互聯網產品發展到2019年，經歷了：產品時代、流量時代以及現在的精細化運營時代。
從2008年開始，只要有App、新創意、新點子，就會孕育出一個好產品、好團隊甚至是一個獨角獸公司。
到11、12年，應用市場、搜索引擎等的大火，中心化投放成為所有創業團隊、大、中型公司運營的必經之路。也壯大了BAT作為頭部的影響力。
再到2016年以后，互聯網流量成本居高不下，從而衍生出：今日頭條、拼多多等通過精細化運營、AI機器學習等技術矩陣，優化流量成本、提高單用戶收入，繼而完成彎道超車，形成了除BAT外的第三極。
同理可證互聯網金融行業。
互聯網金融行業從13、14草創，15、16、17年流量紅利到18年隨著監管趨嚴，流量成本高企。復制了移動互聯網的：產品-流量-精細化升級路徑。
在18年的運營過程中，花生米富也完成了自己從流量到精細化運營的升級。帶來了成本、收益上的雙豐收。
18年初，花生米富的借款端還是一個擁有8人的團隊規模。具體工作內容也是渠道投放-拉新獲客-活動促活的傳統流量思維的團隊構架。
我們基于自身的互聯網基因，分析了市面上比較成功的移動互聯網產品案例，重新將目光聚焦在了：新用戶的去中心化投放以及老用戶的精細化運營上。并投入了大量的人力、物力成本，最終完成了運營體系的升級。
首先，針對新用戶的去中心化投放，我們加大了邀請力度。將過去通過運營活動給與的優惠券力度，改成對標中心化投放能夠給予的優惠力度。并且，優化了邀請流程、獎勵流程。通過勞拉新、新拉新等方式，獲取更多的低成本流量。完成了后續的流量端的積累。
其次，針對過去單一的老用戶運營活動，我們將老用戶精細化運營劃分為三個不同階段。
第一階段：即流量時代的全員活動、全員推送。不作任何用戶區分和觸點、機制的區分。依靠大體量下的數據優勢，完成后續的老用戶留存、促活及后續的轉化。
第二階段：將老用戶根據其生命周期特性、用戶質量信息劃分為A-F、1-5，共6*5的矩陣。套用電商體系中常見的RFM模型。將30個矩陣切片，分別進行運營的召回。通過大量數據驗證及實驗，我們發現可以針對不同分組用戶，在不同星期、時間、頻次、內容痛點、匹配機制等形成差異化。并且通過不同的召回手段，持續性優化成本。
例如：針對流失時間超過360天的用戶且既往在平臺上有優良表現的用戶，我們會首先通過第三方數據，確認其在網貸大環境下的存活情況，針對其中依舊活躍的用戶，我們會通過電話外呼并基于針對性的優惠券形式，進行召回。
再如，針對流失在7天至21天的用戶，我們發現，因為短信接收習慣及通道到達率的影響。持續發送5次短信，用戶的打開率依舊維持在高位，同時打開用戶的重合率不超過1/9。在這種情況下，我們加大了對流失用戶的都次喚醒，從而形成了較高的用戶復貸率。
第三階段：通過上述階段二的運營，我們已經具備了在不同星期、時間、頻次、人群、痛點、機制下的經驗和實際操作應用。我們更近一步，將TensorFlow、機器學習等預測算法應用到對用戶分層、效果預估的實踐中。
例如：我們通過自身改良后的ARIMA算法，預測每日的放款情況，根據放款情況的多寡，附以更多、更精準的運營手段。
再如，針對潛在流失用戶，我們會分析其用戶行為、用戶屬性兩個維度。通過建立決策樹的方式，判斷其流失風險。在其流失風險較高環節，進行有效且更有針對性的用戶召回。最終形式了自動化+人工的雙重保險。
