¿Cómo utiliza el sector financiero los macrodatos para crear retratos precisos de los usuarios?

El objetivo de los retratos de usuarios es "etiquetar" a los usuarios, y una etiqueta suele ser un identificador de características altamente refinado y especificado artificialmente, como edad, sexo, región, preferencias del usuario, etc., y finalmente todos los del usuario En conjunto, las etiquetas pueden delinear un "retrato" tridimensional del usuario.

Para describir con precisión las características del usuario, puede consultar las siguientes ideas: desde el establecimiento de microretratos de usuario → modelado de etiquetas de retratos de usuario → arquitectura de datos de retratos de usuario, analizamos de micro a macro, capa por capa.

En primer lugar, desde una perspectiva micro, ¿cómo calificar los microretratos de los usuarios? Como se muestra en la siguiente figura

Principio general: según la clasificación de primer nivel, las clasificaciones anteriores se subdividen nivel por nivel.

La primera categoría: atributos demográficos, características de los activos, características de marketing, pasatiempos, pasatiempos de compras, características de la demanda

Existen muchos métodos de elaboración de perfiles de usuarios en el mercado y muchas empresas también ofrecen servicios de creación de perfiles de usuarios, es cuestión de mejorar el retrato del usuario a uno muy poderoso. Las empresas financieras son la primera industria en comenzar a crear perfiles de usuarios. Debido a su abundante cantidad de datos, las empresas financieras no tienen forma de comenzar con datos de muchas latitudes al realizar perfiles de usuarios. Siempre creen que cuantas más latitudes tengan datos de perfiles de usuarios, mejor. cuanto más ricos sean los datos de creación de perfiles, mejor. Algunos de los datos de entrada también establecen pesos e incluso construyen modelos. El retrato del usuario es un proyecto enorme y complejo. Sin embargo, después de esforzarme mucho en crear perfiles, descubrí que solo quedaban retratos de usuarios, que estaban lejos del negocio. No había forma de respaldar directamente las operaciones comerciales. La inversión fue enorme pero el retorno fue pequeño. Cabe decir que la ganancia superó la pérdida y no había forma de explicárselo a los dirigentes.

De hecho, la dimensión de los datos involucrados en los retratos de los usuarios debe combinarse con escenarios comerciales. Debe ser simple y capaz, pero también debe estar fuertemente relacionada con el negocio. Debe ser fácil de filtrar y facilitar operaciones posteriores. . Los retratos de los usuarios deben cumplir tres principios: centrarse en los atributos demográficos y la información crediticia, centrarse en información relevante y sólida y centrarse en datos cualitativos. La explicación y el análisis se llevarán a cabo por separado a continuación.

Hay mucha información que describe a un usuario. La información crediticia es información importante en los retratos de los usuarios. La información crediticia es información que describe la capacidad de consumo de una persona en la sociedad. El objetivo de la elaboración de perfiles de usuario de cualquier empresa 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. Como dice el chiste, toda la información es información crediticia. Por eso. Contiene información como el trabajo, los ingresos, la educación, la propiedad, etc. del consumidor.

Necesitamos introducir información de correlación fuerte e información de correlación débil. La información muy relevante es información directamente relacionada con los requisitos de la escena. Puede ser información causal o información con un alto grado de correlación.

Si la definición utiliza de 0 a 1 como rango de valores del coeficiente de correlación, un coeficiente de correlación superior a 0,6 debe definirse como información de correlación fuerte. Por ejemplo, bajo la premisa de que otras condiciones son iguales, el salario promedio de las personas de alrededor de 35 años es mayor que el de las personas de 30 años. El salario promedio de los estudiantes que se gradúan en informática es mayor que el de los estudiantes de filosofía. El salario de las personas que trabajan en la industria financiera es más alto que el de las personas que trabajan en el sector textil. El salario promedio en la industria, el salario promedio en Shanghai excede el salario promedio en la provincia de Hainan. A partir de esta información, podemos ver que la edad, la educación, la ocupación y la ubicación de una persona tienen un mayor impacto en los ingresos y están fuertemente correlacionados con los ingresos. En pocas palabras, la información que tiene un mayor impacto en la información crediticia es información muy relevante y viceversa es información débilmente relevante.

