Le script de données des données peut être divisé en trois catégories: L'un est pour améliorer les affaires, l'une est de réduire les coûts d'exploitation et autres sont exquis.

Les portraits d'utilisateurs ne sont qu'un processus de demande de données, pas l'objectif de l'application de données. Les clients d'entreprise savent que les actifs personnels des utilisateurs, des intérêts, des préférences de consommateurs, des marques de comportement, V.v les entreprises riches comprennent les clients, comprenez que le passé ne connaît pas les informations.

Simplement un processus d'applications de données et a également une large distance des besoins professionnels. Les applications de données doivent résoudre plus que les entreprises de reconnaître leurs clients (portraits d'utilisateurs), mais doivent également résoudre le problème des données à la décision commerciale. Le but des applications de données est une entreprise avancée pour aider les entreprises à obtenir un marketing précis avec des coûts plus faibles et une meilleure expérience client et une amélioration conjointe.Collection d'affaires.
Les clients financiers ont des données d'attributs personnels relativement abondantes, des données d'actifs, des données de crédit et des données de transaction. Manque de données financières et de données comportementales personnelles en dehors des entreprises financières. Les grandes banques, les courtiers, les assurances commencent à introduire et à acheter des données financières et des données financières externes des clients, utilisées pour enrichir les étiquettes et les portraits des utilisateurs, mais la façon d'appliquer ces étiquettes, comment mesurer les valeurs de données, comment trouver l'application de données script, tout dans l'expédition. En fait, les personnes des entreprises financières ne sont pas très claires et il n'y a pas de méthodes système pour trouver des scripts d'application de données, tout le monde explore.

Les meilleures données sur le marché sont les données de l'opérateur et de l'UnionPay. Les données de l'opérateur utilisent la technologie DPI pour une analyse de comportement en ligne des clients, jouant des étiquettes de comportement pour les clients, tels que les clientsVous souhaitez regarder les marques de téléphonie mobile, les produits 3C, les clients cliquez pour parcourir les produits de commerce électronique, navigation clientèle de l'étranger, étudier, voyager, immobilier, voitures et pages Web ou d'autres sites Web.

Actuellement, la carte DPI des télécommunications se concentre sur le comportement d'accès au réseau fixe du client, ce qui signifie que l'onglet Navigateur sur PC, l'étiquette DPI d'UNICOM est axée sur le comportement et les étiquettes Accès Internet mobile, DPI de China Mobile, L'étiquette est toujours en excavation. Les utilisateurs d'Internet mobile sont protégés par mobile, Telecommunications, 6: 2: 2, la comptabilité la plus portable de la Chine et la plus haute qualité. En outre, il s'agit d'un fournisseur de services de données tiers de fournisseurs de données Lookdata, Push et Push-Power Power.

Les données de l'UnionPay se concentrent sur la consommation et la dépense des cartes de crédit, avec des cartes, des unités basées sur POS, qui peuvent être utilisées pour contrôler l'éolienne et la cote de crédit et des informations spécifiques de carte de crédit personnelle ne peuvent pas être fournies.

Les fournisseurs de services SMS peuvent utiliser des SMS pour gérer le revenu, le transfert, la consommation, l'acompte, les prêts et d'autres informations des clients. Des bugs et des revenus relativement importants, des actifs et des informations sur les consommateurs des clients ne peuvent pas être entièrement divulgués. Il ne peut être utilisé que comme référence. Il existe également des sociétés sur le marché pour fournir des informations aérobies, telles que le nombre de vols, kilomètre, montant total, nombre de cours de cours, nombre de classes économiques, tarif moyen, etc. Ces informations disposent d'un attribut de consommation financière solide et facile à appliquer.

