互联网金融下半场的用户增长，最有效的三条策略丨含用户增长算法

互联网金融的发展进入下半场，大家日子都不好过

海外上市的互金股今年以来涨幅（2018.6.25）

近期的联璧金融、唐小僧，年初的善林金融，再更早一些的钱宝、快鹿，一个接一个的跑路消息，都在冲击着投资人的信心，最终反映在业务上，就是资金和用户持续从互联网金融行业抽离。加上APP Store对金融类APP审核的3.2.1条款、存管银行改造，都是一堆焦头烂额——换言之，用户增长不好做了。

草根平台艰难，拿着金字招牌的金融机构也不易。资管新规出台后，打破刚兑、打破期限错配已经势在必行。加上禁止货基冲规模、货币基金快速赎回1万元上限的限制、支付机构被网联收编，不少中小型券商的网金部和基金公司的电商部都开始收缩，从预算到编制全面收紧，而与此同时，银行直连、客户维系、系统改造的工作却一点都没少——地主家，也没有余粮了。

前几天，我在朋友圈发了一条动态：

很多朋友在下面留言，以为我要跳槽——其实我更想说的是面对行业低潮时的心态。

2013-2014年前后，提起互联网金融，就是高薪、创新、高收益的代名词，插个旗杆就能聚一大拨人起来；2016年来，整个互金行业愁云惨淡，内有合规约束、外有流量变贵趋势，听说裂变获客效果好，就一窝蜂做裂变，听说抖音很火，就一拥而上开账号拍视频——那景象就跟早年火车站里大家莫名其妙地忽然往车厢里冲一样。用脚后跟代替大脑思考，最终的结果无非就是被前面的人带到坑里去。

在我看来，互联网金融下半场的用户增长，最有效的策略，是如下三条：

1.耐心

做金融业务，首先要有周期思维，能在上升周期吃肉，也要能在下降周期挨打。你不用记住金融周期和经济的基钦周期、朱格拉周期、库兹涅茨周期都是什么意思，但你需要明白，钱和人像潮水一样，有涨潮也有落潮，金融条件和金融资产价格会随着潮涨潮落而变动。如果你想在这个行业立足，那就摸头水性，练好换气和游泳的本领；如果你想的是追逐风口，个人收益最大化，那么这时候就可以更换赛道，新零售、人工智能、区块链都是不错的选择。
永远记住，专注的前提是基于丰富选项的理性选择的结果。

2.回归金融本质

有关金融的本质，我最认同两位专家的说法：

哈佛大学金融学教授陈志武：金融的本质是跨时间、跨空间的价值交换。
黄奇帆：金融的本质，就是三句话：
- 一是为有钱人理财，为缺钱人融资；
- 二是信用、信用、信用，杠杆、杠杆、杠杆，风险、风险、风险，实际上就三个词“信用”、“杠杆”、“风险”；
- 三是金融不是单纯的卡拉OK、自拉自唱的行业，它是为实体经济服务的，金融如果不为实体经济服务，就没有灵魂，就是毫无意义的泡沫。在这个意义上，金融业就是服务业。

陈志武教授的定义，破题点是“风险-收益-流动性”，做互金用户增长，无论产品还是运营，这都是工作框架的基石（cornerstone）。我在此前分享的课程中多次做过解说，这里就不再啰嗦了。

后一个定义，你可以理解为对互金人职业发展路径的梳理：

换一个角度，落实到互金用户增长，你又可以有新的视角：

3.科学的增长

“科学”这个词大家都耳熟能详了，可是究其定义，估计没几个人说得清楚。下面上一段度娘的解释：

科学，指的就是分科而学，后指将各种知识通过细化分类（如数学、物理、化学等）研究，形成逐渐完整的知识体系。它是关于发现发明创造实践的学问，它是人类探索研究感悟宇宙万物变化规律的知识体系的总称。

科学是一个建立在可检验的解释和对客观事物的形式、组织等进行预测的有序的知识的系统。

概况来说，就是3点核心：

细分

要能够根据用户的转化漏斗，抓住用户转化的每一个节点，然后再将大节点细分为若干个小节点，一个节点一个节点地梳理，一个问题一个问题地解决。在此前《基于用户行为的增长逻辑：触动人心的运营策略03》这篇文章中，已经提到过有关漏斗拆分的内容，在此不再赘述。此外，还要根据你所能使用的增长手段，针对指标进行拆分。比如，活跃用户=新增用户+当期活跃用户+流失用户召回，就是一种有意义的拆分手段。

系统

拆分是为了更好地形成合力。无论是AARRR模型，还是电商的万能公式（GMV= UV*转化率*客单价），无论做哪个行业的增长，你都必须有自己一套行之有效的框架体系。这往往也是产品狗/运营汪与产品总监/运营总监的区别所在。

检验和测试

这个世界上不存在万用万灵的增长公式，也没有一步到位的增长策略。现代医学讲究“大样本随机双盲对照试验”，FDA基于这套体系对新药的审批从phase1- phase3都有自己的要求，这也是为什么很多国家的食品药品监督管理部门会完全信任FDA的审批结果的原因。落实到用户增长上，无论你提出怎样的想法和策略，都必须经由AB测试、反复地迭代和优化才能得到证实或证伪。网上的大V们分享的各种方法，你可以认为是一种快捷方式，但是否管用，还得自己测了才知道。

整体来看，我非常认同Sean Ellis提出的“增长黑客循环”这个模型：从分析数据并提出洞察、形成试验想法、排定试验优先级到运行试验，这是一个完整的循环。你要做的，无非是找到所在行业的基本框架，然后不断重复使用和迭代这个模型而已。