在移动互联网时代,各类产品获取流量的方法除了拉取新用户以外,最重要的手段就是提高转化、留存和促活。互联网红利时代已经过去,流量成本越来越高,此时需要花最少的运营成本来经营用户和保证收入。通过精细化以及数据化的运营方式来解决用户运营的难题,从而留住用户。本文首先根据改进后的RFM模型对D企业财富管理产品的用户进行k-means聚类,从而实现价值分层,在用R语言得出结果后,发现将用户分为五层,分别是重要发展用户,重要保持用户,重要挽留用户,一般价值用户和一般发展用户。之后使用Boruta和PCA算法对每个用户群体的重要特征进行筛选,通过实验结果与性能对比来选择更合适的模型,同时了解每一类用户的消费属性、金融属性以及基础属性,从而针对每一类用户设计相应的营销方案。本文的创新之处是将RFM模型与特征选择模型结合起来用于用户挖掘问题的研究,以及对RFM模型进行了相关改进,针对如今互联网金融产品具备的透支消费功能增加了还款情况指标,并将用户数据分为行为、基本属性和偏好三类,根据数据性质有针对的进行分析处理,又对Boruta和PCA两种算法进行了适用性验证说明,总体来看,利用了多种常用算法的特点优势来解决现实中用户运营的问题。文章的最后对方案投入使用一个月后的数据进行观察,发现各项转化率都有了一定的提高,证明本文运用的RFM模型和特征选择模型在实际运营中依然有用、有效,在总体运营体系里作为一个有效的分析工具来使用,对公司产品的实际运营起到一定的帮助作用。