特征进行匹配，计算用户购买的可能性。
梁新刚：人工投顾推荐的模式是有些不足的，比如说用户识别和开发的成本是要高的，紧紧依靠对话交流很难对用户需求有全面和精准的把握。十几年前，我在北大读计算机，那个时候我们学数据仓库、数据挖掘，大概过了七八年之后，google的体系就流行起来了，整个描述这个事情的语言范示都变了，叫做大数据，特别表达互联网业务产生的海量数据。但是我们要说，基本的思路还是数据仓库、数据挖掘，那个时候尽我们所能打详细的标签，知道一些标签对于后期提供业务特别的关键。所以那时候我们养数据，要勾画，做详细的需求分析，也是采访领域类的专家，比如说今天要为大家做一个很好的互联网金融的推荐平台，如果基于传统的范示应该怎么做？应该采访各位专家，您觉得互联网金融我们最需要获取哪些数据？大家就根据自己的专业知识和经验告诉我，我们需要获得怎样怎样的数据，比如说这些，性别，年龄啊，教育程度啊，这些是基本数据。我们把这些叫做原数据，原数据反馈了我们对这个领域的知识，对这个领域认识得更深入，就会提出更多的纬度。有了这些之后就开始刻意的搜集这类信息，哪一个用户的信息是一条，收集很多数据，这是一个养数据的过程。以前在百米生活的时候，一天有一千万人在上网，我们也在养数据，光是把这些养起来的数据存储好，就要在阿里云上采购很多的服务器。这是养数据的过程。
梁新刚：首先要提醒大家一点，就是我们不要被自己以往的知识所局限，要知道机器学习来了以后，他能够发现我们肉眼凡胎发现不了的事情，因为以往的数据能力是有限的，我们养的数据，所有的字段都是我们认为有强关联性的，问题在于有一些关联性是存在的，是我们没有发现过的，如果我们连那个字段都没有做，这个数据就没有被养起来，就永远不可能发现这个关联。啤酒和尿布的故事，讲的是国外的某大型shopping &mall他们发现啤酒和尿布这两个品类的销售量似乎存在着正比例，同样的增长趋势，他们搞不清楚是为什么，他们就去研究，最后发现是因为很多年轻的父亲跟母亲说，去吧，去买尿不湿，他结账的时候顺带着也拿一些啤酒。发现这个规律之后有什么帮助呢？这个商超就刻意的把这两个品类放得近一点，甚至是打包。十几年前我们听起来津津有味，但是现在听起来不对啊，有问题啊。如果我们能把他当做一个数据挖掘的故事来看的话，我们清楚数据挖掘的每一个字段，都是我们提前有需求，把他做出来的。我们认为那些字段相互之间是有关联的，所以那个字段里面必然有品类，有大品类，有小品类，零售业讲销售单元，他一定是都规划好的，所以说这两个是不会出现在一个报表里的。
梁新刚：早年这个故事之所以被发现，应该是某一位脑洞大开的高层主管，很可能是数据部门的，他无意中发现了这两组数据之间似乎有某种关联性，他们再有意识的串起来看，发现确实有很强的正相关，再研究到底什么发生了。实际上这个事情更有可能是机器做，机器在做什么？他研究的是即便把大的数据表的表头盖住，根本不知道哪一列是什么东西，没关系，他照样可以发现一些关联性，所以如果我们把整个shopping &mall的所有销售记录全部并表，没有什么业务逻辑性，用机器学习去跑，它是很有可能发现这个关联的，他会发现这一列和那一列就存在着正相关的关系，而且这对于经济学习、无监督学习来讲，还是一个比较简单的案子，因为这种关联性可能会比较强。给我们的启发是什么？难道我们一定要把我们做字段的时候，一定要把这两个放在一块儿吗？也不见得。传统的东西该是怎么样大体上还是遵循，但是我们需要给已经到身边的机器学习留一些余地。所以我首先有一个倡导，各位可能也是来自于互联网金融企业的关心数据的部门，你们要给机器学习多养一些数据，哪怕这些数据比较无厘头。
梁新刚：我们目前做的基于AI的推荐系统，就是在大家已经用的大数据推荐系统或者是风控系统的基础上，再叠加一层，做一点附加的活。目前机器学习和深入学习的热点就是特征提取，所以我们在构建解决方案的时候，研究人员首先采用NLP的方法提取特征，用户画像是值得无限丰富的，用户画像越丰富，给大伙的风控带来更大的帮助，所以我们用NLP协助提取更多的特征，这些是来自于文本的。会把这些提取到的词、特征影射到一个向量空间，在这里探察的是意义。他能做个什么事儿？我们输入词king减去man，得到的是女王。现在人工智能的NLP自然语言理解可以做到这个事情，他可以发现词与词之间的距离，所以王里面减掉男人，剩下的是女王。然后做资产和潜在购买用户之间的推荐，如果要买互金就是用户画像和我们对于它的可能匹配的贷款档次或者是产品的匹配。
