數(shù)據(jù)的價值,是提升業(yè)務(wù)而不僅僅是用戶畫像
用戶畫像僅僅是數(shù)據(jù)應(yīng)用的一個過程,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)是實現(xiàn)業(yè)務(wù)價值的提升。
2016年客戶開始擁抱大數(shù)據(jù),引入外部數(shù)據(jù)成為熱點(diǎn),市場上出現(xiàn)了各類數(shù)據(jù)提供商。運(yùn)營商數(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,客戶畫像成為數(shù)據(jù)應(yīng)用的主要議題。
數(shù)據(jù)的應(yīng)用場景可分為三類:一個是提升業(yè)務(wù),一個是降低運(yùn)營成本,另外一個是精細(xì)化運(yùn)營。
用戶畫像僅僅是數(shù)據(jù)應(yīng)用的一個過程,不是數(shù)據(jù)應(yīng)用的目的。企業(yè)客戶知道了用戶的個人屬性、興趣愛好,消費(fèi)偏好,行為標(biāo)簽等信息,豐富了企業(yè)對客戶的了解,了解了過去不知道到信息。
僅僅是數(shù)據(jù)應(yīng)用的一個過程,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)識客戶(用戶畫像),還需要解決從數(shù)據(jù)到商業(yè)決策最后一公里的問題。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體驗,實現(xiàn)精準(zhǔn)營銷,提升業(yè)務(wù)收入。
金融客戶擁有較為豐富的個人屬性數(shù)據(jù)、資產(chǎn)數(shù)據(jù)、信用數(shù)據(jù)、交易數(shù)據(jù)。缺少客戶在本金融企業(yè)之外的金融數(shù)據(jù)和個人行為數(shù)據(jù)。大的銀行、券商、保險開始對外引入和購買客戶的外部行為數(shù)據(jù)和金融數(shù)據(jù),用于豐富標(biāo)簽和用戶畫像,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)價值,如何尋找數(shù)據(jù)應(yīng)用場景,都在探索之中。其實金融企業(yè)內(nèi)部的人也不太清楚,也沒有一個系統(tǒng)的方式方法去尋找數(shù)據(jù)應(yīng)用場景,大家都在摸索中。
市場上最好的數(shù)據(jù)是運(yùn)營商數(shù)據(jù)和銀聯(lián)數(shù)據(jù),運(yùn)營商數(shù)據(jù)利用DPI技術(shù)分析出客戶網(wǎng)上行為,為客戶打上一些行為標(biāo)簽,例如客戶喜歡看的手機(jī)品牌、3C產(chǎn)品,客戶點(diǎn)擊瀏覽的電商產(chǎn)品,客戶瀏覽的出國、留學(xué)、旅游、房產(chǎn)、汽車等網(wǎng)站或網(wǎng)頁。
目前電信的DPI標(biāo)簽集中在客戶固網(wǎng)訪問行為,也就是在PC上的瀏覽標(biāo)簽,聯(lián)通的DPI標(biāo)簽集中在移動互聯(lián)網(wǎng)的訪問行為行為和標(biāo)簽,中國移動的DPI標(biāo)簽還在挖掘開發(fā)中。移動、電信、聯(lián)通覆蓋的移動互聯(lián)網(wǎng)用戶比例分別為6:2:2,中國移動占了大部分,客戶質(zhì)量較高。另外可以提供移動互聯(lián)網(wǎng)訪問行為表標(biāo)簽的數(shù)據(jù)廠商是TakingData、極推、個推等第三方數(shù)據(jù)服務(wù)商。
銀聯(lián)的數(shù)據(jù)集中在刷卡的消費(fèi)和支出的分級信息,以卡、POS為單位,可以用于風(fēng)控和信用評估,具體個人的刷卡信息不能提供。
短信服務(wù)商可以利用短信來加工一些客戶的收入、轉(zhuǎn)賬、消費(fèi)、分期、貸款等信息。誤差比較大,無法全面揭示客戶收入、資產(chǎn)、消費(fèi)信息,僅僅可以作為參考。市場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)帶來了新的信息源,但是如何使用這些標(biāo)簽來推動業(yè)務(wù),來實現(xiàn)精準(zhǔn)營銷,幫助金融企業(yè)銷售產(chǎn)品,大家還在探索中。目前這些標(biāo)簽主要用于用戶畫像,業(yè)務(wù)人員對這些數(shù)據(jù)標(biāo)簽的價值也持觀望態(tài)度,不愿意主動實踐。即使是小范圍實踐,如果一旦效果出現(xiàn)波動,業(yè)務(wù)人員會有放大這個結(jié)果,懷疑數(shù)據(jù)的價值。
數(shù)據(jù)在金融企業(yè)的應(yīng)用很曲折,數(shù)據(jù)部門同業(yè)務(wù)部門在數(shù)據(jù)應(yīng)用效果和場景應(yīng)用需要長時間磨合。有的保險企業(yè)數(shù)據(jù)部門即使將整理好的潛在客戶名單發(fā)給業(yè)務(wù)部門,業(yè)務(wù)部門也不相信,也不會打電話去嘗試。有的證券企業(yè),即使外呼效果已經(jīng)比原來盲呼效果好了十倍,但是沒有達(dá)到業(yè)務(wù)部門的期望(追求20%以上的轉(zhuǎn)化率),業(yè)務(wù)部門也會以影響客戶體驗為理由,拒絕進(jìn)一步的數(shù)據(jù)嘗試。
