¿Cómo utiliza el sector financiero los big data para establecer retratos precisos de los usuarios?
Para describir con precisión las características de los usuarios, puede consultar las siguientes ideas, desde el establecimiento de microretratos de usuarios hasta el modelado de etiquetas de retratos de usuarios, la arquitectura de datos de los retratos de usuarios y la capa de análisis. por capa de micro a macro.
En primer lugar, desde una perspectiva micro, ¿cómo calificamos los microretratos de los usuarios? Como se muestra en la siguiente figura
El principio general: sobre la base de la clasificación de primer nivel, subdivida gradualmente las categorías anteriores.
La primera categoría: atributos demográficos, características de los activos, características de marketing, pasatiempos, pasatiempos de compras y características de la demanda.
Existen muchos métodos de creación de perfiles de usuarios en el mercado y muchas empresas también ofrecen servicios de creación de perfiles de usuarios. Es muy difícil actualizar la creación de perfiles de usuarios. Las empresas financieras son las primeras industrias en comenzar a crear perfiles de usuarios. Debido a que las empresas financieras son ricas en datos, no pueden comenzar con datos de muchas dimensiones al crear retratos de usuarios. Siempre creen que cuanto mayor sea la latitud de los datos del perfil del usuario, más ricos serán los datos del perfil. Algunos datos de entrada también tienen pesos establecidos e incluso modelos construidos. El retrato de usuario es un proyecto enorme y complejo. Sin embargo, me esforcé mucho y descubrí que solo quedaban los retratos de los usuarios, lo cual estaba lejos del negocio. No hay forma de respaldar directamente las operaciones comerciales y la inversión es enorme pero el retorno es pequeño. Se puede decir que la ganancia supera la pérdida y no se le puede explicar al líder.
De hecho, las dimensiones de datos involucradas en los retratos de los usuarios deben combinarse con escenarios comerciales, ser simples y capaces, y tener una gran relevancia para el negocio, lo que facilita su filtrado y facilita operaciones posteriores. Los retratos de los usuarios deben cumplir tres principios: atributos colectivos e información crediticia, información de fuerte correlación y datos cualitativos. A continuación se explican y analizan respectivamente.
Existe mucha información que describe a un usuario. La información crediticia es información importante en un perfil de usuario. La información crediticia describe la capacidad de consumo de una persona en la sociedad. El objetivo de cualquier empresa que realice retratos de usuarios es encontrar clientes objetivo, que deben ser usuarios con potencial adquisitivo. La información crediticia puede demostrar directamente el poder adquisitivo del cliente y es la información más importante y básica en los retratos de los usuarios. A modo de broma, toda información es una referencia crediticia, esa es la verdad. Contiene el trabajo, los ingresos, la educación, la propiedad y otra información del consumidor.
Necesitamos introducir información de correlación fuerte e información de correlación débil. La información de correlación fuerte es información directamente relacionada con los requisitos de la escena. Puede ser información causal o información muy relevante.
Si el rango del coeficiente de correlación se define como 0 a 1, entonces un coeficiente de correlación superior a 0,6 debe definirse como información de correlación fuerte. Por ejemplo, en igualdad de condiciones, el salario medio de las personas de alrededor de 35 años es superior al salario medio de las personas de 30 años, el salario medio de los estudiantes que se gradúan en informática es superior al de los estudiantes de filosofía, y el salario medio de los El número de personas que trabajan en la industria financiera es mayor que el de los estudiantes de informática. Los salarios son más altos que los de los que trabajan en la industria textil, con salarios promedio en Shanghai más altos que los de la provincia de Hainan. A partir de esta información se puede ver que la edad, la educación, la ocupación y la ubicación de una persona tienen un gran impacto en los ingresos y están fuertemente correlacionados con el nivel de ingresos. En pocas palabras, la información que tiene un gran impacto en los informes crediticios es información muy relevante, y viceversa.
Es difícil analizar el impacto de otra información del usuario en el consumo de energía desde una perspectiva probabilística, como la altura, el peso, el nombre, el signo del zodíaco y otra información del usuario. Esta información poco relevante no debe analizarse en los retratos de los usuarios. Tiene poco impacto en la capacidad de consumo de crédito del usuario y no tiene un gran valor comercial.
Al realizar perfiles de usuarios y análisis de usuarios, se debe considerar la información muy relevante y no la información débilmente relevante. Este es un principio de la elaboración de perfiles de usuarios.