梁新刚：最终如何评估这个结果的好坏呢？评估方面，我们根据预测概率对侯选的金融产品进行排序，比如说对每一个用户会推荐几个金融产品，我们会量化的评估自己的结果好不好，我们用NDCG5和NDCG10，如果之前对于广告推荐有研究的朋友会发现很熟悉，我们为每个用户画像推荐可能的投资品，引擎会发挥一个推荐的列表，我们希望如何让这个结果列表尽可能的好？他满足两个要求：第一个是希望把最相关的结果尽可能的靠前。比如说在投资方面，大客户经理对于高净值用户，给他推荐，他不能说推荐一个列表，而是沿着优先级自上而下的一个个沟通，从上到下的沟通，所以我们会把最有可能的投资品放在最前面。我们也希望整个给用户推荐的投资品的列表，整体上尽可能的跟他的用户画像相关。满足这两个原则，就有了一个量化的指标，NDCG。
梁新刚：我们对于这个推荐系统，也拿他参加了十月份到11月份举办的ByteCup2016的大会，这是一个国际性的机器学习的大会，这一届大会赞助方是“今日头条”，他是在今日头条里面有一个问答，还有今日头条号，头条号的拥有者被认为是专家，问答里面每个用户都可以提问，他不希望把每个问题推给所有几亿的用户，那样太耗资源，太扰民。他只希望推给最有可能，也有能力回答这个问题的专家，所以他就要获得尽可能好的推荐。拿我们刚才所介绍的基于人工智能的推荐系统参与了这个比赛，获得了很好的成绩，17号，也就是下周六我们团队会去北京中国工程院领奖，当然也希望这样的一套推荐系统能够为在座的各位互联网金融的朋友所用。希望今后有更多的合作机会，谢谢大家。
主题演讲：高价值用户的养成之路演讲嘉宾：前海航交所首席技术官 柯金虎
柯金虎：我的主题主要是侧重于通过技术手段，怎么促进运营，怎么提升运营效益，怎么降低运营的成本，低成本的获客。前海航交所是海航旗下的一个互联网专注于航空航运应的综合性互联网资产交易所，最近海航也频繁上头条，最近12月5日又做了全球最大的IT分销商的交割，目前跨入了世界500强的行业，预计今年年底能进入200强。在互金行业，或者是P2P，网贷行业，年是一个盘整年，整个政策都有相关的出台，对行业进行了监管，进行了收紧。但是我们作为一个资产的交易所，我们有相关的牌照，有相关的理财产品发行资质，也有相关的发行渠道，我想我们这个平台是有比较大的发展潜力的，希望大家能够多多关注。
柯金虎：我们的三块主营业务：第一块是航运资产业务。有专门的团队处理传播和买主之间的资产交易，做资产的处置，并且在交易的过程中会提供相应的航运的金融服务。第二块是航空资产交易。我们涉足这一块是通用航空领域，大部分被国内的航空公司占据。通用航空，今年是通用航空的元年，国家出台了通用航空的改革发展的顶层架构。还有是飞行员的猎聘业务。第三块是金融资产交易。一涉及到金融就有风险，前面两块主要业务是提供交易撮合和信息撮合，在撮合的过程中可以延伸出来非常多的金融服务，在这个过程中通过金融资产交易的平台，来满足相关的金融需求。童工的服务主要有基于航空航运企业进行的资产登记、托管，以及撮合服务。另外是可以帮助这些企业设计相关的产品。
柯金虎：接下来是怎么通过技术和数据的手段，获取更多的高价值的客户？大家都是做运营的，运营的关注点非常多，今天主要讲用户。首先我们的用户在哪里？我们的用户是谁？我们如何对我们所获取到的用户进行分级？第二，通过什么样的渠道能够触达到用户？第三，用户来了之后，怎么能够通过方式方法，提升用户的活跃度，怎么能够通过存量的用户口头宣传航交所。海航目前也在推精益的管理，结合业务，今天所使用的方法也是基于这个云的理念。
柯金虎：刚才说的三个点，每个点都有非常多的指标来衡量，我们需要在运营的过程中选择一个点或者是几个点，来做你想优化的指标。在优化的过程中，在选择的点之后，再分析，做预判，我们能够通过什么样的方式来优化这个指标。在优化的过程中，可能需要通过一些测试的方法来判断这个方法是不是最有效的，最后通过结果反馈回来，不断的优化相应的运营活动。
柯金虎：如何获取更多高价值的客户？我们需要有量化的指标，航交所有三块业务，一种是C端，一种是B端。B端的高价值客户的养成有三个方面，第一方面需要有相关的专业性，专注于航空航运领域，这个是非常专业的，而且这个市场也是发展的初期，必须得有相关的专业知识来服务于客户。第二点，最重要的是在行业里面必须要发现痛点在哪里，只有找到了痛点，才能感同身受的跟客户做沟通。前面已经有了专业知识，也找到了切入点。第三点就是需要不断的和客户沟通，取得客户的信任，最终客户才会成为你黏性比较高的客户。这是我们对B端客户采用的策略。