Les étiquettes comportementales externes ont réellement apporté de nouvelles sources d'information aux sociétés financières, mais comment utiliser ces étiquettes pour promouvoir les affaires, pour atteindre un marketing précis, aider ces entreprises de finances à vendre des produits, les gens explorent toujours. Actuellement, ces étiquettes sont principalement utilisées pour les portraits d'utilisateurs et les entreprises de ces étiquettes de données conservent également l'attitude deIls et ne sont pas prêts à être activement. Même s'il existe une variété de petites pratiques, si l'effet d'oscillation, l'entreprise aura cette extension de résultat et la valeur des doutes.
Les données dans les entreprises financières sont très torsadées et l'unité de données a longtemps pour participer à des applications de données et aux applications de scène. Certaines industries de données des compagnies d'assurance enverront une liste de clients potentiels aux unités commerciales et les unités commerciales ne croient pas qu'ils n'appelleront pas. Certaines entreprises de valeurs mobilières, même lorsque les ondes sont plus de dix fois plus que l'appel des aveugles originaux, aucune attente de répondre aux attentes du service des affaires (poursuivre plus de 20% du taux de conversion), les unités commerciales rejeteront également plus d'efforts de données.

La banque a également rencontré le même problème, comment les cartes de données comportementales externes sont des problèmes, les applications de données et les données doivent être mesurées comme un problème. Si l'application de données est bonne, les performances sont des pièces de données ou des unités commerciales? Les améliorations des entreprises sont la raison ou les raisons de données? La valeur élevée ou la valeur des SMS est élevée? Ce sont les fosses des applications de valeur de données, prennent le temps de remplir la supériorité.

Premièrement, la première partie des données est la mine d'or, d'abord de l'analyse des données de première partie

de l'expérience, le secteur financier des clients dynamiques est de 40%, certaines entreprises pourraient être plus bas. Les clients n'ont activement aucune définition claire, se produisent généralement dans un mois, une transaction / une requête ou de nombreux clients sont identifiés comme un client actif. Les clients des zombies des entreprises financières peuvent être définis comme un client qui possède des transactions avec des sociétés financières d'ici un an, généralement environ 30%, y compris les clients de la fête laine. 30% des clients peuvent être définis comme des clients hibernaux / inactifs et ces clients échangeront des sociétés financières d'ici un an, notamment l'achat et le paiement.Des produits.

Les entreprises financières ont des effets typiques de Pareto, 20% ou même 10% des clients ont plus de 80% des actifs et des transactions, contribuant des revenus et de grands bénéfices à la société financière .. En outre, les clients ont potentiel de grande valeur ou dépasser les clients de grande valeur; Au moins 30% des clients endormis peuvent se traduire par des clients actifs; A été prouvé, besoins financiers potentiels, les sociétés financières ne peuvent comprendre que 30% d'entre elles. Par conséquent, l'analyse et l'application des données de première partie sont la principale direction de l'application de données du secteur financier.
La banque a un groupe de clients géant et la seule valeur du seul invité et de la banque ne peut pas appeler ou envoyer des messages texte à des millions de groupes, offrent des cartes de crédit ou la vente de produits de gestion d'actifs. Une des raisons est le coût, une autre raison est médiocre et l'expérience utilisateur n'est pas bonne. Les branches et les assurances font également face au même problème: comment positionner le client correct? Comment analyser avec précision les besoins des clients? Comment les clients commercialisent-ils un marketing précis? Les données de tierces parties peuvent être envisagées, mais l'utilisation la plus fiable ou les premières données (par contact client.

