四、基于用户行为促进业务增长的分析方式
从上文所述，基于用户行为的业务增长的分析体系建设，下文将围绕代发工资营销为例分别展开叙述。
（一）分析前的数据准备
这里主要包含用户数据的准备，用户数据主要包含属性数据、行为数据、交易数据及风险收益数据，分析体系除了对用户数据进行分析，也要对运营数据进行分析，如运营的投入数据和产出数据。
（二）代发工资传统数据挖掘
以代发工资为例，首先了解传统用户属性，如能够了解在一个阶段时间内，月均有效代发人数及月代发金额，被使用（流失）有多少，存量剩多少，存量转化为其他产品存量比率是多少；通过代发工资所属机构地址分布，可以了解代发用户主要分布是在主城区还是远郊地区；从代发用户信息中年龄分布，可以判断用户的年龄段属性，如工作时期的各类阶段、或结婚生育阶段等等，并且可以通过代发的金额集中度，如地区集中度，年龄集中度，性别集中度等等。
（三）用户行为数据的价值分层及触达方式
通过用户行为数据，了解代发用户的外部属性，将代发工资用户按照其价值生命周期属性进行分为：代发整体用户、代发有效用户、资产留存用户、现有投资用户、投资活跃用户。
上图为代发用户体系图，通过体系图我们可以看出价值递进关系是由“代发整体用户”向“投资活跃用户”进行递进。
其中：
“代发整体用户”指行内有代发工资标记的整体用户；
“代发有效户”指过去一年内有代发行为的用户；
“资产留存用户”指在一年内，月均资产高于额定金额的用户；
“现有投资用户”指在行内有定期储蓄、理财、基金投资行为的用户；
“投资活跃用户”指一年内定期储蓄保持增长或多次进行理财、投资的用户。
价值递减关系，是由“投资活跃用户”反向“代发整体用户”递减，在各环节控制人群向上个环节递减就需要研究和挖掘各环节中用户属性与用户需求，就需要依托用户数据进行“代发脱落用户控制”、“资产流失用户控制”、“潜在投资用户挖掘”和“潜在投资活跃用户挖掘”。
其中“代发脱落用户控制”、“资产流失用户控制”需要通过用户的外部属性、了解其聚焦的基础消费，主要的消费品牌；由行内部数据，了解其支付方式及应用偏好及兴趣，迎合用户的消费活跃性，及其对品质生活的要求，从消费引导入手增加用户黏性。
“潜在投资用户挖掘”和“潜在投资活跃用户挖掘”可以根据行内投资存量客户的属性，采用Lookalike关联算法和机器学习，分析投资客户的第一标签与其他标签间的关系，并找出非第一标签中的强关联标签，基于代发用户整体中的投资活跃用户，通过集合线上特征标签，在现有投资用户人群中，寻找相似的潜在客户。
