《最新assz-刘译z-大数据驱动的金融业务创新(4:3)..doc》由会员分享,可在线阅读,更多相关《最新assz-刘译z-大数据驱动的金融业务创新(4:3)..doc(24页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.-author-dateASSZ2015-刘译Z-大数据驱动的金融业务创新(4:3).ASSZ2015-刘译Z-大数据驱动的金融业务创新(4:3). 引子:高价值潜在客户挖掘 (出国金融 业务目标 通过大数据分析,找到存量客户中潜在的出国金融产品客户(高价值客户), 达到潜在客户转化为真正客群的目的。 解决方案 数据准备与匹配 数据准备 找到高价值潜在客户 找到精准营销切入点 营销方案制定与
2、执行 历史用户 指标分析 样本客户选择 目标客户分类 特征变量选择 目标客户选择 营销方案执行 数据匹配 探索性数据分析 用户行为分析 制定营销方案 营销效果分析 引子:高价值潜在客户挖掘 (出国金融 解决方案 数据准备与匹配 找到高价值潜在客户 找到精准营销切入点 营销方案制定与执行 对出国留学金融客户群 进行分析,发现: 1. 出国前6-10个月,出 国金融客户较为关注 经常逛留学社区论坛; 2. 出国前3-6个月,出国 金融客户的注意力会 1. 将A银行北京分行 1. 选择出国留学类金融 的客户与百分点 数据进行匹配, 得到公共用户; 产品进行分析; 2. 对A银行北京分行从 2013年
3、6月至2014年 1. 进一步对客户群进行 洞察和细分,了解同 类用户的需求和关注 重点; 定营销短名单,以定 制短信广告和柜面人 工询问(短名单提前 2. 剔除公共用户媒 体关注类标签过 少的用户; 3. 将剩余用户作为 6月进行出国金融客户 通过生存分析模型, 发现91%的客户在申 请学校之前就已是A行 学校所在目的地国家, 2. 与业务人员讨论,确 分析基础。 客户; 3. 需要在用户申请学校 之前先联系到客户。 偏向签证、机票等。 收工录入)的方式进 行营销。 用户标签层次 基于全网海量异构的用户数据,采用 统计(SUM、Top N、)、算法(AR、PageRank、)、 建模(CLV
4、、RFM、Cox)等方法,生成用户标签及标签值 用户数据 预测 人口属性 人群属性 消费能力 模型预测 消费意图 商品(内容)数据 产品手中 网站受众 产品定价 模型预测 影响力 商品画像 类目模型 建 上网行为 商品信息 标签模型 模 模型 用户价值 人口属性 活跃度 人群属性 忠诚度 消费能力 建 模 消费偏好 上网偏好 事实 人口属性 会员信息 购物行为 类目信息 标签信息 文本分析 统计分析 原始 网站行为 会员信息 消费行为 DSP行为 HTML 分类信息 商品信息 用户画像技术架构 大数据技术平台Lambda架构 数据采集 业务系统数据 (数据桥接) 系统日志数据 (Flume) 用户实时 线上行为数据 (数据探头) 互联网数据 (数据爬取) 离线数据 数据分发 FTP 消息系统 (Kafka) 实时数据处理 Storm 数据存储 Redis 集群 MongoDB 集群 HDFS MySQL 集群 ElasticSearch 离线数据处理 MR Hive R Spark 集群 HBase 数据服务 REST API -