柯金虎：对C端客户来说，首先要对客户进行分类。第二是做用户画像，用户画像是非常重要的，是一个养数据的过程，要不断丰富用户的画像。第三是对不同的业务做不同的管理。B端用户和C端用户是有比较大的差别的。我们对于C端用户来说其实是建立了一个以用户为中心的大数据的闭环生态，都是通过数据的方式来做一些事情，但是梁总可能更超前。我们现在是通过数据的采集，清洗、整合，来构建大数据。第二个是经过学习等等的方式来对我们的客户进行贴标签，他是投资高风险偏好的客户，还是低风险的？还是说高消费的人群？这是我们对客户的细分画像描述。第三个阶段，要做一些预测，这个预测是你的期望值，你想通过什么样的方式，或者说你的构想，你想通过什么方式来优化这个指标。就需要在这个里面做一些相关的活动，来辅助你做决策。第四阶段是要行动，把刚才提到的预测的东西推出去。最终通过你反馈回来的结果，因为在做这个活动的过程中，要不断的收集更多的信息，补充回来。同时丰富你的用户画像，同时优化决策的引擎，最后构建了封闭的用户生态圈。
柯金虎：有了用户之后怎么做运营？对于C端用户来说，我们构建了多维度的画像：比如说用户的基本信息，还有深层次的用户的社交信息，他跟什么样的圈子做活动，他的财务信息，他的风险偏好，这些都会从不同的纬度对客户画像进行描述。数据采集来源：大数据的最重要的是数据源到底是不是OK，如果你的数据源是错误的，得出来的可能是错误的用户画像。我们有三个数据来源：首先，目前海航的大数据客户营销中心，这些营销中心里面能够输出对于客户用户画像的东西，这个系统是我们数据的重要来源。第二，从海航集团内部拿到了很多客户的航运信息，投资信息，航空信息等等，这些都是一个方面。我们需要通过和外部的数据进行结合，来校验这个客户是不是真的，是不是相关标签对你确定的客户。第三，业务系统。这个系统在这个过程中数据会不断的增加，也会拿到用户行为等等信息，最终实现客户360度的立体画像。
柯金虎：用户来了之后是有生命周期的，是新客户？还是投资了一段时间的用户？针对不同的用户也需要做不同的营销或者是运营的活动，这是我们用户分级的情况。对于高价值客户来说，或者说对于潜在的高价值来说，我们需要通过什么样的方式来做？对于互金行业来说，首先是新手特权，吸引大家做注册，做实名认证，这些都是比较高明的做法。其实最重要的是安全，因为大家把非常多的资金放在你的平台上，你要为用户负责，要能够很好的实现用户的收益。作为航交所来说，我们一直在宣传我们是如何做到低层资产的透明度的，我们的低层资产是来自于前面两个不同领域的交易所产生的，比如说供应链金融，比如说应收帐款等等，来确保后续投资者的收益，能够正常的兑付。
柯金虎：目前我们一直在增强平台上的投资品类，目前不仅有短期的、长期的，未来还会增加浮动收益，以及其他的投资品类。航交所作为一家交易所，我们卖的理财产品是一级市场的发行，目前非常重视二级市场的建设，二级市场也是增加客户能够频繁使用航交所服务的功能。二级市场上目前做了一个产品是非常有趣的，你持有了长期的产品，短期内需要资金，可以把你的收益权进行抵押，融到钱之后，到期之后再做一个收益权的回购。持有了长期的收益权，一般情况下都是收益比较高的，但是融到的短期资金，利率相对来说比较低，中间是有差价的。最后是积分，会员，兑换，相对来说是比较通用的一些做法。
柯金虎：既然获取了用户，有这么多产品，但是不可避免的会有用户的流失，这是平台无法回避的问题，包括现在的行业平台目前也有很多用户的流失。我们对于高价值的客户来说，要重点做好用户流失的预警。大数据平台，现在还是比较粗浅的用大数据平台的数据，未来我们会有很多的大数据运用，比如说目前正在做的利率的自动推荐，我们会利用平台上客户的投资行为，以及了解其他平台上的应用水平，来动态的调整平台上的利率水平。当然还会有内部效益提升，决策支持等等。
柯金虎：第三部分，fintech战略布局。我刚才说的大数据只是比较粗浅的，在用户方面也做了很多的布局，来更好的服务于企业客户和C端客户。第一个布局是在B2B的支付平台。现在的很多第三方支付在TO &C，但是TO &B来说，很多人说我也可以TO &B，但是在TO &B的业务里有非常多的问题，目前第三方支付是没有办法做得到的。所以我们现在布局的B2B平台，最大的是做营改增，做税务，要求有三人合一的问题，目前是可以解决这个问题的。这个是对于B端客户来说，也是吸引B端客户能够在我们的平台上使用的一个很重要的措施。第二个是对于C端客户来说，我们也在布局，基于AI的分析，对于我们的客户来说做一些智能的推荐。以及对客户进行动态资产的配置。这是战略布局的方向。
演讲主题：数字用户的场景应用演讲嘉宾：人人聚财副总裁&互联网事业部总经理 于爱军