Por ejemplo, los clientes se pueden dividir en grupos de edad: de 18 a 25 años se define como gente joven, de 25 a 35 años se define como gente joven y de 36 a 45 años se define como gente media. -personas de edad avanzada. Puede consultar la información sobre ingresos personales para definir a las personas como grupos de ingresos altos, medios y bajos. Los clientes también se pueden definir en tres niveles: alto, medio y bajo con referencia a la información de los activos. En cuanto a las categorías y métodos de la información cualitativa, las finanzas pueden partir de su propio negocio y no existe un modelo fijo.
Otro principio de la elaboración de perfiles de usuarios es recopilar diversa información cuantitativa de empresas financieras y clasificar y caracterizar información cualitativa, lo que es útil para seleccionar rápidamente a los usuarios y localizar a los clientes objetivo.
El siguiente contenido presentará en detalle cómo construir un modelo para generar etiquetas y pesos según el comportamiento del usuario. Un modelo de evento consta de tres elementos: tiempo, lugar y personas.
Cada comportamiento de un usuario es esencialmente un evento aleatorio, que puede describirse específicamente como: qué usuario, cuándo, dónde y qué hizo.
Qué usuario: La clave está en la identificación del usuario. La finalidad de la identificación de usuarios es diferenciar a los usuarios y localizarlos en un único punto.
Lo anterior enumera los principales métodos de identificación de usuarios en Internet, y los métodos de adquisición van de fáciles a difíciles. Dependiendo de la rigidez del usuario de la empresa, la información de identificación que se puede obtener también es diferente.
A qué hora: el tiempo incluye dos información importante: marca de tiempo + duración del tiempo. La marca de tiempo, para identificar el momento del comportamiento del usuario, como 1395121950 (precisión en segundos), 1395121950.05438+02 (precisión en microsegundos), generalmente utiliza precisión. Porque la precisión de la marca de tiempo de microsegundos no es confiable. Precisión de la hora del navegador, la precisión solo puede ser de hasta milisegundos. Duración, utilizada para identificar cuánto tiempo permanece un usuario en una página.
Dónde: punto de contacto del usuario, punto de contacto. para cada punto de contacto del usuario. Potencialmente contiene dos capas de información: URL + contenido. URL: Cada enlace URL (página/pantalla) localiza la dirección de una página de Internet o una página específica de un producto. Puede ser la URL de la página de un sitio web de comercio electrónico en una PC, puede ser una página funcional de aplicaciones como Weibo y WeChat en un teléfono móvil, o puede ser una pantalla específica de la aplicación de un producto. Por ejemplo, la página de producto único de Great Wall Wine, la página de cuenta de suscripción de WeChat, la página de liquidación de un determinado juego.
Contenido: El contenido de la URL (página/pantalla) de cada URL. Puede ser información relacionada con un solo producto: categoría, marca, descripción, atributos, información del sitio web, etc. Por ejemplo, vino tinto, Gran Muralla, tinto seco, para cada punto de contacto de Internet, la URL determina el peso, el contenido determina la etiqueta;
Nota: El punto de contacto puede ser un sitio web o una interfaz funcional específica del producto. Por ejemplo, la misma botella de agua mineral se vende por 1 yuan en los supermercados, 3 yuanes en los trenes y 5 yuanes en lugares pintorescos. El valor de venta de un producto no reside en su coste, sino en el lugar donde se vende. Todas las etiquetas son agua mineral, pero los pesos reflejados por los diferentes puntos de contacto son diferentes. El peso aquí puede entenderse como las diferentes necesidades de los usuarios de agua mineral. Es decir, el valor que están dispuestos a pagar es diferente.
Peso de la etiqueta
Agua mineral 1 //Supermercado
Agua mineral 3 //Tren
Agua mineral 5 //Lugares panorámicos
p>De manera similar, los usuarios que buscan información sobre vinos en el centro comercial JD.COM son diferentes de buscar información sobre vinos en el sitio web Shangpin Wine, lo que muestra su preferencia por el vino. El punto clave aquí es que los pesos son diferentes en diferentes sitios web. La construcción de modelos de peso debe realizarse de acuerdo con los requisitos comerciales respectivos.
Por lo tanto, la URL en sí representa el peso de preferencia de etiqueta del usuario. El contenido correspondiente a la URL refleja la información de la etiqueta.