Nous pouvons analyser un groupe de clients, tels que ces clients en 2015, l'achat par habitant d'actif. Les produits de gestion sont de 500 000, mais en 2016, une personne moyenne achète des produits de gestion d'actifs de moins de 10 000. Ils peuvent identifier des clients de haute valeur et les banques peuvent personnaliser certains produits de gestion d'actifs pour ces clients, utilisent des SMS pour introduire des produits personnalisés aux clients. Ceci, l'utilisation du marketing parle bien, recevra une amélioration des entreprises plus élevée. Le courtage, les cartes de crédit, les compagnies d'assurance peuvent faire référence à leurs propres données, creuser des clients de sommeil de grande valeur, en utilisant des SMS sur le marché.
De nombreuses entreprises d'entrepriseIl se plainera que leurs produits financiers ne sont pas bons, ce qui rend les clients à acheter, mais l'analyse des données montre que la Chine a des connaissances financières professionnelles. Sans recevoir 10% du personnel financier, 90% des clients financiers sont également passivement destinés à recevoir des services financiers riches et le marketing peuvent également apporter des améliorations importantes. Surtout certains clients de grande valeur en Chine, ses biens sont très élevés, mais occupés par leur propre carrière, ils ne peuvent pas envisager la gestion financière de la gestion financière. Les dépendances continuent donc de commercialiser dans des sociétés financières sont toujours très importantes.

Après les données de la première partie, après avoir analysé des données, vous pouvez trouver de nombreux scripts d'application de données, tels que les clients Hibernate à réveiller, installer la configuration des clients, les valeurs nettes élevées recherchent , clients perdus, négociation de trading à haute fréquence, recommandations pour le produit et le positionnement des produits financiers, le marketing de populationClients, V.V. En général, le taux de conversion SMS du marketing non précis est d'environ 2 000, mais le taux de marketing de messagerie est exactement de deux pour cent, et certains peuvent atteindre six pour cent. Le client SMS de marketing exact est divisé en plus de dix fois le taux de conversion de marketing inexact, un en un dixième et le cycle de marketing peut être raccourci trois fois.



Pour l'analyse exacte des premières parties, la distribution de clients et un marketing précis peut apporter plus d'amélioration des affaires et réduire les coûts d'exploitation.

Lundi, le pouvoir des modèles d'apprentissage et mathématiques

Entreprises financières n'a que leurs propres données, l'absence de données comportementales externes des clients. Les clients peuvent être divisés en données de recherche, en cliquant sur la navigation de données, les données de localisation et les données sociales. Vous recherchez des besoins internes des représentants de données de recherche, nous appelons des données alternées. Societyheo perspective des gensReprésentant, nous appelons le commentaire de données, cliquez pour parcourir les données comme des données d'intérêt, des préférences et des préférences de la représentation. Les données de position sont relativement spéciales et la surveillance du comportement en ligne de la personne est enregistrée, représentant une personne dans le rôle de la société, qui peut être considérée comme un rôle de rôle social.

La magie de l'apprentissage de la machine peut analyser la taille de données liée au niveau élevé des besoins financiers élevés, apprendre par des graines actuelles, en utilisant un comportement de données comme entrée, trouvez une population similaire pour les clients de semences de grand Les données. Placez les données de localisation, la navigation sur les données de presse est une dimension de données importante, des personnes similaires ont des rôles sociaux similaires et des intérêts similaires. Des produits similaires sont la commercialisation de cette population similaire et son taux de conversion sera élevé.

L'algorithme de relève fonctionne comme un algorithme de classification, qui peut identifier un objet similaire au groupe cible. Obtenez le groupe cible comme un échantillon positifCalculé, l'objet candidat est un modèle négatif, modèle de classification de formation, puis filtrant tous les objets candidats avec le modèle. Facebook, Tencent, Ali, TalsingData utilise cet algorithme pour trouver des clients potentiels. Ce client potentiel peut constituer un client potentiel client ou un client potentiel d'un produit financier. L'algorithme de recherche de la recherche de talon peut rester dans 10 milliards d'appareils, d'une manière supplémentaire, de trouver des clients cibles potentiels et son temps de calcul est d'environ 10 secondes.