Otra información del usuario, como la altura, el peso, el nombre, el signo del zodíaco y otra información del usuario, es difícil analizar su impacto en la capacidad de consumo desde una perspectiva probabilística. Esta información débilmente relevante no debe colocarse. El análisis de los retratos de los usuarios tendrá 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, es necesario considerar información muy relevante y no considerar 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, definidos como jóvenes entre 18 y 25 años, personas jóvenes y de mediana edad entre 25 y 35 años, personas de mediana edad entre 36 y 45 años. años, etc Puede consultar la información sobre ingresos personales para definir grupos como personas de ingresos altos, personas de ingresos medios y personas de ingresos bajos. La información de activos de referencia también puede definir a los clientes como niveles alto, medio o bajo. 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.

Recopilar todo tipo de información cuantitativa de empresas financieras, clasificar y cualitativar la información cualitativa, lo cual es útil para seleccionar a los usuarios y localizar rápidamente a los clientes objetivo, es otro principio de la elaboración de perfiles de usuarios.

El siguiente contenido presentará en detalle cómo construir un modelo para generar etiquetas y pesos según el comportamiento del usuario. Un modelo de evento incluye tres elementos: tiempo, lugar y persona. El comportamiento de cada usuario es esencialmente un evento aleatorio, que se puede describir en detalle como: qué usuario hizo qué, en qué momento y dónde.

Qué usuarios: La clave radica en la identificación de los usuarios. El propósito de la identificación del usuario es distinguir a los usuarios y el posicionamiento en un solo punto.

Lo anterior enumera los principales métodos de identificación de usuarios en Internet, y los métodos para obtenerlos son de fáciles a difíciles. Dependiendo de la fidelidad del usuario de la empresa, la información de identificación que se puede obtener varía.

A qué hora: el tiempo incluye dos información importante: marca de tiempo + duración del tiempo. Marca de tiempo, para identificar el momento del comportamiento del usuario, como 1395121950 (precisión en segundos), 1395121950.083612 (precisión en microsegundos), generalmente es suficiente una marca de tiempo con precisión en segundos. Porque la precisión de la marca de tiempo de microsegundos no es confiable. La precisión del tiempo del navegador solo es exacta en milisegundos como máximo. El período de tiempo se utiliza para identificar cuánto tiempo permanece el usuario en una determinada 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) ubica 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, o puede ser una página de función de una aplicación como Weibo o WeChat en un teléfono móvil, o una pantalla específica de la aplicación de un producto. Por ejemplo, la página de producto único de vino tinto Great Wall, la página de cuenta de suscripción de WeChat y la página de liquidación de un determinado juego.

Contenido: El contenido de cada url (página/pantalla). 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 una URL o una interfaz funcional específica de un producto. Por ejemplo, la misma botella de agua mineral cuesta 1 yuan en el supermercado, 3 yuanes en el tren y 5 yuanes en el lugar panorámico. El valor de venta de un producto no depende de su costo, sino del lugar donde se vende. Todas las etiquetas son agua mineral, pero los diferentes puntos de contacto reflejan la diferencia de peso. El peso aquí puede entenderse como los diferentes niveles de demanda de agua mineral de los usuarios. Es decir, el valor que estás dispuesto 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, existe una diferencia en la preferencia por el vino tinto cuando los usuarios buscan información sobre vinos tintos en JD.com y en Pinshang Red Wine. El enfoque aquí es que diferentes URL tienen diferentes pesos y el modelo de peso debe construirse de acuerdo con sus respectivas necesidades comerciales.

Por lo tanto, la propia URL representa el peso de preferencia de etiqueta del usuario. El contenido correspondiente a la URL refleja la información de la etiqueta.

Qué: Tipo de comportamiento del usuario, para el comercio electrónico, los comportamientos típicos son los siguientes: navegar, añadir al carrito de la compra, 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 por el contenido del punto de contacto. Por ejemplo, el peso de la compra es 5 y el peso de la navegación es 1

Vino tinto 1 // Explorar vino tinto

Vino tinto 5 // Comprar vino tinto

Según el análisis anterior, el usuario El modelo de datos de elaboración de perfiles se puede resumir en la siguiente fórmula: identificación del usuario + tiempo + tipo de comportamiento + punto de contacto (sitio web + contenido), por qué hora, lugar y qué usuario hizo. Entonces se etiquetará **.