¿Qué es esto? Los tipos de comportamiento del usuario para el comercio electrónico incluyen los siguientes comportamientos típicos: navegar, añadir al carrito de compras, buscar, comentar, comprar, hacer clic en Me gusta, recopilar, etc.
Los diferentes tipos de comportamiento tienen diferentes pesos para la información de la etiqueta generada a partir del contenido del punto de contacto. Por ejemplo, el peso de compra es 5 y el peso de navegación es 1.
Vino tinto 1 //Buscar vino tinto
Vino tinto 5 //Comprar vino tinto
Según el análisis anterior, el modelo de datos del retrato del usuario puede Se puede resumir en la siguiente fórmula: Identidad del usuario + tiempo + tipo de comportamiento + punto de contacto (sitio web + contenido), cuándo y dónde hizo qué el usuario. Por eso está etiquetado como * *.
Por ejemplo, el usuario A buscó ayer una botella de vino tinto seco Great Wall valorada en 238 yuanes en Shangpin Wine Online.
Etiqueta: vino tinto, Gran Muralla
Hora: debido a que fue el comportamiento de ayer, supongamos que el factor de atenuación es: r=0,95.
Tipo de comportamiento: El comportamiento de navegación se registra como peso 1.
Ubicación: JD.COM El subpeso del sitio web de la página del menú de vinos es 0,9 (en comparación con el subpeso de la página Shangpin Wine Menu, que es 0,7).
Suponiendo que a los usuarios realmente les guste el vino tinto, acudirán a un sitio web profesional de vinos tintos para comprarlo en lugar de comprarlo en un gran centro comercial.
Entonces la etiqueta de preferencia del usuario es: vino tinto, y el peso es 0,95*0,7 * 1=0,665, es decir, usuario A: vino tinto 0,665, Gran Muralla 0,665.
La selección de los pesos del modelo anterior es solo un ejemplo de referencia. Los pesos específicos deben modelarse dos veces según las necesidades comerciales.
Lo que se enfatiza aquí es cómo construir un modelo de retrato de usuario desde una perspectiva general y luego refinar gradualmente el modelo.
Este artículo no incluye algoritmos específicos, pero explica una idea de análisis que puede brindarle una guía de pensamiento sistemático y marco cuando planifique establecer retratos de usuarios.
El núcleo radica en la comprensión de los puntos de contacto del usuario. El contenido de los puntos de contacto determina directamente la información de la etiqueta. La dirección del contenido, el tipo de comportamiento y la caída del tiempo determinan el modelo de peso como clave, y el modelado secundario del valor de peso en sí es un avance natural. Por ejemplo, el modelo enfatiza el comercio electrónico, pero en realidad los puntos de contacto se pueden redefinir según los diferentes productos.
Por ejemplo, para productos de cine y televisión, vi una película "Un mañana mejor". Las etiquetas posibles son: Chow Yun-fat 0,6, Gunfight 0,5, Hong Kong y Taiwán 0,3. Finalmente, el punto de contacto en sí no necesariamente tiene contenido, también se puede resumir en un determinado umbral, cuántas veces se ha superado una determinada conducta, cuánto tiempo ha tardado, etc.
Por ejemplo, en el caso de productos de juegos, los puntos de contacto típicos pueden ser tareas clave, indicadores clave (puntuaciones), etc. Por ejemplo, si la puntuación supera los 10.000, se le marcará como usuario diamante. Usuario Diamante 1.0.
Percent ahora ha aplicado completamente la tecnología de creación de perfiles de usuario en su motor de recomendaciones. En una aplicación para clientes de comercio electrónico y nuevos visitantes de la página del evento, basándose en el efecto personalizado generado por los retratos de los usuarios, el efecto de recomendación se ha mejorado significativamente en comparación con la lista de los más vendidos: la tasa de clics de la columna recomendada. aumentó un 27% y la tasa de conversión de pedidos aumentó un 34%.
La información dentro de las empresas financieras se distribuye en diferentes sistemas. En términos generales, la información demográfica se concentra principalmente en el sistema de gestión de relaciones con el cliente, y la información crediticia se concentra principalmente en el sistema de transacciones y el sistema de productos, así como en el sistema de gestión de relaciones con el cliente. Las características de consumo se centran principalmente en canales y sistemas de productos.