銀行也遇到同樣的問題,外部行為數(shù)據(jù)標(biāo)簽如何應(yīng)用是一個難題,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問題。如果數(shù)據(jù)應(yīng)用效果好,業(yè)績是數(shù)據(jù)部門的還是業(yè)務(wù)部門的?業(yè)務(wù)提升是產(chǎn)品原因還是數(shù)據(jù)原因?外呼的價值高還是短信的價值高?這些都是數(shù)據(jù)價值應(yīng)用的坑,需要花時間去填上。
一、第一方數(shù)據(jù)是金礦,先從分析第一方數(shù)據(jù)開始
從經(jīng)驗上來講,金融行業(yè)活躍的客戶在40%,有的企業(yè)可能更低?;钴S客戶沒有明確的定義,一般以月度發(fā)生過一次交易/查詢以上的客戶定義為活躍客戶。金融企業(yè)的僵尸客戶,可以定義為是一年業(yè)務(wù)之內(nèi)沒有同金融企業(yè)發(fā)生過任何交易的客戶,一般在30%左右,這里面也包含了羊毛黨客戶。另外的30%客戶可以定義為休眠/不活躍客戶,這些客戶一年之內(nèi)偶而會同金融企業(yè)進(jìn)行交易,包括產(chǎn)品購買和支付等。
金融企業(yè)具有典型的帕累托效應(yīng),就是20%甚至10%的客戶擁有80%以上的資產(chǎn)和交易額,這些客戶為金融企業(yè)貢獻(xiàn)了較大的收入和利潤。另外潛在的高價值客戶比例接近或超過已有的高價值客戶;休眠客戶中至少30%可以轉(zhuǎn)化為活躍的客戶;已有客戶中,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群體,單客價值提升的空間很大,銀行無法對上百萬的群體來打電話或者發(fā)短信,去推薦信用卡或者銷售理財產(chǎn)品。一個原因是成本高,另外一個原因是效果差,用戶體驗不好。券商和保險也面臨同樣問題:如何精準(zhǔn)定位客戶?如何精準(zhǔn)分析客戶需求?如何精準(zhǔn)營銷客戶?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)(由于有客戶聯(lián)系方式)。
我們可以分析一群客戶,例如這些客戶在2015年人均購買理財產(chǎn)品為50萬,但是2016年人均購買理財產(chǎn)品低于一萬。我們可以定義其為流失的高價值客戶,銀行可以為這些客戶定制一些理財產(chǎn)品,利用短信向這些客戶推薦定制的產(chǎn)品,利用良好的話術(shù)營銷,將會獲得較高的業(yè)務(wù)提升。券商、信用卡、保險公司都可以參考自身數(shù)據(jù),挖掘出休眠的高價值客戶,利用短信方式進(jìn)行營銷。
很多金融企業(yè)會抱怨是自己的金融產(chǎn)品不好,造成了客戶不愿意購買,但是數(shù)據(jù)分析顯示,中國具有專業(yè)理財知識的人群不到理財人群的10%,理財客戶中90%的人還是被動接受金融服務(wù),理財營銷推廣還是可以帶來較大的業(yè)務(wù)提升的。特別是中國一些高價值客戶,其資產(chǎn)很高,但是忙于自己事業(yè),無法顧及金融理財,因此對金融企業(yè)的營銷依賴還是很大的。
第一方數(shù)據(jù)經(jīng)過數(shù)據(jù)分析之后,還可以找到很多數(shù)據(jù)應(yīng)用場景,例如休眠客戶喚醒,分期客戶尋找,高凈值客戶尋找,流失客戶挽留,高頻交易客戶激活、關(guān)聯(lián)產(chǎn)品推薦、理財產(chǎn)品定位、客戶分群營銷等。一般非精準(zhǔn)營銷的短信轉(zhuǎn)化率在千分之二左右,但是精準(zhǔn)營銷的短信轉(zhuǎn)化率在百分之二到百分之五,有的可以達(dá)到百分之六??蛻舴秩旱木珳?zhǔn)營銷短信,其轉(zhuǎn)化率為非精準(zhǔn)營銷的十倍以上,成本為十分之一,營銷周期可以為縮短十倍。
針對第一方數(shù)據(jù)的精準(zhǔn)分析和客戶分群,以及精準(zhǔn)營銷可以帶來較大的業(yè)務(wù)提升和降低運(yùn)營成本。
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),缺少客戶在外部的行為數(shù)據(jù)??蛻粼谕獠康男袨閿?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,記錄了人的線下行為軌跡,代表一個人在社會的角色,可以認(rèn)為是社會角色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金融需求高度相關(guān)的數(shù)據(jù)維度,通過已有的種子進(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)是一個重要數(shù)據(jù)維度,相似的人群具有相似的社會角色和相似的興趣愛好。向這些相似人群營銷同樣的產(chǎn)品,其轉(zhuǎn)化率也會很高。