于爱军：人人聚财是一家做P2P的公司，已经超过5年时间。人人聚财在做P2P的时候，当时还没有互联网金融的概念。我在互联网事业部，所以接触的数据还是比较多的，所以跟大家分享一点经验。我们公司主要是做个人抵押贷款，我们的总规模是排全国第二名，直营门店是排全国第一名。主要的产品是二手车的抵押贷款，累计的业务规模交易量超过160亿，注册用户超过550万。运营时间已经超过5年，线下的直营规模是线下的网点数已经超过120家，今一年也是获得了超过亿元的A+轮的融资，这是公司的大概情况。我今天分享的是自动化运营。也是基于用户画像，用户生命周期和自动化的策略所做的提升运营的效率。
于爱军：在做运营之前要问自己的三个问题：谁是我们的用户？——找出谁是我们的用户，最可靠的方法是做用户的画像。不同的用户行为模式是怎样形成的？——换句话说在数据分析里面，大家可能知道，首先我们要知道历史上发生了什么，第二个是为什么发生，第三个是现在正在发生什么？第四个是我如何使我想要的事情发生？首先我们要知道用户的行为模式是怎样的，才能依据用户的行为模式来引导用户，所以第二点是要做用户行为分析，以便提取和挖掘一些规则。如何引导不同的用户？——基本上是根据用户的画像和用户的行为形成的规则，然后应用于不同标签的用户的事件，给他不同的引导，来实现基于用户画像和规则的运营。
于爱军：首先看用户画像。对于金融的用户有重要影响的，有如下几个：静态数据：性别，有重要的影响。比如说我们平台的用户，在获客的时候90%以上都是男性用户，但是在运营一段时间之后就变成了55%是男性用户，45%是女性用户，说明男性用户是愿意冒险的。如果在获客的时候，在人群定向的时候偏向于女性用户，那么转化率就会大幅度下降。年龄，也是重要的区分。因为我们既做理财又做贷款，所以我们的基本理念是金融是人生的一场跨期的交易，换句话说你在35岁之前往往是需要用钱的，但是在35岁之后多多少少都会有一些积蓄，需要理财。所以说理财的用户他的年龄基本上不会低于25岁，基本上在30到45岁之间。所以在获客的时候，人群的定向基本上就确定了。收入，有很多渠道都会有相应的标签来标记这个用户大致的消费情况。动态数据：可能是APP上产生的行为，理财行为，社交行为和消费行为都可以取得到。用静态数据进行分类，用动态数据挖掘用户的规则。
于爱军：年轻的用户并不是理财的核心用户，但是会有一定的占比。但是在资金占比上，明显的年龄大的人资金占比要高。男性为主，我们的用户通常是年轻的，经过各种测试发现他们非常理性，有的比我们还懂得多。第二部分简单说一下用户行为的分析。对于金融的用户来说，我们一定不要想一视同仁，金融的用户一定是分层的，因为这个社会在金钱方面已经分了层。传统的金融公司早已经对我们进行了过滤和分层，基本上在50万以上的，在银行固定存款有50万以上的，银行的客户经理都会跟你联络，因为你已经被分为了理财人选。如果有300到600万人民币以上的，他会把你分成高净值人群，就是私人银行的客户，50万以下的客户，很少有客户经理跟你联络。因为他在确定他的理财人群的时候，就是50万以下，10万以上的，就是有存款，所以用户一定是分层的。我们是通过用户的行为来进行分层的。在不经意之间就收集到了用户数据，这样用户的画像就会逐渐的完成起来，因为你在做调查的时候，一定要将这个调查和用户的ID直接绑定。
于爱军：平台做了用户行为的实验，比如说针对某一个类型的用户，我们施加刺激，看反馈，看用户是否具备某种特性，如果有，就形成一条策略，这是基本的用户数据，用户行为反馈找策略的方法。有信托投资经历的用户往往是高层的用户，即使他在我们平台只投了1千块钱，也是可以知道的。比如说我们给大家发红包，刚开始大家选择的肯定是给每个用户都是发一样的红包，但是一旦发现他跟其他用户不同，有些潜力的时候，我们就发一个大的红包来刺激他。
于爱军：还有一个事情就是羊毛党，这个平台从诞生的那一刻开始，和羊毛党就是相生相克的过程，有很多平台是靠羊毛党起来的，没有羊毛党他甚至无法起家，因为他从草根出身，先有一点刺激，羊毛党就来了，有了钱，业务滚动起来，再卷进来普通的用户。怎么识别羊毛党呢？比如说奖励的周期是多长时间，平台用户的操作习惯是怎样的，我们找出来。比如说他先去哪个页面，点哪个按纽，看了什么东西，这是有一个基本的路径的。但是羊毛党进来的时候，他会完全忽视普通用户的途径，普通用户关注的东西可能都熟知，第一个是安全，他进来之后往往是判断这个平台到底靠不靠谱。第二个是收益，他进来就已经看到了。第三个是灵活性，看看到底是什么周期，怎么退出。普通的用户进来的时候先是想着怎么退出，而不是先想着怎么长久的留在这个平台。只有一段时间之后，信任你了，才想更长期。因为他也一个行为特征。