Los pasatiempos y la información social deben introducirse desde fuera. Por ejemplo, las trayectorias de comportamiento de los clientes pueden representar sus pasatiempos y preferencias de marca, y la información de ubicación de los dispositivos móviles puede proporcionar información más precisa sobre sus pasatiempos. La información social se puede recopilar y analizar con la ayuda de las capacidades de minería de textos propias de la industria financiera, o se puede obtener directamente en los sitios de redes sociales con la ayuda de las capacidades técnicas del fabricante. La información social suele ser información en tiempo real con un alto valor comercial y una alta tasa de conversión, y es la principal fuente de información para la predicción de big data. Por ejemplo, si un usuario pregunta dónde visitar en Roma en un sitio de redes sociales, indica que el usuario puede tener la necesidad de viajar al extranjero en el futuro si el cliente está comparando la excelencia de dos automóviles; Es más probable que compre un automóvil. Las empresas financieras pueden intervenir de manera oportuna para brindar servicios financieros a los clientes.
Los datos del retrato de los clientes se dividen principalmente en cinco categorías, que incluyen atributos demográficos, información crediticia, características de consumo, intereses y pasatiempos e información social. Estos datos se distribuyen en diferentes sistemas de información y todas las empresas financieras están en línea en almacenes de datos (DW). Toda la información muy relevante relacionada con los retratos se puede ordenar y centralizar desde el almacén de datos y, según las necesidades comerciales del retrato, se utilizan operaciones por lotes y procesamiento de datos para generar los datos originales de los retratos de los usuarios.
El almacén de datos se ha convertido en la principal herramienta de procesamiento de datos de retratos de usuarios. Clasifica, filtra, resume y procesa datos sin procesar de acuerdo con escenarios comerciales y requisitos de retratos, y genera los datos originales necesarios para los retratos de usuarios.
Cuanta más información de latitud tengan los retratos de los usuarios, mejor. Solo necesita encontrar cinco categorías de información de retrato que sean muy relevantes, muy relevantes para escenarios comerciales y muy relevantes para productos y clientes objetivo. No hay ninguna información de retrato de usuario de 360 grados y no hay información rica para comprender completamente a los clientes. Además, también se debe considerar la validez de los datos.
De acuerdo con el principio de los retratos de usuarios, toda la información del retrato debe estar fuertemente relacionada con las cinco categorías principales. La información muy relevante se refiere a información que es muy relevante para los escenarios comerciales, que puede ayudar a la industria financiera a localizar clientes objetivo, comprender las necesidades potenciales de los clientes y desarrollar los productos necesarios.
Solo información sólida y relevante puede ayudar a las empresas financieras a combinar eficazmente las necesidades comerciales y crear valor comercial. Por ejemplo, el nombre, el número de teléfono móvil y la dirección particular son información demográfica sólida que puede llegar a los clientes, y los ingresos, la educación, la ocupación y los activos son información relevante y sólida para los informes crediticios de los clientes. Turistas, turistas extranjeros, usuarios de automóviles, turistas, madres y bebés son información fuertemente relacionada con las características de consumo. Los entusiastas de la fotografía, los entusiastas de los juegos, los entusiastas del fitness, las multitudes de películas y los entusiastas de las actividades al aire libre son información fuertemente relacionada con los intereses y pasatiempos de los clientes. La información sobre necesidades de viaje, estrategias de viaje, consultas financieras, necesidades de automóviles, necesidades inmobiliarias y otra información publicada en las redes sociales representa las necesidades internas de los usuarios y es muy relevante para la aplicación de escenarios de información social.
Hay mucha información interna en las empresas financieras. No es necesario utilizar toda la información en la etapa de elaboración del perfil del usuario. Solo se debe utilizar la información que esté fuertemente relacionada con el escenario empresarial y los clientes objetivo. , que ayudará a mejorar las tasas de conversión de productos y reducir el retorno de la inversión (ROI), ayuda a encontrar fácilmente escenarios de aplicaciones comerciales y también es fácil de implementar durante el proceso de implementación de datos.
No compliques demasiado el trabajo de creación de perfiles de usuario, ya que tiene poco que ver con escenarios empresariales. Esto hará que muchas empresas financieras, especialmente los líderes, pierdan interés en la elaboración de perfiles de usuarios y no estén dispuestos a invertir en el campo de big data después de ver el negocio de la elaboración de perfiles de usuarios. Aportar valor comercial a la empresa es la principal motivación y propósito del trabajo de elaboración de perfiles de usuarios.
