大小數(shù)據(jù)結(jié)合的金融營銷建模課件

1、大小數(shù)據(jù)融合的金融營銷建模金融行業(yè)需要大數(shù)據(jù)嗎？大小數(shù)據(jù)整合通過結(jié)合大小數(shù)據(jù)，能夠更加全面的對客戶進行畫像營銷信息關(guān)聯(lián)信息上網(wǎng)特征金融產(chǎn)品偏好系統(tǒng)交易流水數(shù)據(jù)客戶關(guān)系管理系統(tǒng)客服中心服務(wù)記錄柜面行為手機銀行瀏覽行為網(wǎng)上銀行瀏覽行為客戶社交 媒體信息客戶消費 偏好信息客戶興趣愛好信息新聞行業(yè)分析報告政府報告經(jīng)濟形勢分析報告銀行面臨的營銷問題客戶是什么樣子的？客戶的購買 意愿、喜好、 未來的購買 可能性客戶都屬于 哪些細分類 別？ 每個類 別有怎樣的 特征？客戶對行內(nèi) 的貢獻、高 端客戶如何 維系？哪些客戶有 發(fā)展成高端 客戶的可能 性客戶購買哪 些產(chǎn)品？ 喜 歡購買哪類 產(chǎn)品客戶的交易行 為能反

2、映什么？ 習慣哪種行為 模式客戶處于哪個 生命周期，需 要怎樣維護、 管理？客戶有哪些風 險？客戶信用 如何？應(yīng)該對客戶推 銷哪些產(chǎn)品？客戶的關(guān)聯(lián)人 是誰、社交網(wǎng) 絡(luò)關(guān)系如何， 關(guān)聯(lián)群體營銷 指導？客戶在行內(nèi)的 等級、忠誠度、 流失可能？在大數(shù)據(jù)助力下的營銷模式演進初級中級高級大眾營銷目標營銷個性化營銷產(chǎn)品導向同樣的營銷組合，認為每 個客戶是無差異的以不變的營銷策略廣撒網(wǎng)式的進行低效率營銷少量行方數(shù)據(jù)支持基于市場細分選擇不同細分組的群體作為目標市場按群制定營銷策略大量行內(nèi)數(shù)據(jù)與特定維 度的互聯(lián)網(wǎng)數(shù)據(jù)支持以客戶為中心及時探測客戶行為模式變化“量體裁衣”的營銷策略結(jié)合數(shù)據(jù)挖掘與事件式營 銷發(fā)現(xiàn)最佳

3、營銷時機需要緊密結(jié)合的大小數(shù)據(jù) 共同支撐營銷成功率：大眾營銷目標營銷個性化營銷在大數(shù)據(jù)助力下的營銷建模擴展基于規(guī)則的存量客戶拓展故有高價值客戶分析客戶流失預警客戶生命周期判別傳統(tǒng)活動、事件營銷分析產(chǎn)品交叉銷售傳統(tǒng)數(shù)據(jù)基于客戶細分的營銷提升大眾營銷獲新客 基于行為模式的客戶拓展（存量&新客）低資產(chǎn)高潛力客戶識別客戶個人大事記預測與相關(guān)營銷提升流失路徑分析、 潛在流失模式監(jiān) 控與挽留產(chǎn)品-產(chǎn)品、客戶- 產(chǎn)品、客戶-客戶、 產(chǎn)品-客戶交叉銷售老客維護、睡眠客 戶激活、新客識別新客行為、路徑預測 大小數(shù)據(jù)地域化、偏好性、精準細分的營銷提升行內(nèi)某貸款產(chǎn)品促額度使用&潛在客戶挖掘業(yè)務(wù)目標：某貸款產(chǎn)品促額度

