中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

用戶(hù)畫(huà)像僅僅是數(shù)據(jù)應(yīng)用的一個(gè)過(guò)程，不是數(shù)據(jù)應(yīng)用的目的，數(shù)據(jù)應(yīng)用的最終目標(biāo)是實(shí)現(xiàn)業(yè)務(wù)價(jià)值的提升。

2016年客戶(hù)開(kāi)始擁抱大數(shù)據(jù)，引入外部數(shù)據(jù)成為熱點(diǎn)，市場(chǎng)上出現(xiàn)了各類(lèi)數(shù)據(jù)提供商。運(yùn)營(yíng)商數(shù)據(jù)、航旅數(shù)據(jù)、銀聯(lián)數(shù)據(jù)、電商數(shù)據(jù)、物流數(shù)據(jù)等數(shù)據(jù)源已經(jīng)形成數(shù)據(jù)熱點(diǎn)。企業(yè)瘋狂地追尋外部數(shù)據(jù)源，引入外部數(shù)據(jù)成了大數(shù)據(jù)戰(zhàn)略一個(gè)重點(diǎn)，外部數(shù)據(jù)成為企業(yè)數(shù)據(jù)應(yīng)用的主題，客戶(hù)畫(huà)像成為數(shù)據(jù)應(yīng)用的主要議題。

數(shù)據(jù)的應(yīng)用場(chǎng)景可分為三類(lèi)：一個(gè)是提升業(yè)務(wù)，一個(gè)是降低運(yùn)營(yíng)成本，另外一個(gè)是精細(xì)化運(yùn)營(yíng)。

用戶(hù)畫(huà)像僅僅是數(shù)據(jù)應(yīng)用的一個(gè)過(guò)程，不是數(shù)據(jù)應(yīng)用的目的。企業(yè)客戶(hù)知道了用戶(hù)的個(gè)人屬性、興趣愛(ài)好，消費(fèi)偏好，行為標(biāo)簽等信息，豐富了企業(yè)對(duì)客戶(hù)的了解，了解了過(guò)去不知道到信息。

僅僅是數(shù)據(jù)應(yīng)用的一個(gè)過(guò)程，離企業(yè)的業(yè)務(wù)需求還有較大的距離。數(shù)據(jù)應(yīng)用需要解決的不僅僅是讓企業(yè)重新認(rèn)識(shí)客戶(hù)(用戶(hù)畫(huà)像)，還需要解決從數(shù)據(jù)到商業(yè)決策最后一公里的問(wèn)題。數(shù)據(jù)應(yīng)用的目的是提升業(yè)務(wù)，幫助企業(yè)以較低的成本和較好的客戶(hù)體驗(yàn)，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)，提升業(yè)務(wù)收入。

金融客戶(hù)擁有較為豐富的個(gè)人屬性數(shù)據(jù)、資產(chǎn)數(shù)據(jù)、信用數(shù)據(jù)、交易數(shù)據(jù)。缺少客戶(hù)在本金融企業(yè)之外的金融數(shù)據(jù)和個(gè)人行為數(shù)據(jù)。大的銀行、券商、保險(xiǎn)開(kāi)始對(duì)外引入和購(gòu)買(mǎi)客戶(hù)的外部行為數(shù)據(jù)和金融數(shù)據(jù)，用于豐富標(biāo)簽和用戶(hù)畫(huà)像，但是具體如何應(yīng)用這些標(biāo)簽數(shù)據(jù)，如何衡量數(shù)據(jù)價(jià)值，如何尋找數(shù)據(jù)應(yīng)用場(chǎng)景，都在探索之中。其實(shí)金融企業(yè)內(nèi)部的人也不太清楚，也沒(méi)有一個(gè)系統(tǒng)的方式方法去尋找數(shù)據(jù)應(yīng)用場(chǎng)景，大家都在摸索中。