于爱军：而羊毛党的行为特征跟这个就截然不同，他会有一个清晰的路径，迅速的操作，操作完了就离开。这样的用户，我们是通过给他的福利不同，比如说有一个福利是有一定的随机的抽奖的性质，对于这种羊毛党用户，抽到的就很少，或者抽到的是实物的奖励。我们通过这种挖掘，就辅以不同的策略来处理羊毛党的人群。一般的平台很难把羊毛党完全的避免掉，挖掘的方式也很明确，就是根据他的行为，应对的策略也很明确，就是通过一些随机，一些他不喜欢的东西把他排除出去。
于爱军：另外是高潜用户的挖掘。如何利用用户行为的形式来挖掘一个高潜用户。比如说用户在我们平台的行为有好多种，第一个行为是充值的行为，第二个是提现的行为，第三个行为是投资的行为。我们比较明确的挖掘出来高净值的用户，我们挖掘出来比较有效的，一个是他首冲的金额，另外是连续充值的次数，再就是提现。把这些特征加在一块儿，再加上年龄，机器挖掘出来的，判断高潜用户，我们的准确率可以达到80%。接下来就采用人工直接关注他，然后对他建立信任。因为一个平台的高净值客户最关注的是安全，如果觉得你平台安全，最重要是建立信任，信任的前提是你的平台做得好，确实资产安全靠谱，第二把安全靠谱的理念传达给用户，对用户来说信息是透明的。
于爱军：接下来应用这些画像和规则指导运营。一个重要的特征，首先是他的生命周期，因为金融用户最看重的是安全，所以他在初期的时候往往采用一种试探的方式，先投一部分钱进来，最好是保本息的，他故意提现，本来是没有打算提现的，但是一定要测试一下，提现，到帐。再投，再提现，再到帐。几次循环之后，发现提现没有问题，钱还给我是没有问题的。所以这个用户就有明显的特征，他有新用户的导入期，有成长期，因为我们发现我们用户的固定资产是逐渐上升的态势。还有一个平稳期，因为大家的钱还是有限的，或者说可配置的资产是有限的，所以一个用户即便是信任你，觉得你没有问题，他投到一定钱数的时候也基本上停滞了。再往后可能就进入到衰退期。
于爱军：我们发现一个业界的小规律，很多用户刚开始都投陆金所，因为他害怕，他不懂，所以他投陆金所。投了半年之后，觉得我对P2P很了解了，我不能再投陆金所了，因为他这里的收益比较低，就挑战高收益的平台了，所以用户有一个衰退期。一个平台是很难做到用户没有衰退期的，这是不可能的。这个时候用户会流失掉，用户会有明确的生命周期，只是每个用户到底是属于哪个生命周期，多长时间，不一定是明显的。但是我们发现新用户对我们的平台是比较明确的，我们是怎么测试新用户的？就是看用户到底用了多长时间达到他资产的顶峰，然后把这个叠加，取得的平均值，我们的用户大概是用了不到90天，60多天就到达了他个人的资产顶峰。所以我们将新用户定义为0到90天的，然后看是这些大客户，他的资产什么时候到顶峰，他基本上在我们平台是6个月之后达到顶峰，所以我们把3到6个月的成长期，之后是平稳期，如果是他的资产连续下降的话，我们认为他进入了衰退期。流失用户就是很明确了。这是用户的生命周期。这里面采用的策略也是不同的。
于爱军：对大客户也进行了切割。很有意思的是，我们并没有对客户做过多的特殊的福利，只是大客户有问题，我们会专门有一个人第一时间服务，大客户的信息是透明的，因为我们要及时将信息推送给他，仅仅做了这样一件事，发现我们平台用户的分布发生了变化，原来的用户是这样的，投资1千块钱的，5千的，1万的，5万的，这个是横轴。纵轴是人数，原来的用户分布是这样的曲线，有了这一刀之后，发现曲线到了切分点的时候又上去了，再重复这个曲线。这说明了什么问题？说明我们即使仅仅是做了一个身份的区分和服务质量的提升和信息透明，就使得用户的结构发生了很大的变化，所以从这个角度来说，金融的用户一定要分层，并且针对不同的人有不同的服务手段。
于爱军：比如说在平台上有一千万的用户，这个用户的服务手段和一千万的肯定是不一样的。一千万的用户，我们肯定是相应的高层的活动，就可以邀请他来参与，而且还有线下的联络。这是大客户，我们要逐渐的使客户向上升级，并且对大客户分层，提供不同的服务，这是我们的第二个应用。第三个应用是做自动化的运营。比如说针对羊毛党，羊毛党来参与抽奖，羊毛党是有用户画像的，故意给我们给羊毛党赠出实物，羊毛党来抽奖是一个事件，进入这个规则之前，这一条规则订阅了这个事件，比如说订阅了抽奖事件，触发这条规则，规则判断是羊毛党，直接返回实物礼品。我们发现有特征的可以做这种活动，没特征的按照通用的走，这就是如何利用他做自动化的运营。
主题演讲：滚雪球的数据运营之路演讲嘉宾：金斧子滚雪球运营总监 董超勋
董超勋：今天我会从几块来讲：一个是腾讯大数据应用案例。我的很多设想是从腾讯大数据带来的经验和灵感，很多经验是可以复制的，所以我第一块会讲这里。第二个是滚雪球的数据浅层应用。第三块是滚雪球的大数据设想。