Después de recopilar toda la información, las empresas financieras necesitan clasificar y filtrar la información cuantitativa según las necesidades del negocio. Se recomienda que esta parte del trabajo se realice en el almacén de datos y no se recomienda que se procese en la plataforma de gestión de big data (DMP).
La clasificación cuantitativa de la información cualitativa es una parte importante de la elaboración de perfiles de usuarios, que requiere escenarios comerciales elevados y prueba la transformación de las necesidades comerciales de la elaboración de perfiles de usuarios. Su objetivo principal es ayudar a las empresas a simplificar datos complejos, clasificar cualitativamente datos de transacciones e integrar requisitos de análisis empresarial para el procesamiento comercial de datos. Por ejemplo, los clientes se pueden dividir en etapas de la vida, como estudiantes, jóvenes, adultos jóvenes, de mediana edad, de mediana edad y mayores. Las necesidades de servicios financieros que surgen en las diferentes etapas de la vida son diferentes. Cuando busque clientes objetivo, puede dirigirse a ellos por etapa de su vida. Las empresas pueden dividir a los clientes en clientes de nivel bajo, medio y alto según sus ingresos, educación, activos, etc., y proporcionar diferentes servicios financieros según las necesidades de servicios financieros de los clientes. Puede consultar sus registros de consumo financiero e información de activos, así como productos de transacciones y productos comprados, para describir cualitativamente las características de consumo de los clientes y distinguir entre clientes de comercio electrónico, clientes de gestión financiera, clientes de seguros, clientes de inversión estables y clientes de inversión agresivos. , clientes de catering, clientes de viajes, clientes de alto nivel, clientes de funcionarios, etc. Los datos externos se pueden utilizar para identificar los intereses y pasatiempos de los clientes, como entusiastas de las actividades al aire libre, entusiastas de los artículos de lujo, entusiastas de los productos tecnológicos, entusiastas de la fotografía, demandantes de automóviles de alta gama y otra información.
Resumir la información cuantitativa en información cualitativa y etiquetarla según las necesidades comerciales puede ayudar a las empresas financieras a encontrar clientes objetivo, comprender sus necesidades potenciales, encontrar clientes objetivo para productos en la industria financiera, realizar un marketing preciso y reducir costos. Costos de marketing, mejorar la tasa de conversión del producto. Además, las empresas financieras también pueden recomendar productos, diseñar productos y optimizar los procesos de productos de manera oportuna en función de las características de consumo, los pasatiempos y la información social de los clientes. Aumente la tasa de actividad de las ventas de productos y ayude a las empresas financieras a diseñar mejor los productos para los clientes.
El propósito de utilizar datos para la elaboración de perfiles es proporcionar soporte de datos para escenarios comerciales, incluida la búsqueda de clientes objetivo para productos y llegar a los clientes. Los propios datos de las empresas financieras no son suficientes para comprender las características de consumo, los intereses y la información social de los clientes.
Las empresas financieras pueden introducir información externa para enriquecer la información del perfil del cliente, como UnionPay e información de comercio electrónico para enriquecer la información de características de consumo, información de ubicación de big data móvil para enriquecer la información de interés del cliente y datos de fabricantes externos para enriquecer información social.
La información externa tiene muchas dimensiones y contenido rico, pero cómo introducirla es una tarea desafiante. Al introducir información externa, se deben considerar varias cuestiones, a saber, la cobertura de datos externos, cómo conectarse con los datos internos, la tasa de coincidencia con la información interna, el grado de relevancia de la información y la actualidad de los datos. Estas son las principales consideraciones a la hora de incorporar información externa. Los datos externos varían de buenos a malos, y el cumplimiento de los datos también es una consideración importante para las empresas financieras al introducir datos externos. Para obtener información confidencial, como número de teléfono móvil, dirección particular y número de identificación, preste atención a las cuestiones de privacidad al presentar o comparar. El principio básico es que la comparación y verificación de datos se puede realizar sin intercambio de datos.