市場(chǎng)上最好的數(shù)據(jù)是運(yùn)營(yíng)商數(shù)據(jù)和銀聯(lián)數(shù)據(jù)，運(yùn)營(yíng)商數(shù)據(jù)利用DPI技術(shù)分析出客戶(hù)網(wǎng)上行為，為客戶(hù)打上一些行為標(biāo)簽，例如客戶(hù)喜歡看的手機(jī)品牌、3C產(chǎn)品，客戶(hù)點(diǎn)擊瀏覽的電商產(chǎn)品，客戶(hù)瀏覽的出國(guó)、留學(xué)、旅游、房產(chǎn)、汽車(chē)等網(wǎng)站或網(wǎng)頁(yè)。

目前電信的DPI標(biāo)簽集中在客戶(hù)固網(wǎng)訪問(wèn)行為，也就是在PC上的瀏覽標(biāo)簽，聯(lián)通的DPI標(biāo)簽集中在移動(dòng)互聯(lián)網(wǎng)的訪問(wèn)行為行為和標(biāo)簽，中國(guó)移動(dòng)的DPI標(biāo)簽還在挖掘開(kāi)發(fā)中。移動(dòng)、電信、聯(lián)通覆蓋的移動(dòng)互聯(lián)網(wǎng)用戶(hù)比例分別為6:2:2，中國(guó)移動(dòng)占了大部分，客戶(hù)質(zhì)量較高。另外可以提供移動(dòng)互聯(lián)網(wǎng)訪問(wèn)行為表標(biāo)簽的數(shù)據(jù)廠商是TakingData、極推、個(gè)推等第三方數(shù)據(jù)服務(wù)商。

銀聯(lián)的數(shù)據(jù)集中在刷卡的消費(fèi)和支出的分級(jí)信息，以卡、POS為單位，可以用于風(fēng)控和信用評(píng)估，具體個(gè)人的刷卡信息不能提供。

短信服務(wù)商可以利用短信來(lái)加工一些客戶(hù)的收入、轉(zhuǎn)賬、消費(fèi)、分期、貸款等信息。誤差比較大，無(wú)法全面揭示客戶(hù)收入、資產(chǎn)、消費(fèi)信息，僅僅可以作為參考。市場(chǎng)上還有一些公司可以提供航旅信息，例如飛行次數(shù)、公里、總金額、頭等艙次數(shù)、經(jīng)濟(jì)艙次數(shù)，平均票價(jià)等。這些信息具有強(qiáng)相關(guān)的金融消費(fèi)屬性，容易應(yīng)用。

外部行為標(biāo)簽的確給金融企業(yè)帶來(lái)了新的信息源，但是如何使用這些標(biāo)簽來(lái)推動(dòng)業(yè)務(wù)，來(lái)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)，幫助金融企業(yè)銷(xiāo)售產(chǎn)品，大家還在探索中。目前這些標(biāo)簽主要用于用戶(hù)畫(huà)像，業(yè)務(wù)人員對(duì)這些數(shù)據(jù)標(biāo)簽的價(jià)值也持觀望態(tài)度，不愿意主動(dòng)實(shí)踐。即使是小范圍實(shí)踐，如果一旦效果出現(xiàn)波動(dòng)，業(yè)務(wù)人員會(huì)有放大這個(gè)結(jié)果，懷疑數(shù)據(jù)的價(jià)值。

數(shù)據(jù)在金融企業(yè)的應(yīng)用很曲折，數(shù)據(jù)部門(mén)同業(yè)務(wù)部門(mén)在數(shù)據(jù)應(yīng)用效果和場(chǎng)景應(yīng)用需要長(zhǎng)時(shí)間磨合。有的保險(xiǎn)企業(yè)數(shù)據(jù)部門(mén)即使將整理好的潛在客戶(hù)名單發(fā)給業(yè)務(wù)部門(mén)，業(yè)務(wù)部門(mén)也不相信，也不會(huì)打電話(huà)去嘗試。有的證券企業(yè)，即使外呼效果已經(jīng)比原來(lái)盲呼效果好了十倍，但是沒(méi)有達(dá)到業(yè)務(wù)部門(mén)的期望(追求20%以上的轉(zhuǎn)化率)，業(yè)務(wù)部門(mén)也會(huì)以影響客戶(hù)體驗(yàn)為理由，拒絕進(jìn)一步的數(shù)據(jù)嘗試。