Le taux de rétroaction du client General SMS Marketing est inférieur à un millier à trois mille, TalsingData effectue le boîtier et la machine après avoir effectué un certain nombre de clients financiers. Le taux de rétroaction le plus bas est de 1%, jusqu'à 10%. Moyenne de 2% à 6%. Surtout après que les données comportementales sur Internet mobiles du client sont ajoutées, son effet amélioré est plus clair et plus de dix fois l'effet modèle initial.
Suite du taux de commentairesIci fait référence à la proportion de clients pour ouvrir des SMS pour acheter des produits. En cas de clientèle financière, nous utilisons des modèles d'apprentissage et mathématiques, uniquement par le biais du marketing SMS, 20 jours dans le taux de rétroaction de l'application et du SMS de 10% et l'achat de produits financiers par habitant 200 000. Le seul achat est supérieur à 1 million et le produit ne change pas ou le produit financier des ventes normales de la Banque. Comme on peut le voir dans ce cas, les besoins financiers des clients financiers ne sont pas complètement excavés.



Modèles mathématiques, par exemple, analysant la structure de liaison TDA, ont également un bon rôle dans le contrôle du vent, TalingData utilise une structure de liaison d'analyse de la TDA, configurez un Le modèle de violation du client n'utilise que 3 000 graines, prend en charge dix arbres forestiers aléatoires (RF), recevant 82% de la précision du client par défaut. Un cas d'autres clients financiers, DeltonData utilise LR pour atteindre une précision de 90% lorsquePrédire des clients de grande valeur. Les clients utilisent ce modèle de résultat pour un marketing précis et un effet très clair.
MODÈLE MATHÉMATIQUE montre les caractéristiques de la même population derrière de grandes données, tout en ouvrant une porte à la commercialisation précise des entreprises financières. Sur la base de l'étiquette de données et des utilisateurs portraits ne peuvent aider directement les sociétés financières à définir les besoins des clients et ne peuvent pas aider à financer l'amélioration des affaires et la vente de produits.

La carte de données externe n'est que la taille des besoins financiers du client. Si la carte de comportement Internet externe n'inclut pas la taille du temps (données fraîches et tendances), sa valeur d'application interne n'est pas élevée dans les entreprises financières. Par exemple, nous avons eu un utilisateur Cliquez sur l'étiquette de la voiture, sachant qu'il a cliqué sur la cargaison de la voiture, mais ne connaissait pas sa fréquence et sa tendance, et le début du clic.

ne peuvent pas juger que les gensUtiliser des passionnés de voitures, ou même cette page est ou la nécessité d'acheter une voiture récemment. Des besoins similaires pour acheter une maison, un tourisme, une recherche et des étapes de consommation, V.V. ne peuvent pas trouver de simples des étiquettes de navigation client. Étiquettes de comportement Internet externes, toujours la distance des besoins du produit financier, manque de dernier km.

Cette fois, analysant la tendance et la fréquence de l'historique de l'utilisateur des données de comportement Internet fonctionnera. Par exemple: Si le client existe déjà dans le passé, il n'y a pas de voiture de navigation de voiture, mais navigue soudainement sur le site Web de la voiture dans un proche avenir (une semaine) et une heure et une fréquence plus élevées, en fonction des informations que cette nouvelle peut prédire les clients plus avec précision, l'avenir de la voiture est à l'avenir. Principes similaires, besoins, besoins, demande de déplacement, besoins touristiques, la consommation de la demande financière peut être approuvé par des clients / clics pour estimer et évaluer.


Nous avons découvert dans certains TRL'affaire du client que la valeur de données au sein de l'entreprise financière est énorme.Après une certaine analyse, il peut aider les entreprises à améliorer les activités de vente et de produits.Si les transactions internes et les données d'actif dans le secteur financier combinent des données comportementales externes, en particulier des données de comportement Internet mobiles et des données de localisation, les modèles de mathématiques / apprentissage aideront les finances publiques à rechercher des personnes similaires, à vendre de nombreux produits financiers, à améliorer les résultats de la commercialisation, à la réception d'une entreprise d'amélioration.

Les modèles mathématiques et les données comportementales deviennent deux trésors magiques pour les applications de valeur de données.