背景
金融行業告別野蠻增長，進入存量客戶的精細化運營時代
精細化運營的目標之一是擴大資產規模，轉向財富管理
如何服務不同投資偏好的人群，TalkingData用數據分析給出建議
報告部分總結
70後、90後熱愛奢侈品的人群更有可能成為基金投資人群。與奢侈品平臺進行異業合作可能成為首選。
基金投資以及炒股人群中有槓桿交易行為的基金投資人群，更可能轉化為財富管理客戶。
銀行的大量理財客戶同證券客戶有較大重疊，先從此部分人群開始運營，收效比較顯著。
研究目的：為什麼要撰寫本篇報告？
在存量客戶經營時代，線上業務如何服務財富管理人群，抓住互聯網轉型第二波浪潮？
TalkingData創新金融部從“投資人群”的洞察報告入手，專項分析投資人群中的“手機銀行人群”、“基金理財人群”、“財富管理類人群”等人群，結合行業數據和TalkingData數據，為財富管理人群洞察和營銷提供建議。
1.1 炒股人群理財屬性
除了佔比最高的證券投資屬性以外，炒股人群偏愛的投資理財方式是貨幣基金，緊隨其後的有財富管理，手機銀行，借貸，直銷保險等等。通過證券投資人群的前三名我們將在後面分析炒股人群分別與“手機銀行人群”、“貨幣基金人群”、“財富管理人群”等人群的差異。
1.2 投資人群分層模型
我們將金融行業中的理財金字塔概念放在本章用於解釋報告的邏輯，但是因為分析的主題為人群而不是具體的投資產品，所以分層的依據為客群數量多少以及相對應的客戶淨值的高低。
金字塔底層人群基數大但客戶淨值低，整體服務成本高，建議提供線上服務。
金字塔頂層人群基數少但客戶淨值高，單個客戶收益高，建議提供線下服務。
針對每一個層次提供基於特殊的人群屬性向上增銷、轉化、定位的建議。
2.1 手機銀行客戶分析
人群定義：該人群畫像具有諸如有手機銀行理財行為，或是手機上沒有安裝任何券商資訊、證券交易等APP的行為特點。
80後是炒股散戶主力軍
在使用了手機銀行但是沒有炒股偏好的人群中我們發現，90後、70後的比率更高，與後面的基金購買人群相似。且中年人群（46歲以上）在手機銀行上的行為比炒股更頻繁。券商需要思考如何將90後拉回來、如何保留住70後，銀行則要思考如何為80後提供更好的投資服務。
2.2 遊戲無法填補我被割韭菜的憂傷
通過深度的遊戲標籤屬性，我們可以發現，理財偏好為手機銀行端且沒有炒股相關APP的人群的更愛玩遊戲，其中每天會有至少一次遊戲行為的用戶超過20%；而相比之下此類用戶在炒股人群中僅佔7.73%。高頻遊戲人群在手機銀行人群中的比率為炒股人群中的近三倍。
手機銀行理財人群的遊戲付費意願更高，有更多人在遊戲中花費超過5000元。炒股人群不太熱愛玩遊戲，但針對手機銀行理財人群，遊戲化運營可能是一個不錯的嘗試。
2.3 我與韭菜之間可能只差一個APP
通過分析炒股人群以及手機銀行理財人群可以發現，炒股人群中幾乎所有人都會關注財經資訊，而在銀行理財人群中則只有不到5%的佔比。但是兩種人群都愛閱讀科技資訊類讀物。此外，炒股人群更多關注財富管理產品。券商與其在大流量平臺買流量，不如在財經資訊類渠道投放廣告，說不定會有驚喜。科技資訊和閱讀可以作為一種服務，為銀行客群提供更好用戶體驗。
3.1 炒股人群洞察
人群定義：該人群畫像為下載了諸如“東方財富網”、“同花順”、“雪球”等股票資訊軟件的移動端活躍人群，並經過過濾刷量、數據去重等數據處理後的“炒股偏好人群”。
KYC – 炒股人群性別分佈
炒股人群中男性佔比最大，超過74%的炒股人群為男性，超過全量數據的51%，將近四分之一。
券商移動APP的設計風格可以重點考慮男性客戶需求，運營活動的話術需要簡單明瞭，小清新風格不適合券商炒股人群。
券商的財經資訊在選擇上需要偏向男性投資者需求，考慮增加政治、軍事、科技、宏觀經濟等分析報告。
3.2 KYC – 炒股人群年齡分佈
炒股人群呈現年輕化，其中19-35歲的人群佔比超過68%，相比在總人群中26%的佔比超過一半還多。
券商APP的功能設計需要圍繞年輕人群需求，不求界面複雜，但求簡單明瞭，突出投資和交易特色。
年輕人重視客戶體驗、對活動響應率高，券商APP的色彩年輕化和深化活動運營有可能是個不錯的嘗試。
成功定位到炒股人群后。 如何精準觸達這一群體？
這些行為在移動端也有一樣的表現呢？ 我們將在後面通過TalkingData的數據庫進行驗證。
3.4 進擊的二次元
營銷上，結合TalkingData在金融廣告投放方面的經驗，建議在優酷上可以進行以品牌曝光為主的投放。
3.5 老鐵，火箭走一波！
儘管虎牙以及鬥魚是知名的遊戲彈幕直播平臺，但在虎牙以及鬥魚上直播分享理財知識的也大有人在。其他品牌已經在進行流量滲透了，你呢？
3.6 成不了富翁，我們還有 GTA5