董超勋：金斧子下面有三大平台，第一是金斧子财富，主要是针对高净值的客户，口号是长上百万资产管家。第二块是滚雪球品牌，我们已经有牌照的资质。第三是斧投邦，主要是给企业，解决企业的融资服务。先从腾讯的大数据讲。我当时在市场部做广告运营，里面有很多的广告，比如说被大家曝光到的，以及每天打开QQ弹出的新闻弹框，这些都是腾讯内部自己会用，也会卖给外面的客户。还有QQ群的广告，还有是一些不起眼的天气下面的广告，腾讯电商一年差不多有4亿的广告费用。因为腾讯的广告也是非常贵的，比如说看到这个acer的广告，每天弹出来1亿次，可能把这1亿次分成不同的客户看到的广告是不一样的，但是一个图标一天的广告就是25万，一个是曝光量大，价格贵，效果的确是很好的。
董超勋：我做这个项目是2012年，腾讯广告在整个应收占比中是非常小的，内部也是比较浪费的，因为当时腾讯内部资源大部分是给自己的产品，比如说QQ阅读等等，所以他给内部的资源会比较多。这种情况下，大家都不重视，所以很多广告用得并不是非常好。在这种情况下，腾讯电商变成了一个独立的控股公司，我们有独立的营收，有独立的财务，所以公司压力就非常大。但是内部是按着配额走，我们想怎么把这个资源用好。我们当时成立一个项目组，想着怎么把广告用好，想能不能从这里挖出量来，这也是广告运营的一些东西。在腾讯内部是非常复杂的，做广告要定排期，要投放，投放完了之后要进行数据系统分析，又有好几个系统，几天之后又要换一个广告，因为一般的广告是3天一个，然后再分析，再投放，整个运营也是耗了很多的人力。
董超勋：第一个是2012年第4季度，腾讯电商在公司的点击率是倒数排第二，当时腾讯的弹窗公告，这个广告基本上是内部用，而且不外部卖。但是这个量非常大，而且是可以根据不同的地区，不同的用户进行弹框。这个量非常大的情况下，大家都重点把资源投到那个上面，反而腾讯网、新闻频道，各地方的广告反而不重视，所以非常差。我们就马上做，做到二月份的时候，就有了1千次的曝光，CPM已经是第一，CPC第二，同样广告做很多的素材。今天看前一天的素材，发现腾讯的广告系统，因为腾讯的服务器是非常强大的，强大到什么程度？现在看前一个小时的广告，甚至前是半个小时的广告，可以看到适时数据。我们就是10点的时候看一次广告数据，12点的时候再看一次。这个素材如果是10点的时候不好，12点立马换掉。我们做得很好。完了做广告位的优化，类似的方式做到2013年4月份的时候，已经是做到非常OK了，81%的点击率已经高于外广。
董超勋：刚才讲过腾讯的广告位价格是非常贵的，随便一个广告位都是几十万块钱，所以外部客户买的话，会做几个广告，一般会搭配的配合，比如说腾讯的弹窗广告进行结合，这样随便一个广告就是几百万左右，如果是大的客户，签一年就是几千万的框架，所以他们买了广告，花了几百万上千万买的广告，我肯定是请专业的广告公司来帮忙创意。我们当时81%的点击率已经高于了外面广告客户了。能够做到这么好，不是因为我们的团队有多牛，因为我们不断的进行尝试、试错，找到最优的方法，找到最适合腾讯网用户熟悉的广告。等到7月份的时候，基本上到极限了，把能想到的方法都想到了，一个广告从图片，可能换成白的边框，黑的边框，效果都有差异了，做到这么细的工作了。CPC低到1.2了，大家知道这是什么概念吗？这个时候做到CPC应该是3，如果是3，公司已经觉得很低了。我们自己却做到1.2%，97%的点击率高于外广，我们已经超过了大部分的户外专业的广告公司了。
董超勋：做到这个时候遇到瓶颈了，感觉怎么做，这个数据也下降不了了。总在1.1，1.2上下浮动，发现做不下去的时候，甚至反推运营，活动的页面要做一些优化，比如说放的素材，改得跟我的广告更趋向一致，或者是吸引用户的点，已经做到这种程度了。当遇到瓶颈的时候，我们也在找出路，有一次机会就发现了，当时的阿里巴巴，他到各个媒体平台去采访，他买我们的流量，发现并不是最好的位置，可能腾讯网最上面的广告语的流量最大，但是他买的是下面，第二个或者是第三个，他的IOA能够达到0.5到0.7，花一块钱，最终得到的回报是5毛或者是6毛，但是他敢买，而且一买就签一年。我们就找到广告销售部门，发现阿里巴巴是有实力的，他的实力在哪里？他买一个广告是先测试，如果发现这个广告有潜力，他们有一个专业的大数据的广告体系，可以把这个数据从0.5一直做到1以上，1.5左右，也就是说他买的时候是0.5以下的，但是随着他的做啊做，IOA就打平了，甚至可以做到1.5的高度，实际上对阿里自己来说，我这个广告位只要做到打平就OK了，因为对他来说，阿里的整个电商是生态价值非常大的。
