一、背景描述
不同于其他互联网产品，需要用户使用一段时间积累一定量的行为数据，才能对用户特征进行大致描绘，证券类产品在用户注册开户时，就需要用户提交大量真实数据，并在后续使用过程中能够掌握用户最为核心的数据：用户资产数据。使用得当，这些数据可以帮助我们为用户提升服务质量，匹配适当产品以增加创收，使用不当，很有可能失去用户对产品的信任，甚至给用户造成意料之外的损失，为企业带来法律风险。
二、营销情景思考
在向用户营销产品的时候，我们应该抱着什么样的态度，是从最大化自我利益的角度，还是站在客户的角度出发。一些从业者可能会因为过于追求自身的短期收益，抱着涸泽而渔的态度对用户进行过度营销，这不利于产品口碑的建立和企业信用度的提升。
作为从业者我们如何在尽量不让用户流失的前提下对用户进行较为精准的营销，首先我们应该拆解用户需求公式：
一个什么样的用户在什么情景下能够接受什么样的产品
关于什么样的客户能够匹配什么类型的产品，在2016年底出台的《投资者适当性管理办法》中 ，监管部门已经给了所有从业者最为标准的答案 ，在这里暂时不展开讨论。
在这个公式中最为关键的是情景，或者说是营销时机，大致可以分为：
1、外部环境：
市场景气度高，用户在从众心理的驱使下进入证券市场，但是很显然证券市场的景气度不可控且很难预测，因此外部环境的因素可遇而不可求。
2、用户情景：
举一个例子，如果一名客户经理想要成功说服一名客户开通融资融券功能，他应该选择在什么时候，显然不是在客户已经被市场虐到崩溃的时候，最佳的场景应该是用户通过一段时间的交易产生了较为可观稳定的盈利，并对自己的交易和分析水平颇具信心，这时候去推荐融资融券功能的成功率会非常高。当我们拥有海量的用户时候，我们如何能够抓住每一个用户这样精准营销的时机，需要使用合适的动态数据指标来描绘用户的状态。
三、指标构建
传统电商使用的RFM标签体系过于粗放，只能解决定性的问题，并不能定量的描绘用户以及目前的状态，构建用于精准营销和场景营销的数据指标应该更具说明性，与推荐类算法有更强的耦合性。
首先我们需要了解用户的基础数据：
i、用户账户净资产以及账户资产构成
ii、用户交易额及交易类型
iii、账户盈利情况
我们现在已经拥有了一个用户的基础数据，但这些数据还不足以直观地显示用户地交易状态，并且这些数据并不能反映用户的动态变化，我们需要将这些基础数据构建成易于理解指标，最好是能调整到0-100的分值。
1、构建用户资产指标
因为不同用户的账户资产数额差距可能会比较大，在这里构建指标可以使用log函数，表达式为：
用户账户资产指数AssetIndex = 10*log(用户账户净资产NetAsset)
该指标能够反映用户当前资产静态指数，但是不足以反映用户对于产品的信任性以及账户时机情况 ，我们需要设计指标以反映用户的账户资金的净流入情况以及用户账户各类资产构成百分比。
其中n为所需统计的天数，AssetFlow为每一天用户的资产流入数额，如果净流入为正，净流出为负，μ为一个参数用于将函数的结果调整到一个分值。该指标旨在统计一个用户在一段时间内向账户转入或转出资产的速率，该项指标同样可以用于统计所有用户的整体转入转出数额，以反映整个公司的经营情况。
资产构成我们可以用各项资产的百分比来表示，配合以堆积图或者面积图动态展示效果会更好，其中现金及类现金资产的占比是我们比较关注的一个指标，
2、构建用户活跃指标
很多用户的账户中都积累了一定资产，但是可能很多资产都沉睡在用户账户中，我们需要一个能够反映用户活跃度的指标。
构建这个指标首先该指标需要以整体市场活跃度来做参考，一个在熊市中每日交易额过1万的用户可能实际活跃度比一个在牛市中日交易额过3万的用户更高。
市场当日活跃度：MarketDailyActivity(MDA)= 当日沪深两市总成交额 ÷ 当日沪深两市流通市值
用户交易过程中可能不仅仅有使用自由资金进行证券买卖，还包括融资融券交易，使用杠杆意味着用户不仅要承担融资融券交易部分的手续费，还需要根据持有时长来支付相应的利息，因此借用杠杆部分的交易所反映的活跃度的权重应该要高于一般交易。另外一些用户的交易策略就是以较长期限持有为主，因此我们认为持有股票应该也要反映在活跃度上，只是权重较交易要低很多，和设定交易权重一样，持有杠杆部分的权重要高于持有正常资产。购买和持有其他类型的资产也应该反映在活跃度表上，因此我们在计算这个指标时应该设计一张含有不同类型资产权重的表。
该公式中ai代表交易不同资产的权重，tradeamount(i)代表交易不同类型资产的额度大小，bi代表持有不同资产的权重，holdamount(i)代表持有不同类型资产的额度大小，netasset表示用户账户净资产。不同类型资产交易和持有的权重如下表所列
实际工作中各个行为的权重值可以随业务需求以及实际中的效用反馈进行动态调整，如果条件允许的话，我们甚至可以给所有可供交易购买的资产都进行权重配置，权重值总体来说反映了用户进行某项交易时所要付出的成本和承受的风险。
有了用户当日交易活跃度的指标，我们可以结合市场热度指标来计算一段时间内用户活跃指数，相对比较简单的方法是直接计算CDA/MDA在一段时间内的均值，但是这样比较难反映用户交易活跃度的动态变化情况，我们可以在平均数的基础上增加一个变化率的因子，这个变化率的因子可以再包含一个时间衰减因子以更加准确地描绘。
