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。