Por ejemplo: el usuario A buscó ayer información sobre una botella de vino tinto seco Great Wall valorada en 238 yuanes en Pinshang Red Wine.

Etiquetas: 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: Navegación el comportamiento se registra como peso 1

Ubicación: el subpeso de la URL de la página de producto único de vino tinto de Pinshang se registra como 0,9 (en comparación con 0,7 para la página de producto único de vino tinto de JD.com)

Supongamos que al usuario realmente le gusta el vino tinto, irá a sitios web profesionales de vino tinto para comprarlo en lugar de comprar en grandes centros comerciales.

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 valores de peso del modelo anterior es solo como referencia. Los valores de peso específicos deben modelarse dos veces de acuerdo con las necesidades comerciales. Lo que se enfatiza aquí es cómo pensar de manera integral para construir un modelo. modelo de retrato de usuario y luego refinarlo gradualmente.

Este artículo no incluye algoritmos específicos, sino que profundiza en una idea analítica que puede proporcionarle una guía de pensamiento sistemático y marco a la hora de planificar la creación de 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 una progresión natural. Los ejemplos del modelo se centran en el comercio electrónico, pero, de hecho, los puntos de contacto se pueden redefinir según los diferentes productos.

Por ejemplo, para productos de cine y televisión, vi la película "Un mañana mejor" y 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 puede entenderse generalmente como un cierto umbral, cuántas veces se supera un determinado comportamiento, cuánto dura, etc.

Por ejemplo, en el caso de productos de juegos, los puntos de contacto típicos pueden ser tareas clave, índices clave (puntuaciones), etc. Por ejemplo, si los puntos superan los 10.000 puntos, se le marcará como usuario de nivel diamante. Usuario Diamante 1.0.

Percent ahora ha aplicado completamente la tecnología de retratos de usuarios en el motor de recomendación en la aplicación para un cliente de comercio electrónico y nuevos visitantes a la página del evento, basándose en el efecto personalizado generado por los retratos de usuarios, en comparación con el efecto personalizado generado por los retratos de usuarios. lista de productos más vendidos, el efecto de recomendación se ha mejorado significativamente: la tasa de clics de la columna de recomendación aumentó en un 27% y la tasa de conversión de pedidos aumentó en un 34%.

La información interna de las empresas financieras se distribuye en diferentes sistemas. Generalmente, la información de atributos demográficos 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, y también en el sistema. El sistema de gestión de relaciones con los clientes. En el sistema de gestión de relaciones con los clientes, las características de consumo se concentran principalmente en los sistemas de canales y productos.

Los pasatiempos y la información social deben introducirse desde afuera. Por ejemplo, las trayectorias de comportamiento de los clientes pueden representar sus intereses y pasatiempos de marca, y la información de ubicación de los dispositivos móviles puede proporcionar información sobre pasatiempos más precisa. 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. 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, significa que el usuario puede tener la necesidad de viajar al extranjero en el futuro, si el cliente compara las ventajas 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: atributos demográficos, información crediticia, características de consumo, intereses y pasatiempos e información social. Estos datos se distribuyen en diferentes sistemas de información. Todas las empresas financieras han lanzado almacenes de datos (DW). Toda la información muy relevante relacionada con los retratos se puede organizar y concentrar desde el almacén de datos y, en función de las necesidades comerciales de los retratos, se pueden realizar operaciones por lotes. se utilizará para procesar datos, los datos originales para generar retratos de usuarios.

El almacén de datos se ha convertido en la principal herramienta de procesamiento de datos de retratos de usuarios. Clasifica, filtra, resume, procesa, etc., los datos originales de acuerdo con los escenarios comerciales y los requisitos del retrato, y genera los datos originales necesarios para. Retratos de usuarios.

Cuanta más información de latitud tengan los retratos de los usuarios, mejor. Solo necesita encontrar información que sea muy relevante para estas cinco categorías de información de retratos, información que sea muy relevante para el mismo escenario empresarial e información que sea muy relevante para ellos. es muy relevante para los mismos productos y clientes objetivo. No existe 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 efectividad de los datos.

De acuerdo con el principio de los retratos de usuarios, toda la información del retrato debe ser información muy relevante en las cinco categorías principales. La información fuertemente relacionada se refiere a información que está fuertemente relacionada con el mismo escenario comercial, que puede ayudar a la industria financiera a localizar clientes objetivo, comprender las necesidades potenciales de los clientes y desarrollar productos bajo demanda.

