互聯網加金融案例分析

A. 互聯網加的一些實例

傳統的金融行業是以銀行業為代表的經濟類型，隨著互聯網的發展，人們在互聯網技術改造下的傳統行業，簡稱互聯網加，金享財行就是傳統金融加互聯網創新的的成功實例，在行業內算是走的比較靠前。

B. 互聯網金融的信用風險例子有哪些

互聯網金融的信用風險指網路金融交易者在合約到期日未能履行約定契約中的義務而造成經濟損失的風險，交易對手即受信人不能履行還本付息的責任而使授信人的預期收益與實際收益發生偏離的可能性。傳統金融企業在信用風險方面研究較多，已經形成了比較完善的信用評估體系。雖然互聯網的開放性減少了網路中信息的不對稱，但這更多的是在需求對接等資源配置上的效率提升，而在識別互聯網金融參與雙方信用水平上並沒有太大作用。同時，由於互聯網本身的特點，互聯網金融領域的信用風險較傳統金融行業更難控制。
由於互聯網金融虛擬性的特點，交易雙方互不見面，只是通過網路發生聯系，這使對交易者的身份、交易的真實性驗證的難度加大，增大了交易雙方在身份確認、信用評價方面的信息不對稱。而且互聯網金融發展歷程短、進入門檻低，大部分企業缺乏專業的風險管理人員，不具備充分的風險管理能力和資質，加上網路貸款多是無抵押、無質押貸款，從而增大了信用風險。網路金融中的信用風險不僅來自交易方式的虛擬性，還存在社會信用體系的不完善而導致的違約可能性。由於我國的社會信用體系建設處於初級階段，全國性的徵信網路系統也還沒有建立起來，加之互聯網金融還未納入央行徵信系統，信用中介服務市場規模小，經營分散，而且行業整體水平不高，難以為互聯網金融企業風險控制提供保障，基於上述原因造成的信息不對稱，互聯網金融中也存在一定的道德風險。客戶可以更多地利用金融機構與自身信息不對稱的優勢進行證明信息造假，騙取貸款，或者在多家貸款機構取得貸款。在經濟中存在逆向選擇問題，一般而言，有信用且優質的客戶大多能從正規的金融機構獲得低成本的資金，而那些資金需求難以滿足的人群大多都成為了互聯網金融的主要客戶，這部分人或者企業可能存在以下情況：信用存在問題，沒有可抵押擔保的資產，收入水平低或不穩定。客戶利用其信息不對稱優勢，通過身份造假、偽造資產和收入證明，從互聯網金融企業獲取貸款資金，互聯網金融平台之間沒有實現數據信息的共享，一個客戶可能在多個平台進行融資，最後到期無法償還而產生信用風險，如果違約金額大，涉及的客戶數量多則很可能引起公司倒閉，進而使其餘投資者資金被套，無法追回。互聯網金融平台經營者可能通過虛假增信和虛假債權等手段騙取投資人的資金，隱瞞資金用途，拆東牆補西牆，最後演變成旁氏騙局，使投資人利益受損。
另外，任何金融產品都是對信用的風險定價，互聯網金融產品如果沒有信用擔保，該行為風險就可能轉嫁到整個社會。互聯網金融中，無論是網貸平台還是眾籌平台，其發行產品的風險無法由發行主體提供信用擔保。如今很多網貸平 台都引入擔保公司作擔保，且不說擔保公司的注冊資本能支撐多高的擔保金額，其擔保模式是否合法就存在很大問題， 這種形式上的擔保並不能減弱互聯網金融的信貸風險。
大數據最大的價值在商業服務領域，企業通過大數據透視了用戶深層次的特徵和無法顯現的內在需求。互聯網金融企業通過數據挖掘與數據分析，獲得個人與企業的信用信息，並將其作為信用評級及產品設計、推廣的主要依據，這一做法是否侵犯了隱私權及其在中國的合法性也不能確定。
互聯網時代人們在網路上的一切行為都可以被服務方知曉，當用戶瀏覽網頁、發微博、逛社交網站、網路購物的時候，所有的一舉一動實際上都被系統監測著。所有這些網路服務都會通過對用戶信息的洞察獲取商業利益，例如用戶在 電商網站上瀏覽了冰箱，相關的冰箱銷售廣告就會在未來一段時間內推薦給用戶;用戶在社交網路上提到某種產品或服務，這類型的產品或服務就能主動找到用戶。所有這種商業行為本質上就是機構通過對用戶隱私的洞察來獲取商業收益。