4、使用&潛在客群挖掘從某額度類貸款產(chǎn)品分析存量客戶額度使用率，從低額度使用率的客戶中挖掘潛在額度使用人群，并進行相應(yīng)營銷促進通過結(jié)合銀行一方數(shù)據(jù)及互聯(lián)網(wǎng)三方數(shù)據(jù)，從多維度分析某貸款產(chǎn)品客戶特征，并將此特征擴散到其他存量用戶中，找到潛在的某貸 款產(chǎn)品客戶，達到潛在客戶轉(zhuǎn)化為真正客群的目的解決方案及流程營銷方案制定與執(zhí)行找到精準營銷切入點某貸款產(chǎn)品促額度使用 &潛在客戶挖掘數(shù)據(jù)準備與匹配數(shù)據(jù)準備數(shù)據(jù)匹配探索性 數(shù)據(jù)分析歷史用戶指 標分析樣本客戶選 擇用戶行為分 析特征變量選擇目標客戶選擇目標客戶擴散制定營銷方案營銷方案執(zhí)行營銷方案執(zhí) 行行內(nèi)某貸款產(chǎn)品促額度使用&潛在客戶挖掘營銷方案制定與執(zhí)行某貸款產(chǎn)

5、品促額度使用& 找到精準營銷切入點潛在客戶挖掘數(shù)據(jù)準備與匹配）通過ID/身份證號/手 機號等關(guān)鍵字段將某 銀行內(nèi)部數(shù)據(jù)與互聯(lián) 網(wǎng)數(shù)據(jù)（來源百分點 進行匹配。未匹配匹配m%n%進行數(shù)據(jù)清理，剔除 互聯(lián)網(wǎng)類別標簽稀疏 客戶（完全匹配但互 聯(lián)網(wǎng)行為較少客戶）匹配客戶未匹配客戶分析方向方法描述R語言示例探索性描述統(tǒng)計通過對樣本的字段描述分析以測量所代 表的客戶群體特征及其初步發(fā)現(xiàn)所選取 特征對分析主題的區(qū)分度大小summary()、head()、range()、table()、pie()、barplot()、mean()、skewness()、sort()、hist()、sunflowerplot()

6、、 class()、var()、density()分析方向方法描述R語言示例匹配樣本代表性分析（特征分布差異假設(shè)檢驗）統(tǒng)計量：樣本變量均值或水平占比、樣 本變量方差、樣本變量標準差等檢驗：Z檢驗/T檢驗/卡方檢驗/K-S檢驗等var.test()、t.test()、ks.test()、chisq.test()、mood.test()、 ansari.test()、fligner.test()探索性描述統(tǒng)計47.18%52.已匹配用戶的性別分通過對樣本的字段描述分析以測量所代 表的客戶群體特征及其初步發(fā)現(xiàn)所選取 特征對分析主題的區(qū)分度大小29.0335.3731.75%82%布情況已匹配用戶的年

7、齡summary()、head()、range()、table()、pie()、barplot()、 mean()、skewness()、sort()、hist()、sunflowerplot()、 class()、var()、density()2.86%1.00%布情況分行內(nèi)某貸款產(chǎn)品促額度使用&潛在客戶挖掘找到精準營銷切入點營銷方案制定與執(zhí)行某貸款產(chǎn)品促額度使用& 潛在客戶挖掘數(shù)據(jù)準備與匹配業(yè)務(wù)經(jīng)驗數(shù)據(jù)印證研究主題合理正負例區(qū)分度檢驗正負例在經(jīng)驗特征維度上是否具有區(qū)分度原假設(shè)：無區(qū)分度備擇假設(shè)：有區(qū)分度12檢驗統(tǒng)計量： = max| + 1212 = 1() 分別為正負例樣本量，-2( 以

8、X銀行額度類貸款產(chǎn)品A為例貸款前：金融相關(guān)互聯(lián)網(wǎng)網(wǎng)站&咨詢?yōu)g覽&點擊行為、貸款相關(guān)關(guān)鍵詞查詢行為、人生重要節(jié)點（結(jié)婚、買房、買車等）獲得貸款資格&額度：產(chǎn)品相關(guān)信息、客戶個人及親屬信息、營銷渠道、行內(nèi)資產(chǎn)及交易情況、當下互聯(lián)網(wǎng)行為模型使用貸款額度：資產(chǎn)變動情況、交易習慣變動情況、臨人生重要節(jié)點、個人基本信息變動、互聯(lián)網(wǎng)行為習慣變動研究合理性驗證結(jié)合業(yè)務(wù)和數(shù)據(jù)特征，提前驗證問題提出的合理性行內(nèi)某貸款產(chǎn)品促額度使用&潛在客戶挖掘找到精準營銷切入點營銷方案制定與執(zhí)行某貸款產(chǎn)品促額度使用& 潛在客戶挖掘數(shù)據(jù)準備與匹配在確定了研究意義后，需要結(jié)合數(shù)據(jù)與業(yè)務(wù)經(jīng)驗一同確定進入模型的變量及變量水平原始因子水平