Solo la información muy 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 de atributos demográficos sólidos que pueden llegar a los clientes. Los ingresos, la educación, la ocupación y los activos están fuertemente relacionados con la información crediticia del cliente. Los viajeros de negocios, los grupos de viajes al extranjero, los usuarios de automóviles, los grupos de turistas y los grupos de madres e hijos son información fuertemente relacionada sobre las características del consumo. Los entusiastas de la fotografía, los entusiastas de los juegos, los entusiastas del fitness, los espectadores de películas y los entusiastas de las actividades al aire libre son información fuertemente relacionada con los intereses y pasatiempos de los clientes. Información como necesidades de viaje, estrategias de viaje, consultoría financiera, necesidades de automóviles, necesidades inmobiliarias y otra información publicada en las redes sociales representan las necesidades internas de los usuarios y son información muy relevante para aplicaciones de escenarios de información social.

Hay mucha información interna en las empresas financieras. No es necesario utilizar toda la información en la etapa de retrato del usuario. Solo es necesario utilizar la información que esté fuertemente relacionada con el escenario empresarial y los clientes objetivo. utilizado Esto ayudará a mejorar la tasa de conversión del producto, reduce el retorno de la inversión (ROI), ayuda a encontrar fácilmente escenarios de aplicaciones comerciales y también es fácil de implementar durante el proceso de monetización de datos.

No haga que la elaboración de perfiles de usuarios sea demasiado complicada y tenga poco que ver con escenarios comerciales. Esto hará que muchas empresas financieras, especialmente los líderes, pierdan interés en la elaboración de perfiles de usuarios si no pueden ver el negocio del usuario. elaboración de perfiles, no podrán hacerlo. Están dispuestos a invertir en el campo del big data. Aportar valor comercial a la empresa es la principal motivación y propósito del trabajo de elaboración de perfiles de usuarios.

Una vez que las empresas financieras recopilan toda la información, la procesan y organizan de acuerdo con las necesidades comerciales. Necesitan caracterizar la información cuantitativa para facilitar su clasificación y selección. 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 información cualitativa es una parte importante de la elaboración de perfiles de usuarios. Tiene altos requisitos de escenarios comerciales 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 datos de transacciones cualitativamente e integrarlos en los requisitos del análisis empresarial para procesar los datos comercialmente. Por ejemplo, los clientes se pueden dividir en etapas de la vida, como estudiantes, jóvenes, jóvenes y personas de mediana edad, personas de mediana edad, personas de mediana edad y personas mayores, según su rango de edad. Las necesidades de servicios financieros son diferentes en las diferentes etapas de la vida. Cuando se buscan clientes objetivo, los clientes objetivo pueden clasificarse por etapa de la vida. Las empresas pueden utilizar sus ingresos, educación, activos, etc. para clasificar a los clientes en clientes de nivel bajo, medio y alto, y brindar diferentes servicios financieros según sus necesidades de servicios financieros. 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 a los clientes de comercio electrónico, clientes de gestión financiera, clientes de seguros, clientes de inversión estable, clientes de inversión agresivos, catering. Clientes y clientes turísticos, clientes de alta gama, clientes funcionarios, etc. Los datos externos se pueden utilizar para identificar los intereses y pasatiempos cualitativos 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, etc.

Resumir la información cuantitativa en información cualitativa y etiquetarla según las necesidades comerciales ayudará a las empresas financieras a encontrar clientes objetivo y comprender sus necesidades potenciales, encontrar clientes objetivo para productos de la industria financiera y realizar un marketing preciso y reducir los costos de marketing. y mejorar las tasas de conversión de productos. Además, las empresas financieras también pueden recomendar rápidamente productos a los clientes, diseñar productos y optimizar los procesos de los productos 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 principalmente 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 pasatiempos de los clientes, ni la información social.

Las empresas financieras pueden introducir información externa para enriquecer la información del perfil del cliente, como introducir información de UnionPay y comercio electrónico para enriquecer la información de las características de consumo, introducir información de ubicación a partir de big data móviles para enriquecer la información sobre intereses y pasatiempos del cliente, y introducir datos externos del fabricante para enriquecer la información social, etc.