Los datos externos no se concentrarán en una sola empresa, lo que obliga a las empresas financieras a dedicar mucho tiempo a buscarlos. Conectar datos externos y datos internos es un tema muy complejo. La coincidencia numérica MD5 de número de teléfono móvil/número de dispositivo/número de identificación es un buen método. No implica el intercambio de datos privados y puede compararse de forma única. Según la experiencia de la industria, los datos externos de ninguna empresa pueden cumplir con los requisitos de la empresa, y la introducción de datos externos requiere una variedad de datos. En general, la tasa de cobertura de datos es superior al 70%, que es una tasa de cobertura muy alta. Cuando la cobertura alcanza más del 20%, se puede utilizar comercialmente.
Los buenos socios para fuentes de datos externas en la industria financiera incluyen UnionPay, Sesame Credit, operadores, China Airlines, Yunteng Tianxia, Tencent, Weibo, Qianhai Credit Information, las principales plataformas de comercio electrónico, etc. Hay muchos proveedores de datos en el mercado con buena calidad de datos.
Es necesario que la industria financiera los descubra uno por uno o confíe a un fabricante para que los introduzca. Es un buen intento para que terceros independientes ayuden a la industria financiera a introducir datos externos, lo que puede reducir los costos de transacción de datos y los riesgos de cumplimiento de datos. Además, las plataformas de comercio de big data en las principales ciudades y regiones también son una buena forma de introducir datos externos.
El objetivo principal de la creación de perfiles de usuario es permitir a las empresas financieras aprovechar el valor de los datos existentes, utilizar tecnología de creación de perfiles de datos para descubrir clientes objetivo y sus necesidades potenciales, y promover productos y diseñar productos mejorados.
Los retratos de usuarios son una forma importante de lograr la monetización comercial de los datos de escenarios empresariales. Los retratos de usuarios son un circuito cerrado importante en el proceso de operación del pensamiento de datos, que ayuda a las empresas financieras a utilizar los datos para operaciones refinadas, marketing y diseño de productos. Los retratos de usuarios son todas operaciones comerciales de datos, que se centran en escenarios comerciales para ayudar a las empresas financieras a analizar a los clientes en profundidad y encontrar clientes objetivo.
DMP (Big Data Management Platform) desempeña el papel de monetización de datos en todo el proceso de elaboración de perfiles de usuario. Desde una perspectiva técnica, DMP etiqueta datos de retratos, utiliza algoritmos de aprendizaje automático para encontrar grupos similares de personas, los integra profundamente con escenarios comerciales, selecciona datos y clientes valiosos, localiza clientes objetivo, llega a clientes, registra y proporciona comentarios sobre los efectos del marketing. La plataforma de gestión de big data DMP se utilizaba principalmente en la industria publicitaria en el pasado y no tenía aplicación en la industria financiera. En el futuro, se convertirá en la principal plataforma para aplicaciones comerciales de datos.
DMP puede ayudar a las compañías de tarjetas de crédito a descartar a los clientes que probablemente realizarán pagos a plazos durante el próximo mes, los clientes que compran productos electrónicos en grandes cantidades, los clientes de gestión financiera, los clientes de alto nivel (con pocos activos en nuestro banco, pero muchos activos en otros bancos), seguros, seguros de vida, seguros educativos, seguros de automóviles y otros clientes, inversores estables, inversores activistas, gestión financiera y otros clientes, y pueden llegar a estos clientes, mejorar la tasa de conversión de productos y utilizar datos para realizar investigaciones. DMP también puede comprender los hábitos de consumo, pasatiempos y necesidades recientes de los clientes, personalizar productos y servicios financieros para los clientes y realizar marketing transfronterizo. Utilice las preferencias de consumo de los clientes para mejorar las tasas de conversión de productos y la fidelidad del usuario.
Como plataforma para introducir datos externos, DMP también introduce datos externos valiosos en empresas financieras para complementar los datos de retratos de usuarios y crear diferentes escenarios de aplicaciones comerciales y necesidades comerciales, especialmente big data móviles y datos de comercio electrónico. La aplicación de datos sociales puede ayudar a las empresas financieras a darse cuenta del valor de los datos, acercar los retratos de los usuarios a las aplicaciones comerciales y reflejar el valor comercial de los retratos de los usuarios.
La clave para los retratos de usuarios no es analizar a los clientes en 360 grados, sino aportar valor comercial a la empresa. Sin valor comercial, hablar de retratos de usuarios es sólo un vandalismo. El punto de partida de los proyectos de retratos de usuarios de empresas financieras debe basarse en las necesidades comerciales, datos relevantes y potentes y la aplicación de escenarios comerciales. La esencia de la elaboración de perfiles de usuario es analizar en profundidad a los clientes, dominar datos valiosos, encontrar clientes objetivo, personalizar los productos de acuerdo con las necesidades del cliente y utilizar los datos para generar valor.