C. 如何進行互聯網金融運營數據的分析，都有哪些方法

來源於：知乎
大部分的互聯網金融公司最為糾結的一點是，流量這么大，獲客成本這么高，為什麼最後的的轉化率和成單量卻這么低？怎樣才能提高用戶運營效率？用戶行為數據分析怎樣把處在不同購買決策階段的用戶挑選出來，幫助互聯網金融公司做到精益化運營？
我們的客戶中很大一部分來自互聯網金融，比如人人貸等行業前 10 的互聯網金融公司。在服務客戶的過程中，我們也積累了大量的數據驅動業務的實踐案例，來幫助客戶創造價值。
一 、互聯網金融用戶四大行為特徵
互聯網金融平台用戶有四大行為特徵：
第一流量轉化率低，下圖是某互聯網金融公司網站上，新客戶過去 30 天整體購買轉化漏斗，其轉化率只有 0.38%：
而這並非個例，實際上，絕大多數互聯網金融公司，在 web 端購買的轉化率基本都在 1% 以下，APP購買率在 5% 左右，遠遠低於電商或者其他在線交易的購買率。
第二，雖然轉化率低，但是客單價卻很高。一般來說，電商行業客單價在幾十到幾百，而互聯網金融客戶，客單價從幾千到幾萬，某些特殊領域甚至高達幾十萬。而客單價高，就意味著用戶購買決策會更復雜，購買周期也會更長。
第三，用戶購買行為有很強周期性。電商的客戶下次購買時間是不確定的，但是互聯網金融平台上，真正購買的用戶，是有理財需求的用戶，在資金到期贖回產品後，一定還會進行下一次購買，只不過未必發生在你的平台上。
可以看到，每隔一段時間，這個用戶就會有一段集中的、大量的交互行為。當用戶購買完成後，用戶的交互行為又變得很少，可能偶爾來看看產品的收益率，但整體的交互指標不會太高，直到他下一次購買。這個用戶理財需求的周期是一個月左右。