La información externa tiene muchas dimensiones y contenido rico, pero cómo introducirla es una tarea desafiante.

Se deben considerar varias cuestiones al introducir información externa, incluida la cobertura de datos externos, cómo conectarse con los datos internos, la tasa de coincidencia con la información interna, la relevancia de la información y la actualidad de los datos. La consideración principal de la información externa es la latitud. Los datos externos son una mezcla, y el cumplimiento de los datos también es una consideración importante para las empresas financieras al introducir información confidencial, como números de teléfonos móviles, direcciones particulares y números de identificación, que deben prestar atención a las cuestiones de privacidad al introducirlos o compararlos. El principio básico es Sin intercambio de datos, se puede realizar la comparación y verificación de datos.

Los datos externos no se concentrarán en una sola empresa, lo que requerirá que las empresas financieras dediquen mucho tiempo a buscar. La conexión de datos externos y datos internos es un problema muy complejo. La coincidencia numérica MD5 de número de teléfono móvil/número de dispositivo/número de tarjeta de identificación es un buen método, no implica el intercambio de datos privados y puede compararse de forma única. Según la experiencia dentro de la industria, los datos externos de ninguna empresa pueden cumplir con los requisitos de la empresa. La introducción de datos externos requiere múltiples aspectos de los datos. En circunstancias normales, una tasa de cobertura de datos superior al 70% es una tasa de cobertura muy alta. Cuando la cobertura alcanza más del 20%, se puede utilizar para aplicaciones comerciales.

Los buenos socios para fuentes de datos externas en la industria financiera incluyen UnionPay, Sesame Credit, China Telecom, TravelSky, Tengyun Tianxia, ​​​​Tencent, Weibo, Qianhai Credit Information, las principales plataformas de comercio electrónico, etc. Ya existen muchos proveedores de datos en el mercado y la calidad de los datos es buena. La industria financiera necesita investigarlos uno por uno o confiar a un fabricante para que los presente. Es un buen intento para que un tercero independiente ayude a la industria financiera a introducir datos externos, lo que puede reducir los costos de transacción de datos y reducir los riesgos de cumplimiento de datos. Además, las plataformas de comercio de big data en las principales ciudades y regiones también son una mejor manera de introducir datos externos.

El objetivo principal de la creación de perfiles de usuarios es permitir a las empresas financieras explorar el valor de los datos existentes, utilizar tecnología de creación de perfiles de datos para encontrar clientes objetivo y sus necesidades potenciales, promocionar productos y diseñar y mejorar productos.

Los retratos de usuarios parten de escenarios comerciales y constituyen una forma importante de realizar la comercialización de datos. Los retratos de usuarios son un circuito cerrado importante en el proceso operativo de pensamiento de datos, que ayuda a las empresas financieras a utilizar los datos para operaciones refinadas, marketing y diseño de productos. Todos los retratos de usuarios se centran en operaciones comerciales de datos y en escenarios comerciales, lo que ayuda a las empresas financieras a analizar a los clientes en profundidad y encontrar clientes objetivo.

DMP (Big Data Management Platform) juega un papel en la 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, filtra datos y clientes valiosos, localiza clientes objetivo, llega a clientes y mejora los efectos de marketing. . La plataforma de gestión de big data DMP se utilizaba principalmente en la industria publicitaria en el pasado y tenía pocas aplicaciones 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 mucho productos electrónicos, los clientes de gestión financiera y los clientes de alto nivel (que tienen pocos activos en el banco pero hay muchos activos en otros bancos), descartar a los clientes para seguros de protección, seguros de vida, seguros educativos, seguros de automóviles, etc., descartar a los clientes que son inversores estables, inversores activistas, gestores de patrimonio, etc., y puede llegar a estos clientes, mejorar la tasa de conversión del producto y utilizar los datos para lograr la realización de valor. 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.

DMP también sirve como una plataforma para introducir datos externos, introducir datos externos valiosos en empresas financieras, complementar los datos de retratos de usuarios y crear diferentes escenarios de aplicaciones comerciales y necesidades comerciales, especialmente big data móviles y comercio electrónico. La aplicación de datos y datos sociales puede ayudar a las empresas financieras a obtener el 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 la elaboración de perfiles de usuarios no es analizar a los clientes de manera de 360 ​​grados, sino aportar valor comercial a la empresa. Hablar de perfiles de usuarios sin valor comercial es ser un pícaro. El punto de partida de los proyectos de retratos de usuarios de empresas financieras debe basarse en las necesidades comerciales, datos de correlación sólida y aplicaciones 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 lograr la realización de 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 mayor demanda de retratos de usuarios. Pero falta información social y sobre pasatiempos.