其中n为我们所需统计地天数，最小计算单位为天，加号右边的含义为客户这一天的交易活跃度相较于前一天的变化值，可以为正也可以为负。因为距离统计当日越进的活跃度变化对指标的影响越大，因此可以对统计期内每一天的的变化率乘以一个时间衰减函数1/e(k(ti-t0)。a、b和k为可供调整的参数。
3、用户 “股神” 指标
相信有股票交易经验的人大多有过这种体验，“感觉” 好的时候，怎么交易都能盈利，日内短T，高抛低吸，每一个节奏都踏得很准，这时候应该是用户最为自信的时候，为了抓住用户的 “股神” 时刻，我们应该考虑两个主要因素，一个是用户的盈利情况，一个是用户的交易成功率。
因为国债逆回购，收益凭证等资产都可以理解为较长期限持有的固收类资产，购买持有这些资产的收益获取都是被动式的，所以在计算这个指标前，我们应该把统计范围限定在股票购买，场内基金购买，融资融券，港股购买，新三板购买这类交易性更强的资产上。
用户当日的盈利率可以使用用户当日盈利DailyProfit÷ 资产当日净额NetAsset来表示
用户在一段时间内的盈利率可以使用用户累计盈利 ÷ 统计时间段内每日资产净额累加值来表示
交易成功率WinRate= 用户在一定时间内盈利的交易笔数count(profit)÷ 用户交易总笔数count(trade)来表示
用户用户具体的交易表现可以用用户的盈利率乘以交易成功率WinRate来表述
四、指标运用
指标搭建好了，但我们该如何证券运用呢？我们还以之前客户经理向客户推荐融资融券服务为例，现在我们就可以运用这些数据指标把潜在客户筛选出来并找到向他们推荐的最佳时机。
step1：
首先我们先用账户指数把达到融资融券资金账户开户门槛或是接近这个门槛的用户筛选出来，融资融券的开户门槛需要账户内的累计资产在50万以上，对于交易表现良好的用户，多投入一些资金进入证券市场可能性也很大，我们可以将潜在客户的门槛适当降低到40万左右，那么用户AssetIndex只要超过56分即可达到第一个条件。
step2：
下面一步就是在第一步筛选的群体中找出最近一段时间交易状态非常良好，持续盈利的用户了。例如最近两个月大盘整体表现不好，大部分客户账户都亏损，但是蓝筹股结构性表现非常亮眼，一小部分客户踏准了节奏，在蓝筹股的小牛市里获得了非常不错的收益，而恰好大部分蓝筹股都是可供融资融券交易的标的，那么融资融券工具对于这类客户就具备很强的吸引力。
我们找出同时满足ClientPerfomance大于60分和ClientActivity大于40分的用户，为什么我们不仅仅需要用户表现良好还需要用户的活跃度达到一定阀值才是我们的推介目标呢，举个比较极端的例子，在股票市场上流传着这样一个传说，有一个人二十年前买了十万块钱老八股万科A，因为违法而进了监狱被判了二十年，结果出狱以后发现自己成了千万富翁。举这个例子就是想说明有一些客户的盈利可能并不是凭交借易技巧，投资经验，大势判断，他们买了股票很有可能就一直放账户里自己都忘了这回事儿，我们希望在圈定营销范围的时候把这类用户排除在外，寻找通过持续交易获得不错收益的用户，他们的交易额对于券商创收贡献很大，融资融券功能也会为用户的交易提供帮助，这是一个双赢局面。
step3：
我们已经圈定好了进行精准推荐的人群，最后就是临门一脚了，将事先圈定好的用户名额以及相对应的用户画像传递到到各个客户经理和经纪人他们的手机客户端上，让一线市场人员对于重点营销的用户有一个准备。在这里插一段，很多券商把关注点都放在了客户上，却忽视了与经纪人以及客户经理的连接，很多优质的客户资源都是由经纪人和客户经理作为媒介带来的。券商作为一个类平台类公司，服务好客户经理、经纪人和服务好客户同样重要，好的服务不仅仅是单纯地增加佣金提成比例，更应在营销培训和辅助工具上下功夫，帮助市场人员提升自己的销售能力，一款搭载数据可视化产品的专业经纪人客户端工具可以帮助经纪人更好地了解自己地用户，更容易把握好营销时机。在用户DailyProfit>5%这一天通过手机客户端提示市场人员，在用户账户大幅飘红的这一天向他推荐成功率会大幅提升。
上述例子大致描述了运用数据指标选择营销群体和营销时机，我们还可以结合用户的性别，年龄，地域，用户偏好等其他标签来协助运营人员和市场人员了解用户并制定营销策略，在这里暂时不展开讨论。除了对于“股神”推荐融资融券功能意外，灵活运用指标还可以划分 向账户资金体量较小交易不活跃的用户推荐收益凭证资管产品，向账户长期持有现金比例过高的用户推荐现金管理工具和低风险理财产品以增加 向账户资产持续净流入但是交易并不活跃的用户推荐基金定投功能，向账户资产体量较大但是资金类资产占比较高的用户推荐资管类产品以及收益凭证定制服务，这套的指标的调整值还可以用来更加准确地划分用户车承受风险等级，用来策划用户数据产品以帮助用户更好地了解自己的收益和交易情况。
对于想要依靠核心用户构建整个用户群生态系统的券商，ClientPerformance是一个非常实用的指标，比如我们先运用该指标对用户进行排序划定top n%的牛散群体，结合该群体的产品使用活跃度以及社交活跃度更进一步划定有潜质被发展成为KOL的群体。在积累了足够的基础用户以及用户行为和交易数据后，通过协同过滤算法将与KOL群体及其热点讨论在社交版面上推送给相似度较高的基础用户。