最後一個特點是「很強的特徵性」，主要包括兩個特徵：
A：用戶的購買偏好比較容易識別，理財產品數量和品類都很少，所以用戶購買的需求或者偏好，很容易從其行為數據上識別出來。
B：用戶購買過程中的三個階段特別容易識別：
用戶在購買決策階段，有大量的交互事件產生，他會看產品，比對不同產品的收益率和風險，比對不同產品的投資期限等等；
但是一旦他完成了產品的購買，就不會有大量的交互行為產生，他可能僅是回來看一看產品的收益率。
當用戶的產品資金贖回之後，又有大量的交互事件產生，實際上他處在下一款產品購買的決策期。
二、互聯網金融用戶運營的三大步驟
針對互聯網金融用戶行為的四個特徵，在用戶運營上有三個比較重要的階段性工作：
1.首先，獲取可能購買的目標用戶，合理配置在渠道上的投放預算，以提高高質量用戶獲取的比例：
渠道工作的核心，主要是做好兩方面的工作：宏觀層面，優化整個渠道的配置；微觀層面，單一渠道角度來說，根據渠道配置的策略，有針對性地實施和調整。
具體渠道的實施，大家都比較熟悉，但是對於整個渠道組合配置的優化，很多人接觸的其實並不多。
這張圖是整體轉化漏斗，從不同維度可以做對比，比如我們先選出流量前 10 的渠道：
以渠道一為例，總體的轉化率是 0.02%；在過去 30 天站內總體的流量是 18.9K，漏斗第一級到第二級的轉化率是 3.36%，這樣一共是五級，我們看到最終渠道一帶來總體的成交用戶一共是 4 人。
類似的，前 10 的渠道數據都很清晰。不同渠道帶來的流量，不同渠道總體的轉化率，以及不同渠道在整個轉化路徑上每步的轉化率都可以看到。
這裡面有幾個渠道很有特點：
渠道一的特點，渠道一帶來的流量是所有 10 個渠道里最大的，但是它的總體轉化率卻是低的；
渠道二和渠道七，渠道二的量很大，但是轉化率是零。渠道七量比較一般，轉化率也是零；
渠道九和渠道十，這兩個渠道是所有渠道里轉化率最高的。但是這兩個渠道特點，是帶來流量不是特別大……
第一象限（右上角）渠道質量又高，帶來流量又大的，這裡面渠道三四五是符合這個特徵的，渠道策略應該是繼續保持和提高渠道的投入。
第二象限（左上角）渠道的質量比較高，但帶來的流量比較小，這裡麵包含的主要渠道就是八九十。對應的主要策略是，加大渠道的投放，並且在加大投放的過程中，要持續關注渠道質量的變化。
我們先看第四象限（右下角），渠道質量比較差，但是帶來流量比較大，這裡面主要有渠道一和渠道二。相對應的渠道策略，應該在渠道做更加精準的投放，來提高整個渠道的質量。
第三象限（左下角）這個象限里渠道質量又差，帶來流量又小，比如渠道六跟渠道七。我們是否要直接砍掉？這里建議是，策略上要比較謹慎一些。所以在具體渠道的策略上，業績保持監測，然後小步調整。
根據上面數據分析得出的結果，做過渠道優化後，就會為我們帶來更多高質量的用戶。
2.接下來就要把高價值的用戶——真正有購買需求，願意付費、購買的用戶找出來。
將資源與精力投入到真正可能購買的用戶上的前提是，我們要能夠識別出，哪些是真正有價值的用戶？哪些是價值偏低的用戶？
其實對於互聯網金融平台來說，甚至所有包含在線交易的平台，用戶的購買意願，是可以從用戶的行為數據上識別出來的。由於互聯網金融平台的特殊性，相比於電商平台來說，商品品類更少，平台功能也更為簡單，所以用戶的行為數據，也更能反應出互聯網金融平台上用戶的購買意願。
把用戶在平台上的所有行為總結一下，核心的行為其實並不多，具體包括：
用戶查看產品列表頁，說明有一些購買意願，點擊某個產品，說明用戶希望有進一步的了解。用戶最終確認了支付，完成了購買，購買流程就走完了，他的理財需求已經得到了滿足。每一種行為都表示出用戶不同程度的購買意願，所以獲得用戶在產品里的行為數據就十分重要。
既然用戶行為數據這么重要，那麼怎樣獲取呢？GrowingIO 以無埋點的方式，全量採集用戶所有的行為數據，根據我們對業務的需求，配比成不同的權重系數，並按照每個用戶購買意願的強弱，進一步分群。
這是我們一個客戶製作的用戶購買意願指標的範例，剛才的前 5 個行為，都是用戶在購買前典型的行為：
每種典型事件的權重系數不一樣，用戶購買意願是越來越強的：用戶點了投資按紐，甚至點了提交的按鈕，顯然要比他單單看產品列表頁，或者單單看產品頁、詳情頁的意願強。越能反應用戶購買意願的事件，你給它分類的權重應該是最大的，這是大的原則，0.05 還是 0.06 影響並不大，所以不必糾結。