Lookalike算法作為一個分類算法,可以找出與目標(biāo)群體的相似度較高的對象。以目標(biāo)群體為正樣本,候選對象為負(fù)樣本,訓(xùn)練分類模型,然后用模型對所有候選對象進(jìn)行篩選。Facebook、騰訊、阿里、TalkingData都在利用這個算法來找到潛在客戶。這個潛在客戶可以是潛在高價值客戶,也可以是某個理財產(chǎn)品的潛在購買客戶。TalkingData的lookalike算法可以在10億設(shè)備中,從百萬維度,尋找潛在目標(biāo)客戶,其計算時間在10秒左右。
一般的短信營銷的客戶響應(yīng)率低于千分之一到千分之三,TalkingData在一些金融客戶實施的案例中,利用數(shù)學(xué)模型和機(jī)器學(xué)習(xí)之后,其短信的營銷響應(yīng)率最低是1%,最高是10%。平均在2%到6%之間。特別是加入了客戶移動互聯(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。
這里的營銷響應(yīng)率是指,客戶打開短信鏈接購買產(chǎn)品的比率。我們曾經(jīng)在一個金融客戶案例中,利用機(jī)器學(xué)習(xí)和數(shù)學(xué)模型,僅僅通過短信營銷,20天內(nèi)在App上銷售出20億理財產(chǎn)品,短信的響應(yīng)率最高達(dá)到了10%,人均購買理財產(chǎn)品20萬,最高單人購買額度超過了100萬,產(chǎn)品沒有任何變化,還是銀行的正常銷售的理財產(chǎn)品。從這個案例可以看出,金融客戶理財需求沒有被充分挖掘。
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)浞治觯⒘艘粋€客戶違約模型,僅僅利用3千個種子,輔助十次隨機(jī)森林樹折疊(RF),獲得了82%違約客戶準(zhǔn)確識別率。另外一個金融客戶的案例,TalkingData利用LR在預(yù)測高價值客戶時,達(dá)到了90%的準(zhǔn)確率??蛻粽诶眠@個模型結(jié)果進(jìn)行精準(zhǔn)營銷,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,同時為金融企業(yè)的精準(zhǔn)營銷打開了一扇大門。僅僅依靠數(shù)據(jù)標(biāo)簽和用戶畫像無法直接幫助金融企業(yè)識別出客戶的需求,無法幫助金融實現(xiàn)業(yè)務(wù)的提升和產(chǎn)品銷售的提升。
外部的數(shù)據(jù)標(biāo)簽僅僅是客戶金融需求的一個維度,如果外部上網(wǎng)行為標(biāo)簽不包括時間維度(數(shù)據(jù)新鮮感和趨勢),其在金融企業(yè)內(nèi)部應(yīng)用價值不高。例如我們拿到一個用戶點(diǎn)擊汽車網(wǎng)頁的標(biāo)簽,知道其點(diǎn)擊了汽車商品,但是不知道其發(fā)生的頻率和趨勢,以及發(fā)生點(diǎn)擊的開始時間。
無法判斷這個用戶是汽車愛好者,還是偶而點(diǎn)了這個網(wǎng)頁,還是近期有購買汽車的需求。同樣道理購房、旅游、留學(xué)、消費(fèi)分期等需求也無法簡單地從客戶瀏覽標(biāo)簽上發(fā)現(xiàn)。外部的上網(wǎng)行為標(biāo)簽,同客戶的金融產(chǎn)品需求還有一段距離要走,缺少最后一公里的打通。
這個時候,對用戶歷史上網(wǎng)行為數(shù)據(jù)的趨勢和頻率分析就起作用了。例如如果客戶在過去很長一段時間,沒有瀏覽過汽車網(wǎng)站,但是突然在近期(一周之內(nèi))高頻瀏覽汽車網(wǎng)站,并且持續(xù)時間和頻次較高,依靠這些信息,可以更加準(zhǔn)確地預(yù)測出客戶未來對車貸的需求。同樣道理,購房需求、出國需求、旅游需求、消費(fèi)金融需求都可以從客戶瀏覽/點(diǎn)擊各類App的起使時間、頻率、趨勢來推測和判斷。
我們從多個客戶案例中發(fā)現(xiàn),金融企業(yè)內(nèi)部的數(shù)據(jù)價值巨大,經(jīng)過一定分析之后,可以幫助企業(yè)提升產(chǎn)品銷售和業(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)將會更大程度上幫助金融企業(yè)找到相似人群,銷售出更多的金融產(chǎn)品,提升營銷效果,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)價值應(yīng)用的兩大法寶。
End.
#專欄作家#
鮑忠鐵(微信號:daxiakanke),人人都是產(chǎn)品經(jīng)理專欄作家,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)專家,金融行業(yè)大數(shù)據(jù)實踐推動者。
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。
寫的挺好的
??