Las personas que acuden a las sucursales bancarias para hacer negocios son personas mayores. En el futuro, los consumidores harán negocios principalmente en línea. Los bancos no pueden contactar 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 que los clientes necesitan se han convertido en los principales objetivos de la elaboración de perfiles de usuarios de los bancos. Las principales necesidades comerciales de los bancos se concentran en la financiación al consumo, la gestión patrimonial y los servicios financieros. Los retratos de los usuarios deben basarse en estas perspectivas para encontrar clientes objetivo.

Los bancos cuentan con abundantes datos de clientes, con muchos tipos de datos y volúmenes totales, y muchos sistemas. Puede seguir estrictamente los cinco pasos de la elaboración de perfiles de usuario. Primero, utilice el almacén de datos para centralizar los datos, filtrar información muy relevante, caracterizar la información cuantitativa y generar los datos requeridos por DMP. Utilice DMP para personalizar etiquetas y aplicaciones básicas, y combine las necesidades de escenarios comerciales para seleccionar a los clientes objetivo o realizar un análisis en profundidad de los usuarios. Al mismo tiempo, DMP se utiliza para introducir datos externos, mejorar el diseño de escenarios de datos y mejorar la precisión del cliente objetivo. Encuentre formas de llegar a los clientes, promocionar a los clientes, proporcionar comentarios sobre los efectos del marketing y medir el valor comercial de los productos de datos. Utilice datos de comentarios para revisar las campañas de marketing y mejorar el ROI. Forme un circuito cerrado de marketing y realice el circuito cerrado de realización del valor comercial de los datos. Además, DMP también puede realizar análisis en profundidad de los clientes, desarrollar y diseñar productos basados ​​en las características de consumo, pasatiempos, necesidades sociales e información crediticia de los clientes, proporcionar soporte de datos para el desarrollo de productos de las empresas financieras y proporcionar datos de escenarios para productos. métodos de venta.

Presente brevemente algunos escenarios de datos que DMP puede realizar.

A Buscar clientes a plazos

Utiliza los datos del emisor de la tarjeta + los datos propios + los datos de la tarjeta de crédito para encontrar usuarios cuyo consumo con tarjeta de crédito supere sus ingresos mensuales, y recomendarles que realicen el consumo a plazos.

B Buscando clientes de activos de alto nivel

Uso de datos del emisor de la tarjeta + datos de ubicación móvil (villas/zonas residenciales de alto nivel) + datos de retención de tarifas de propiedad + datos propios del banco + automóvil Según los datos del modelo, se descubrió que brindamos servicios de administración de activos de alto nivel a usuarios que tienen menos activos bancarios y más activos en otros bancos.

C Encuentre clientes de gestión financiera

Utilice sus propios datos (transacciones + salario) + datos de actividad de comercio electrónico/cliente de gestión financiera móvil. Se ha descubierto que los clientes transfieren sus salarios/activos al exterior, pero es más probable que los clientes que no participan activamente en el consumo de comercio electrónico tengan gestión financiera en Internet. Podemos proporcionarles servicios de gestión financiera y mantener los fondos en el banco.

D Buscando clientes de viajes en el extranjero

Utilice los datos de consumo de su propia tarjeta + información de ubicación del dispositivo móvil + datos sociales y sólidos relacionados con el extranjero (estrategias, rutas, atracciones, costos) para encontrar en el extranjero clientes de viajes Proporcionarles servicios financieros.

E Buscando clientes de préstamos

Utilice sus propios datos (atributos demográficos + información crediticia) + información de ubicación del dispositivo móvil + información fuertemente relacionada con la compra/consumo de viviendas sociales para encontrar clientes objetivo que estén a punto de comprar automóviles/casas, prestación de servicios financieros (hipotecas/préstamos al consumo).

Fuente: compilación secundaria de big data de Qiantang, fuente del texto original de Bao Zhongtie de TalkingData,