這樣通過這種方式，我們就可以按照每個用戶的所有行為，給用戶做購買意願打分的指標，最終形成用戶購買意願的指標。
這是我們從高到低截取部分用戶購買意願打分的情況，第一列是每個用戶的 ID，第二列是按照購買意願給每個用戶打分的情況。得分高的，就是購買意願最強烈的用戶。
拿到所有用戶購買意願之後，我們就可以按照用戶購買意願的強烈與否，把所有的用戶分成不同的群體，來做針對性的運營。
這是在把用戶在過去 14 天內，由其產生的所有行為數據，按照購買意願打分的權重，把打分大於 5 的用戶找出來，在總體用戶里，這部分用戶購買意願排名前 20% ，我們給它起個名字，叫購買意願強烈的用戶。
類似我們還做了購買意願中等的用戶分群，這是購買意願排名在 20-60% 之間的用戶；購買意願排名在最後 40% 的用戶，是購買意願最弱的用戶分群。
分群之後，點擊任意一個分群，都會以用戶 ID 的形式列出來。因為你要有用戶的 ID ，才能對這些用戶施加運營策略。每個用戶最近 30 天的訪問次數，最近的訪問地點，最後一次訪問時間都可以看到。
接下來針對這些購買意願強烈的用戶，怎樣推動用戶的轉化呢？
3.採取針對性的運營策略，提高高價值用戶的轉化率。
首先我們來看一下購買偏好，互聯網金融平台商品品類是比較少的，用戶購買的目的性也比較清晰，一般商品的品類有這么幾種：
第一種：債券型理財產品
第二種：股票型理財產品
第三種：貨幣型理財產品
第四種：指數型理財產品
第五種：混合型理財產品…
我們把用戶在不同品類商品上的訪問時長佔比算出來，就能比較好地了解用戶的購買偏好。比如下圖，我們用用戶訪問債券型產品詳情頁的訪問時長，除以用戶在站內總體的訪問時長，就能夠得到用戶在債券產品上訪問時長佔比的指標。
我們還是使用用戶分群的工具，把在債券型產品上的訪問時長佔比大於40%的用戶分出來，這是有非常強烈表徵的客戶，他購買的偏好就是債券型的產品。
同時我們再設定另外一個指標，比如用戶購買意願指標，之前我們做過大於5，也就是購買意願排名在前 20% 的。
通過這兩個條件，我們就可以把購買偏好是債券型產品，同時有強烈購買意願的用戶找出來，這兩個指標的關系是並（and）的關系。同樣我們可以按照用戶的購買偏好，把關注其他品類的用戶，都做成不同的用戶分群，然後形成不同購買偏好的用戶群體。
針對這些用戶，其實在運營策略上，我們可以從三個層面來展開來進行做：
從購買階段的角度，首先我們把所有用戶可以分成新客和老客。對於這兩個群體來說，運營策略和運營重點是非常不一樣的。
新客群體，是從來沒有在平台上發生過購買的用戶，我們要根據用戶的購買意願，做進一步的運營。
老客群體，也就是在平台上已經發生過產品購買的用戶，除了關注用戶的購買意願之外，用戶的資金狀態（資金是否贖回）也是非常重要的參數。
用戶是否購買過產品？購買產品的用戶是否已經贖回資金？這兩個內容，其實是一個用戶當前的屬性。在我們分群的工作里，這有個維度的菜單，通過這個維度菜單，我們就可以把具有某種屬性的用戶找出來：
這里我做了一個分群，我們可以看一下。在維度的菜單里，我們把是否購買過產品的維度值設置成了 1 。把資金是否已經贖回這個維度的值，也設置成了 1 。實際上是把那些資金已經贖回的老用戶找出來；同樣在指標這個菜單里，我們同時也把有強烈購買意願的用戶找出來，時間是過去 14 天，指標大於 5 。
這樣我們就製作了一個用戶分群，而這個用戶分群里所有用戶，要滿足下面的三個特徵：
特徵一：購買過產品的老客。
特徵二：他們的資金，目前已經贖回了。
特徵三：過去 14 天內的行為數據，表明這個用戶有著強烈的購買意願。
同理我們把所有用戶，整理為下面幾個不同類別，對應不同的運營策略：
比如新客里，當前有購買意願的，其實他屬於購買決策期的新用戶。應該根據用戶的購買偏好，推薦這種比較優質的理財產品。並給予一定的購買激勵，來促進這些新客在平台上的第一次購買，這個對於新客來說是非常重要的，以此類推。
相比於電商或者其他行業，互聯網金融平台結合行業和用戶的特點，從用戶行為數據分析的角度，驅動產品業務以及提高用戶的轉化率，有更加重要的意義。