銀行也遇到同樣的問(wèn)題，外部行為數(shù)據(jù)標(biāo)簽如何應(yīng)用是一個(gè)難題，數(shù)據(jù)應(yīng)用方式和數(shù)據(jù)應(yīng)效果如何衡量也是一個(gè)問(wèn)題。如果數(shù)據(jù)應(yīng)用效果好，業(yè)績(jī)是數(shù)據(jù)部門(mén)的還是業(yè)務(wù)部門(mén)的?業(yè)務(wù)提升是產(chǎn)品原因還是數(shù)據(jù)原因?外呼的價(jià)值高還是短信的價(jià)值高?這些都是數(shù)據(jù)價(jià)值應(yīng)用的坑，需要花時(shí)間去填上。

一、第一方數(shù)據(jù)是金礦，先從分析第一方數(shù)據(jù)開(kāi)始

從經(jīng)驗(yàn)上來(lái)講，金融行業(yè)活躍的客戶(hù)在40%，有的企業(yè)可能更低?；钴S客戶(hù)沒(méi)有明確的定義，一般以月度發(fā)生過(guò)一次交易/查詢(xún)以上的客戶(hù)定義為活躍客戶(hù)。金融企業(yè)的僵尸客戶(hù)，可以定義為是一年業(yè)務(wù)之內(nèi)沒(méi)有同金融企業(yè)發(fā)生過(guò)任何交易的客戶(hù)，一般在30%左右，這里面也包含了羊毛黨客戶(hù)。另外的30%客戶(hù)可以定義為休眠/不活躍客戶(hù)，這些客戶(hù)一年之內(nèi)偶而會(huì)同金融企業(yè)進(jìn)行交易，包括產(chǎn)品購(gòu)買(mǎi)和支付等。

金融企業(yè)具有典型的帕累托效應(yīng)，就是20%甚至10%的客戶(hù)擁有80%以上的資產(chǎn)和交易額，這些客戶(hù)為金融企業(yè)貢獻(xiàn)了較大的收入和利潤(rùn)。另外潛在的高價(jià)值客戶(hù)比例接近或超過(guò)已有的高價(jià)值客戶(hù);休眠客戶(hù)中至少30%可以轉(zhuǎn)化為活躍的客戶(hù);已有客戶(hù)中，潛在的金融需求，金融企業(yè)只能了解其中的30%。因此第一方數(shù)據(jù)的分析和應(yīng)用是金融行業(yè)數(shù)據(jù)應(yīng)用的首要方向。

銀行具有龐大的客戶(hù)群體，單客價(jià)值提升的空間很大，銀行無(wú)法對(duì)上百萬(wàn)的群體來(lái)打電話(huà)或者發(fā)短信，去推薦信用卡或者銷(xiāo)售理財(cái)產(chǎn)品。一個(gè)原因是成本高，另外一個(gè)原因是效果差，用戶(hù)體驗(yàn)不好。券商和保險(xiǎn)也面臨同樣問(wèn)題：如何精準(zhǔn)定位客戶(hù)?如何精準(zhǔn)分析客戶(hù)需求?如何精準(zhǔn)營(yíng)銷(xiāo)客戶(hù)?可以考慮第三方數(shù)據(jù)，但是最靠譜的最好用的還是第一方數(shù)據(jù)(由于有客戶(hù)聯(lián)系方式)。