董超勋：大家回想阿里巴巴在各个平台上的广告也是一样的，比如说点了某个衣服，在看新闻的时候边上就会有那个衣服，跟这个原理是类似的。这是当时两个样式，比如说第一个是易讯网，当时他在全国的影响力没有那么大，所以把品牌露出来，然后是商品和类目，你点过鼠标，可能也没有购买，可能后面有一套算法，知道你对这个鼠标感兴趣，就把这个鼠标放出来。还有你最近看过什么东西，把这个类目也上出来。我算出来可能有三个是相似的，另外的话，其他的兴趣可能不是那么大，就会把其他的转化率比较多的内容，加上你对这个的关注算出一个类目出来，所以每个人看到的商品是不一样的，做到了千人千面。第二个广告形式，根据客户的场景，比如说一些新闻频道，可能大家觉得这个东西的体验好一点。比如说这个商品，每个人看到的商品也是不一样的，你看到这个商品之后，后面就是跟你最近相关联的产品。
董超勋：这个算法是发现这个广告上来以后，刚才提到的数据，本来我觉得腾讯网的首页的位置，基本上是很难抢到的。因为是一个全曝光的广告位，我们自己做得很牛的时候，这个IOA也做到了0.6左右，因为他本身是一个暴光率很高的平台。后面做到1.16，所以领导当时就拍板，我们也花真金白银，通过正规的财务结算，花钱把这个广告位包一年，因为我们的盈利比已经是OK的。当时这个广告成功以后就想了，是不是我们在其他的行业也可以复制呢？这个是腾讯QQ登陆以后，一般定的是10分钟、20分钟，会展示不同的广告，可能很多时候被曝光过，也是不同的类目有不同的运营团队，然后选择在后台上传，商品上展示这些销量，我们想能不能把这个也利用大数据的算法去算，因为不同的场景，不同的算法，是可以根据这个原理来建模的，这个场景本身是一个购物场景，我们也是算关联产品，把这种关联度最高的算出来。
董超勋：数据的背后：这是更复杂的了，我挑了一个算法公式，比如说从数据本身来说，你已有的数据标签，假设说他写的是男，但是这个人真的是男的吗？有可能是女的，而且在游戏里面玩的角色是男的，但是我们电商平台下买的又是女性的商品，这个要怎么看待他是男是女？所以我们当时就把QQ的数据和电商的数据，很多数据打通，有一个专门的算法，把这个用户不同地方的性别权重，最后综合算出来，更新出来这个客户可能是男的。光是这一点就需要一个非常复杂的算法。
董超勋：第二个是属性怎么匹配？比如说我下单买了一个手机，但是可能我只是随便下单看看价格，或者是看看活动，怎么看出来他是不是真的对这个感兴趣？还要综合深层的行为，这些都是非常复杂的，包括用户是把小心点的，还是感兴趣点进去的？都是非常复杂的。我们一定要有强大的数据支撑，自己要有很好的建模思维，如果建模OK，大数据才能得到很好的运营。我进入OPPO之后，也是做移动互联网，也是做电商，OPPO很愿意花精力做移动互联网的底层搭建，当时大数据也是他重点看好的方向。大数据也有一个团队来做，因为OPPO愿意投一两年都不愿意赚一分钱，纯投资的。我们做完了之后，能够真正应用于大数据上线的场景是非常少的，因为你会发现他的原数据处理，包括很多东西是非常麻烦的，对于服务器的要求也高，对你算法的要求也高。我们当时搭建了两年之后，感觉这个东西还是要借助于整个互联网生态的营销手段。比如说有大数据能力支撑的，做一些结合，做数据统计的，相关的综合起来才能把这个场景应用好。因为我们大数据公司是没有像腾讯、阿里那样的能力的。
董超勋：这是我们具体的建模，我们也是从四个纬度来做的，刚才于总讲的是类似的，我们也是引入期，成长期，成熟期，衰退期。引入期，比如说这个用户初次接触这个平台，我在这个平台上注册了，但是只注册了，但是没有做其他动作，这个时候就要触发一个动作，比如说注册了没有绑卡，就有一个奖励，绑卡后有一个奖励，或者是注册了绑卡又没有交易，我就送你多少券，快速的进入平台并且成为客户。成长期，用户对这个平台已经有一定的信任感了，我愿意在你的平台上购物了，或者是愿意在这个平台上玩了。到交易期，就是愿意付款了，这个时候就需要给用户关怀了，让他感受到平台的关照，比如说生日，或者是签到提醒。
董超勋：成熟期，他已经成为了一个平台的忠实客户了，或者是他愿意把他的亲朋好友邀请到你的平台上，购买东西了，或者是他的行为，交易行为，比如说公司购买行为，甚至是有交叉买卖，比如说我们上了基金就买基金，上了其他产品就买其他产品，说明对平台黏性非常强了，这个时候就会做一些老用户的延长生命周期，做一些活动触达，可以新建一些任务。衰退期，每个平台都不可能完全在一个平台呆着的，肯定都会有衰退期。用户就有流失的迹象，比如说他已经是很低了，或者是他的购买次数已经变得很低，或者是金额已经很低了，这个时候生命周期就类似于已经要提醒了，这个用户给他发一个信息，你已经好几天没登陆了，登陆以后可能有一个什么礼包送给你，或者有一些用户，比因为他把钱收回来，我们就给他发优惠券，希望他把收到的钱再投到我们的平台中来。这是我们目前运营得比较好的。这是一个典型的应用，我们对这个应用也是比较浅层的，而且对用户的生命周期管理，价值非常大。但是大部分的用户，可能在未来会比这个大很多倍。