D. 論互聯網金融對傳統金融的挑戰並案例分析互聯網金融對個人的影響

縮小交易、溝通、時間成本，擴大交易覆蓋面，風險更分散

E. 從e租寶案例中暴露出互聯網金融的哪些風險

首先可以看出平台的選擇的重要性，請勿只相信廣告，不是推廣做得好的平台就是大型平台可靠平台，投資之前一定要先多重調查資訊，尤其是大額金額投資更要注意，鑫風口有很多這樣知識

F. 互聯網金融對於銀行方有哪些挑戰怎麼面對挑戰實施途徑（案例）

我想主要就是貸款和儲蓄。因為之前銀行貸款對中小微企業支持力度弱，所以大力搞互聯網金融提高融資效率，會分流一部分銀行的貸款壓力，同時有很多短期的貨幣基金也威脅著銀行的存款收入，總體上就降低了銀行的盈利能力。商業銀行在降息升息時並不會主動幫儲戶進行調整，需要儲戶自己申請，但是貨幣基金就會自動調整；還有一些不合理收費，這些都降低了競爭力，互聯網金融的崛起對銀行業務來講是個挑戰，會讓金融市場充分競爭，對老百姓是利好的。

G. 互聯網金融支付有哪些相關的新聞案例

互聯網金融支付裡面有些喜歡安逸的事情。

H. 求我國中小企業互聯網＋背景下供應鏈金融的案例

供應鏈金融是指金融機構以核心企業為出發點，對供應鏈上下游中小企業的物專流、資金流、信屬息流進行管理，通過應收賬款質押、貨權質押等手段，為供應鏈上下游企業提供綜合性金融產品和服務。供應鏈金融將單個企業的不可控風險，逐漸轉變為供應鏈企業整體的可控風險，並通過鏈條化管理，將金融風險控制在最低。近年來，在互聯網+戰略的驅動下，供應鏈金融取得了良好發展效果。據《2016互聯網+供應鏈金融研究報告》預測，到2020年，我國供應鏈金融市場規模將達15萬億元。在此背景下，分析當前我國供應鏈金融發展的新型趨勢及面臨的問題，對促進供應鏈金融的不斷創新、實現供應鏈協調發展具有重要意義。

I. 互聯網金融的典型案例

四大商業銀行推出的網上銀行，騰訊推出的微信聯合人保財險的手機端支付，淘寶聯合天弘基金開發的余額寶，還有包括：易付寶、百付寶、快錢等多家第三方支付平台。
2013年全球私募股權與互聯網金融相關的領域延續了過去幾年的火熱。僅5月份，Twitter宣布收購大數據創業公司Lucky Sort；IDG宣布兩宗與虛擬貨幣相關的投資；微軟擬出資10億美元收購Nook Media公司數字資產。
2014年7月國內某P2P公司完成C輪融資，三年內累計融資金額超6億元。C輪融資主投資方是蘭亭投資，為新加坡主權投資公司淡馬錫子公司。此外，前兩輪投資方光速安振中國基金、紅杉資本、凱鵬華盈中國基金都追加了投資 微金融又稱微信金融 ，是2012年左右新興的一種金融模式。即藉助微信等典型的社交媒體平台，為用戶提供相對理財，投資，貸款等規模較小的金融行為環境，一般情況下，指的是為中小微企業、創業者、個體工商戶、小額投資者等提供的金融服務。日前有第三方平台發布了微信金融平台排名，以其中名列前位的「閃電借款」為例，2015年第三季度財報顯示，其閃電借款平台7、8、9三個月撮合交易額分別有1.95億、2.28億、2.67億，增長極其迅猛。
隨著微金融信息服務體系的不斷壯大，微金融信息服務的概念也在擴大，現在其最為准確的定義是：專門向小型和微型企業及中低收入階層提供的，小額度的、時間短的、可持續循環的微金融產品和服務的活動。」
微金融信息服務的特點有兩點：一是以中小微型企業以及貧困或中低收入群體為特定目標客戶；二是由於客戶有特殊性，它會有適合這樣一些特定目標階層客戶的金融產品和服務。 以規模龐大的線下POS收單市場來說，越來越多的第三方支付企業對線下收單市場的拓展，未來線下支付將給整個綜合支付市場格局帶來重要影響。