我們可以分析一群客戶(hù)，例如這些客戶(hù)在2015年人均購(gòu)買(mǎi)理財(cái)產(chǎn)品為50萬(wàn)，但是2016年人均購(gòu)買(mǎi)理財(cái)產(chǎn)品低于一萬(wàn)。我們可以定義其為流失的高價(jià)值客戶(hù)，銀行可以為這些客戶(hù)定制一些理財(cái)產(chǎn)品，利用短信向這些客戶(hù)推薦定制的產(chǎn)品，利用良好的話(huà)術(shù)營(yíng)銷(xiāo)，將會(huì)獲得較高的業(yè)務(wù)提升。券商、信用卡、保險(xiǎn)公司都可以參考自身數(shù)據(jù)，挖掘出休眠的高價(jià)值客戶(hù)，利用短信方式進(jìn)行營(yíng)銷(xiāo)。

很多金融企業(yè)會(huì)抱怨是自己的金融產(chǎn)品不好，造成了客戶(hù)不愿意購(gòu)買(mǎi)，但是數(shù)據(jù)分析顯示，中國(guó)具有專(zhuān)業(yè)理財(cái)知識(shí)的人群不到理財(cái)人群的10%，理財(cái)客戶(hù)中90%的人還是被動(dòng)接受金融服務(wù)，理財(cái)營(yíng)銷(xiāo)推廣還是可以帶來(lái)較大的業(yè)務(wù)提升的。特別是中國(guó)一些高價(jià)值客戶(hù)，其資產(chǎn)很高，但是忙于自己事業(yè)，無(wú)法顧及金融理財(cái)，因此對(duì)金融企業(yè)的營(yíng)銷(xiāo)依賴(lài)還是很大的。

第一方數(shù)據(jù)經(jīng)過(guò)數(shù)據(jù)分析之后，還可以找到很多數(shù)據(jù)應(yīng)用場(chǎng)景，例如休眠客戶(hù)喚醒，分期客戶(hù)尋找，高凈值客戶(hù)尋找，流失客戶(hù)挽留，高頻交易客戶(hù)激活、關(guān)聯(lián)產(chǎn)品推薦、理財(cái)產(chǎn)品定位、客戶(hù)分群營(yíng)銷(xiāo)等。一般非精準(zhǔn)營(yíng)銷(xiāo)的短信轉(zhuǎn)化率在千分之二左右，但是精準(zhǔn)營(yíng)銷(xiāo)的短信轉(zhuǎn)化率在百分之二到百分之五，有的可以達(dá)到百分之六?？蛻?hù)分群的精準(zhǔn)營(yíng)銷(xiāo)短信，其轉(zhuǎn)化率為非精準(zhǔn)營(yíng)銷(xiāo)的十倍以上，成本為十分之一，營(yíng)銷(xiāo)周期可以為縮短十倍。

針對(duì)第一方數(shù)據(jù)的精準(zhǔn)分析和客戶(hù)分群，以及精準(zhǔn)營(yíng)銷(xiāo)可以帶來(lái)較大的業(yè)務(wù)提升和降低運(yùn)營(yíng)成本。

二、相信機(jī)器學(xué)習(xí)和數(shù)學(xué)模型的力量

金融企業(yè)僅擁有自身的數(shù)據(jù)，缺少客戶(hù)在外部的行為數(shù)據(jù)?？蛻?hù)在外部的行為數(shù)據(jù)，可以分為搜索數(shù)據(jù)，點(diǎn)擊瀏覽數(shù)據(jù)，位置數(shù)據(jù)，社交數(shù)據(jù)。其中搜索數(shù)據(jù)代表人的內(nèi)心需要，我們叫做intention數(shù)據(jù)。社交數(shù)據(jù)代表人的觀點(diǎn)，我們叫做comments數(shù)據(jù)，點(diǎn)擊瀏覽數(shù)據(jù)是interest數(shù)據(jù)，代表人的喜好和興趣。位置數(shù)據(jù)比較特殊，記錄了人的線(xiàn)下行為軌跡，代表一個(gè)人在社會(huì)的角色，可以認(rèn)為是社會(huì)角色role數(shù)據(jù)。