Los bancos tienen abundantes datos de transacciones, datos de atributos personales, datos de consumo, datos de crédito y datos de clientes, y tienen una gran demanda de retratos de usuarios. Pero falta información social y de intereses.
Las personas que acuden a las sucursales bancarias para hacer negocios son de mayor edad y, en el futuro, los consumidores realizarán principalmente negocios en línea. Los bancos no pueden llegar a los clientes, no pueden entender sus necesidades y carecen de los medios para llegar a ellos. Analizar a los clientes, comprenderlos, encontrar clientes objetivo y diseñar productos para los clientes se han convertido en los objetivos principales de los retratos de los usuarios de los bancos. Las principales necesidades comerciales de los bancos se centran en la financiación al consumo, la gestión patrimonial y los servicios financieros. Los retratos de usuarios deben buscar clientes objetivo desde estas perspectivas.
Los datos de los clientes del banco son muy ricos, con muchos tipos, una gran cantidad de datos y muchos sistemas. Puedes seguir estrictamente los cinco pasos del retrato de usuario. Primero, utilice el almacén de datos para condensar los datos, filtrar información altamente relevante, caracterizar la información cuantitativa y generar los datos requeridos por DMP. Utilice DMP para personalizar etiquetas y aplicaciones básicas, seleccionar clientes objetivo o realizar análisis en profundidad de los usuarios según los requisitos del escenario empresarial. Al mismo tiempo, DMP se utiliza para introducir datos externos, mejorar el diseño de escenarios de datos y mejorar la precisión de los clientes objetivo. Encuentre formas de llegar a los clientes, comercializarlos, proporcionar comentarios sobre los efectos del marketing y medir el valor comercial de los productos de datos. Utilice datos de comentarios para corregir campañas de marketing y mejorar el retorno de la inversión. Forme un circuito de marketing cerrado y realice el circuito cerrado de realización del valor comercial de los datos. Además, DMP puede realizar análisis en profundidad de los clientes, desarrollar y diseñar productos basados en las características de consumo, pasatiempos, necesidades sociales, información crediticia, etc. de los clientes, proporcionar soporte de datos para el desarrollo de productos de las empresas financieras y proporcionar datos de escenarios para Métodos de venta de productos.
Presentamos brevemente algunos escenarios de datos que DMP puede implementar.
Buscando clientes que pagan a plazos
Utilizando datos del emisor de la tarjeta + datos propios + datos de la tarjeta de crédito, encontramos usuarios cuyo consumo con tarjeta de crédito supera sus ingresos mensuales y recomiendan compras a plazos.
Buscar clientes de activos de alto nivel
Usar datos del banco emisor de la tarjeta + datos de ubicación del móvil (villa/comunidad de alto nivel) + datos de retención de tasas de propiedad + datos del propio banco + coche datos del modelo para encontrar clientes en el banco Los servicios de gestión de activos de alta gama se proporcionan a usuarios con menos activos y más activos en otros bancos.
Encuentre clientes de gestión patrimonial
Utilice sus propios datos (transacciones + salario) + datos de actividad de comercio electrónico/cliente financiero móvil. Se ha descubierto que los clientes que han transferido sus salarios/activos al exterior pero que no participan activamente en el consumo de comercio electrónico tienen más probabilidades de tener gestión financiera en Internet. Podemos proporcionarles servicios de gestión financiera y mantener sus fondos en el banco.
Buscar clientes de viajes en el extranjero
Utilice los datos de consumo de su tarjeta + información de ubicación del dispositivo móvil + socialice datos relacionados con el extranjero (pautas, rutas, atracciones, tarifas) para encontrar clientes de viajes en el extranjero. servicios financieros.
Encontrar clientes de préstamos
Utilice sus propios datos (atributos demográficos + información crediticia) + información de ubicación del dispositivo móvil + compra social de viviendas/información relacionada con el consumo fuerte para encontrar personas que están a punto de comprar un automóvil/casa Dirigirse a los clientes y brindarles servicios financieros (hipotecas/préstamos al consumo).
Fuente: compilación secundaria de big data de Qiantang, fuente de datos original de TalkingData Bao Zhongtie,