在遊戲偏好中我們發現，炒股人群中喜愛動作射擊類遊戲（亦如GTA5）的人群佔比遠遠不及總人群。為什麼呢？
進一步研究我們發現，GTA5內置炒股系統（線上為BAWSAQ，單機為LCN）。許多搜索“炒股”關鍵詞的人其實是在搜索GTA5遊戲中的股票，這也就解釋了為什麼關鍵字“炒股”與“GTA5”關聯度高，但是炒股人群對動作射擊類遊戲偏好較低。
3.7 投資是一種信仰，從天天德州開始
相較於總人群，炒股人群的遊戲屬性較弱，比較偏愛撲克棋牌、經營、策略類遊戲。與投資、經營有關的遊戲更受炒股人群的喜愛。比如天天德州。
可以結合三方數據找出有投資、經營類遊戲行為的人群，進行定向投放或者異業合作。
3.8 入的了貴賓廳，出得了地鐵站，騎得了小黃車
炒股人群有明顯的商旅特徵，包括更顯著的酒店、公交出行以及航空出行類應用偏好。共享單車的使用比率也略高於總人群。券商無法像銀行信用卡一樣通過商旅權益吸引客戶，但是因為券商的展業代理人一般會銀行網點駐場，那麼選擇商旅權益較好的信用卡的銀行網點駐場在開戶獲客上或許會更高效。
3.9 上班艱苦阻擋不了我對股票的熱情
炒股人群設備活躍時段是比較典型的上班族活躍曲線，白天的活躍時段波段比較平穩，在下午的一點到五點會有比較小幅度的縮減。
通過以上炒股人群的行為特徵，我們可以大致描繪出炒股人群的一天。
4 . 基金人群
基金理財人群定義：在TalkingData數據中有“基金理財”標籤的人群，該類人群畫像具有下載了諸如“財富通”、“陸金所”等基金理財相關APP，或是證券交易用戶，或有其他基金理財性質行為特點。
4.1 70後、90後更樂意購買基金
基金人群與炒股人群高度相關（基金理財人群中大部分都是炒股人群，或者說大部分是從炒股人群中轉型的）。我們嘗試去找出“貨幣基金人群”和“炒股人群”的差別，為“如何將炒股人群”轉化為“基金購買人群”的課題提供數據驅動決策的指導。
我們發現基金人群在19-25歲、36-55歲的維度佔比更高。可以總結出，80後更偏愛個人決策炒股，90後、70後更偏向將資金交給基金。
4.2 買過最奢侈的東西就是基金了
通過下圖我們可以發現，相較於炒股人群，基金人群在消費定位上更偏好奢侈品以及高端品牌。可以總結出，基金人群平均淨值比平均炒股人群高，或者說炒股人群中淨值高且有奢侈品消費行為的人群更容易轉化為基金客戶。通過與奢侈品平臺進行異業合作既能為品牌提升聲譽，投放的TGI可能也會更高。
4.3基金人群更偏愛BATJ承載的產品
在內容分享類APP中，知乎在兩種人群的使用比率都較高。此外，垂直類視頻網站中，基金人群更偏愛咪咕影院，炒股人群更偏愛bilibili。貨幣基金APP中，炒股人群偏好使用陸金所瀏覽或者購買基金，而基金人群中排名第一的基金類APP為京東金融。炒股人群的資訊閱讀偏好比較偏冷門的澎湃，而基金人群喜愛偏大眾的QQ閱讀。用知乎承載金融大牛的報告輸出，說不定會比悶頭寫投研更高效。
財富管理人群定義：在TalkingData數據中有財富管理偏好標籤的人群，該人群畫像具有下載了諸如“螞蟻聚寶”等相關APP、並且經常活動區域為CBD等商務區域的特徵。
5 . 財富管理人群
5.1 我是八零後，我為我的股票賬戶代言
財富管理人群中年齡分佈與基金理財人群比較類似，相比基金人群，70後、90後的佔比更高，80後的佔比更低。
80後生活負擔和壓力較大，更多的人期望通過股票投資來獲取更高的收入，其投資偏好比較激進，偏愛高風險高收益。
80後處於財富積累加速上升的通道，券商需要適當引導80後的投資理念，從長期收益和資產配置角度來進行理財規劃。
5.2 槓桿加起來，黃金屯起來
總體分析，財富管理人群與炒股人群的金融理財偏好相當，但是數據分析發現偏向財富管理的人群有更高的借貸屬性，甚至在貴金屬投資中的佔比是炒股人群的6-7倍。
在風險更高的期貨以及外匯上，兩類人群偏好同樣較低。可以總結出，財富管理類人群更加偏好中等風險投資，特別是自帶槓桿的貴金屬投資。結合貴金屬交易頻度可以從客戶行為數據找出潛在的財富管理類用戶。
5.3 財富管理人群週末消費地與深圳市民對比
通過財富管理人群與深圳普通市民的週末消費地點的線下POI熱力圖對比，我們可以發現，財富管理人群主要出現在南山歡樂頌、清華大學園以及布吉附近。與我們假設的“CBD等商務區域”偏好相差甚遠。
與一般市民聚集於羅湖相比，大部分財富管理人群週末都聚集在南山（科技園區所在地），以及郊區的高端住宅區。可以總結出，其實有財富管理偏好的人群週末比較宅，更喜歡與家人共度休閒時光。
財富管理人群2018年1-2月深圳週末消費地點（4點-6點）
深圳市民2018年1-2月深圳週末消費地點（4點-6點）
深度人群洞察諮詢，請聯繫——
400-870-1230
閱讀更多 TalkingData 的文章