機(jī)器學(xué)習(xí)的魔力在于可以分析出同客戶(hù)金融需求高度相關(guān)的數(shù)據(jù)維度，通過(guò)已有的種子進(jìn)行學(xué)習(xí)，利用行為數(shù)據(jù)作為輸入，從海量數(shù)據(jù)中找到同種子客戶(hù)相近的人群。其中位置數(shù)據(jù)、點(diǎn)擊瀏覽數(shù)據(jù)是一個(gè)重要數(shù)據(jù)維度，相似的人群具有相似的社會(huì)角色和相似的興趣愛(ài)好。向這些相似人群營(yíng)銷(xiāo)同樣的產(chǎn)品，其轉(zhuǎn)化率也會(huì)很高。

Lookalike算法作為一個(gè)分類(lèi)算法，可以找出與目標(biāo)群體的相似度較高的對(duì)象。以目標(biāo)群體為正樣本，候選對(duì)象為負(fù)樣本，訓(xùn)練分類(lèi)模型，然后用模型對(duì)所有候選對(duì)象進(jìn)行篩選。Facebook、騰訊、阿里、TalkingData都在利用這個(gè)算法來(lái)找到潛在客戶(hù)。這個(gè)潛在客戶(hù)可以是潛在高價(jià)值客戶(hù)，也可以是某個(gè)理財(cái)產(chǎn)品的潛在購(gòu)買(mǎi)客戶(hù)。TalkingData的lookalike算法可以在10億設(shè)備中，從百萬(wàn)維度，尋找潛在目標(biāo)客戶(hù)，其計(jì)算時(shí)間在10秒左右。

一般的短信營(yíng)銷(xiāo)的客戶(hù)響應(yīng)率低于千分之一到千分之三，TalkingData在一些金融客戶(hù)實(shí)施的案例中，利用數(shù)學(xué)模型和機(jī)器學(xué)習(xí)之后，其短信的營(yíng)銷(xiāo)響應(yīng)率最低是1%，最高是10%。平均在2%到6%之間。特別是加入了客戶(hù)移動(dòng)互聯(lián)網(wǎng)行為數(shù)據(jù)之后，其提升效果更加明顯，比原有模型效果提升了十倍還多。

這里的營(yíng)銷(xiāo)響應(yīng)率是指，客戶(hù)打開(kāi)短信鏈接購(gòu)買(mǎi)產(chǎn)品的比率。我們?cè)?jīng)在一個(gè)金融客戶(hù)案例中，利用機(jī)器學(xué)習(xí)和數(shù)學(xué)模型，僅僅通過(guò)短信營(yíng)銷(xiāo)，20天內(nèi)在App上銷(xiāo)售出20億理財(cái)產(chǎn)品，短信的響應(yīng)率最高達(dá)到了10%，人均購(gòu)買(mǎi)理財(cái)產(chǎn)品20萬(wàn)，最高單人購(gòu)買(mǎi)額度超過(guò)了100萬(wàn)，產(chǎn)品沒(méi)有任何變化，還是銀行的正常銷(xiāo)售的理財(cái)產(chǎn)品。從這個(gè)案例可以看出，金融客戶(hù)理財(cái)需求沒(méi)有被充分挖掘。

數(shù)學(xué)模型例如TDA拓?fù)浞治?，在風(fēng)控方面也有較好的作用，TalkingData利用TDA拓?fù)浞治?，建立了一個(gè)客戶(hù)違約模型，僅僅利用3千個(gè)種子，輔助十次隨機(jī)森林樹(shù)折疊(RF)，獲得了82%違約客戶(hù)準(zhǔn)確識(shí)別率。另外一個(gè)金融客戶(hù)的案例，TalkingData利用LR在預(yù)測(cè)高價(jià)值客戶(hù)時(shí)，達(dá)到了90%的準(zhǔn)確率?？蛻?hù)正在利用這個(gè)模型結(jié)果進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)，效果非常明顯。

數(shù)學(xué)模型揭示了海量數(shù)據(jù)背后相似人群的特征，同時(shí)為金融企業(yè)的精準(zhǔn)營(yíng)銷(xiāo)打開(kāi)了一扇大門(mén)。僅僅依靠數(shù)據(jù)標(biāo)簽和用戶(hù)畫(huà)像無(wú)法直接幫助金融企業(yè)識(shí)別出客戶(hù)的需求，無(wú)法幫助金融實(shí)現(xiàn)業(yè)務(wù)的提升和產(chǎn)品銷(xiāo)售的提升。