董超勋：除了我们当前已经实现的部分以外，未来还希望有更多的东西，未来的设想一定是品牌内涵，我们最近对品牌进行了升级，未来主打的方向是做公募基金，未来做一个智能的基金交易平台，主打的方向是智能策略或者是基金组合。智能如何体现？我们已经定了几个维度，比如说重点发展智能投顾策略，用户把钱投进去，不要再考虑得失等等的问题，或者是最近哪个基金涨，哪个基金跌不要操心了，会自动的给你调整到你的点位上，你买我的基金就不要操心了，只要赚钱。第二个是智能定投。比如说每个月发工资了，按照每个月的定期存钱是一样的，我们要的不光是定期，定额，而会做定期不定额，不定期不定额，在市场波动的情况下，我们会算一个最佳金额给你，我们投的频次也是不一样的，这个方面会发力。第三个是止盈、止损策略。炒股的时候都想低买高卖，基金也是一样，买了肯定是希望赚钱的，我可以帮用户设置，我买这个基金产品希望赚到10%或者是15%的时候，提醒我，让我把它赎回来，或者是亏到10%的时候，要告诉我，我已经亏损到这个程度了，要我通知我是不是赎回，或者是给我一些建议。
董超勋：另外是我们的系统会算，如果这个基金长期以来或者是受到什么影响，用户没有设置止盈、止损，但是跌得非常猛，我们会股东告诉用户，而且有专门的投研团队做策略，你是否要赎回，比当年市面上的产品都更加智能。第四个是智能推荐，猜你喜欢。这个基金可能风险承受能力是怎么样的，可能是通过各种奖励，给基金做一个打分，综合他的纬度，计算一个算法，比如说这个用户经常买这个产品，可能对风险的偏好程度稍微低一点，那么可能会给你推荐这个基金。智能推荐和猜你喜欢，目前产品已经在开发，下一步也要上线。第五是精选基金的智能算法更新。除了人工无限的服务以外，他会把综合业务进行筛选，而且判断未来的趋势，如果是未来趋势比较好的情况下会推荐到平台上的使用人，我们叫做TOP5。我们希望把这些建模，建模之后可以录入系统，这段时间基金是跑得比较好的，系统自动识别。以后基金可以适时的更新，每天可能筛选一次，这一天比较好的基金给用户筛选出来。再往后可以做到每个用户看到的不一样，不同的用户，不同的风险程度，得到的不一样。
董超勋：这是智能投顾策略，这个策略是非常牛的，有四款基金，有抗风险的货币基金，他的风险能力是最低的，还有混合基金，还有沪深300指数的，还有创业混合的基金，这四个基金，系统随着计算，比如说最近沪深300指数走势非常好，而且它比其他几个基金都跑得比较快，这个时候用户就会自动的把他的仓位调到这里。也有可能最近的沪深300大幅度下跌的时候，比如说黄金市场还是比较稳定的，可能我就转到黄金上。也有可能最近美国大选，大的波动，黄金可能也受到影响了，那么我们就转到货币基金上。
董超勋：未来我们是资讯模块，刚好讲的是黄金未来十年的走势，或者是特朗普上台对黄金的影响，下面就有相关的黄金板块，对于资讯里面的关健词进行匹配，目前还在开发中。我们已经在建精选池了，就是按照这种算法去跑。大数据其实是没有那么简单的，还有上下游要不断的跑，把策略跑到最优，我们也是希望跟行业伙伴有很好的借力，是否有更好的合作，包括梁总讲的大数据算法，是否也有很好的结合点，他们的技术能够跟我们结合。只有跟行业的生态链的小伙伴一起来做这个事儿，才能把整个大数据应用的潜力挖到最大。
董超勋：这就是我今天要分享的主要内容。一个是当时我在腾讯做的案例，包括金斧子当前做的，和互联网规划做的策略。实际上大数据对互联网运营已经改变了，更多的是通过大数据的方法来达到另外一个层级。当前互联网用户需求已经从从众化开始往个性化、多样化转变了，90、00后不断的崛起，他们的个性化会更加强，未来的互联网运营更应该思考如何很好的满足这些个性化的需求，多样化的需求，大数据下的互联网运营之路到底要怎么走，还需要我们一起来探索，大家一起来努力。谢谢大家。
本次直播到此结束，我们下次再会！
扫描二维码关注，第一时间获取创业现场干货
&&|&&&&|&&&&|&&&&|&&
项目报道：
项目计划书投递：
工作时间：周一至周日 09:00-18:00
&&&&创客猫-创业现场第一媒体&&厦门创客猫网络科技有限公司&&}