外部的數(shù)據(jù)標(biāo)簽僅僅是客戶(hù)金融需求的一個(gè)維度，如果外部上網(wǎng)行為標(biāo)簽不包括時(shí)間維度(數(shù)據(jù)新鮮感和趨勢(shì))，其在金融企業(yè)內(nèi)部應(yīng)用價(jià)值不高。例如我們拿到一個(gè)用戶(hù)點(diǎn)擊汽車(chē)網(wǎng)頁(yè)的標(biāo)簽，知道其點(diǎn)擊了汽車(chē)商品，但是不知道其發(fā)生的頻率和趨勢(shì)，以及發(fā)生點(diǎn)擊的開(kāi)始時(shí)間。

無(wú)法判斷這個(gè)用戶(hù)是汽車(chē)愛(ài)好者，還是偶而點(diǎn)了這個(gè)網(wǎng)頁(yè)，還是近期有購(gòu)買(mǎi)汽車(chē)的需求。同樣道理購(gòu)房、旅游、留學(xué)、消費(fèi)分期等需求也無(wú)法簡(jiǎn)單地從客戶(hù)瀏覽標(biāo)簽上發(fā)現(xiàn)。外部的上網(wǎng)行為標(biāo)簽，同客戶(hù)的金融產(chǎn)品需求還有一段距離要走，缺少最后一公里的打通。

這個(gè)時(shí)候，對(duì)用戶(hù)歷史上網(wǎng)行為數(shù)據(jù)的趨勢(shì)和頻率分析就起作用了。例如如果客戶(hù)在過(guò)去很長(zhǎng)一段時(shí)間，沒(méi)有瀏覽過(guò)汽車(chē)網(wǎng)站，但是突然在近期(一周之內(nèi))高頻瀏覽汽車(chē)網(wǎng)站，并且持續(xù)時(shí)間和頻次較高，依靠這些信息，可以更加準(zhǔn)確地預(yù)測(cè)出客戶(hù)未來(lái)對(duì)車(chē)貸的需求。同樣道理，購(gòu)房需求、出國(guó)需求、旅游需求、消費(fèi)金融需求都可以從客戶(hù)瀏覽/點(diǎn)擊各類(lèi)App的起使時(shí)間、頻率、趨勢(shì)來(lái)推測(cè)和判斷。

我們從多個(gè)客戶(hù)案例中發(fā)現(xiàn)，金融企業(yè)內(nèi)部的數(shù)據(jù)價(jià)值巨大，經(jīng)過(guò)一定分析之后，可以幫助企業(yè)提升產(chǎn)品銷(xiāo)售和業(yè)務(wù)。如果金融行業(yè)內(nèi)部交易和資產(chǎn)數(shù)據(jù)結(jié)合外部行為數(shù)據(jù)，特別是移動(dòng)互聯(lián)網(wǎng)行為和位置數(shù)據(jù)，利用數(shù)學(xué)模型/機(jī)器學(xué)習(xí)將會(huì)更大程度上幫助金融企業(yè)找到相似人群，銷(xiāo)售出更多的金融產(chǎn)品，提升營(yíng)銷(xiāo)效果，獲得業(yè)務(wù)提升。

行為數(shù)據(jù)和數(shù)學(xué)模型正在成為數(shù)據(jù)價(jià)值應(yīng)用的兩大法寶。

End.

#專(zhuān)欄作家#

鮑忠鐵（微信號(hào)：daxiakanke），人人都是產(chǎn)品經(jīng)理專(zhuān)欄作家，TalkingData首席金融行業(yè)布道師，上海大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟金融行業(yè)專(zhuān)家，金融行業(yè)大數(shù)據(jù)實(shí)踐推動(dòng)者。

本文由原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。