9、研究生及以上本科大專中專及以下未知著差無異顯regroup大專及以上中專及以下未知重構(gòu)因子水平例汽車用品關(guān) 開卡時長注度近期金融相關(guān)區(qū)域 網(wǎng)站關(guān)注度信用評分收入年齡 單位類型母嬰用品*重要度排序來源于變量值發(fā)生輕微擾動后的是否提款分類正確率與擾動前分類正確率的平均減少量的排序例library(smbinning)aov()TukeyHSD()嵌入（Embedded）決策樹平均純度減少率平均精度增益變量篩選過濾(Filter)距離度量相關(guān)性度量信息度量一致性度量有監(jiān)督基于熵離散卡方分裂卡方合并變量水平設(shè)計 無監(jiān)督等寬分箱等頻分箱自定義分箱相應(yīng)合并library(Boruta) library(c

10、aret) library(corrplot)library(VSURF)library(lars)行內(nèi)某貸款產(chǎn)品促額度使用&潛在客戶挖掘找到精準營銷切入點營銷方案制定與執(zhí)行某貸款產(chǎn)品促額度使用& 潛在客戶挖掘數(shù)據(jù)準備與匹配貸款產(chǎn)品A促額度模型特征：行內(nèi)一方客戶基本屬性、交易行為特征和百分點互聯(lián)網(wǎng)金融&生活類相關(guān)屬性樣本：與總體分布一致的匹配客戶模型：組合模型（銀行需要解釋性強的模型：如LR等線性模型、RF等決策樹模型）輸出：客戶額度使用提升概率，客戶與行內(nèi)特征對應(yīng)結(jié)果，客戶與互聯(lián)網(wǎng)特征對應(yīng)結(jié)果組合怎樣的模型適合組合使用？判別需組合模型間的嵌套關(guān)系，相關(guān)檢驗的通用的原理如下: = mod mo

11、d + mod mod + 若（mod，mod）=（1，0）：模型a嵌套模型b； 若（mod，mod）=（0，1）：模型b嵌套模型a；否則，兩模型互不嵌套，即各能說明最終預測模型的一部分，有理由進行組合行內(nèi)某貸款產(chǎn)品促額度使用&潛在客戶挖掘貸款產(chǎn)品A促額度模型特征：行內(nèi)一方客戶基本屬性、交易行為特征和百分點互聯(lián)網(wǎng)金融&生活類相關(guān)屬性樣本：與總體分布一致的匹配客戶模型：組合模型（銀行需要解釋性強的模型：如LR等線性模型、RF等決策樹模型）輸出：客戶額度使用提升概率，客戶與行內(nèi)特征對應(yīng)結(jié)果，客戶與互聯(lián)網(wǎng)特征對應(yīng)結(jié)果結(jié)果輸出營銷方案制定與執(zhí)行數(shù)據(jù)準備與匹配找到精準營銷切入點某貸款產(chǎn)品促額度使用& 潛

12、在客戶挖掘行內(nèi)某貸款產(chǎn)品促額度使用&潛在客戶挖掘營銷方案制定與執(zhí)行數(shù)據(jù)準備與匹配找到精準營銷切入點某貸款產(chǎn)品促額度使用& 潛在客戶挖掘*鎖定近期有金融相關(guān)互聯(lián)網(wǎng)行為的人群是擴散潛在貸款額度使用目標人群的有效方式以X銀行額度類貸款產(chǎn)品A為例根據(jù)業(yè)務(wù)規(guī)則過濾出一部分客群（時間T0時未參與額度類貸款的客戶），并按照近期是否有過金融相關(guān)互聯(lián)網(wǎng)瀏覽或交易行為分別對客戶是否參與貸款進行生存分析對A銀行從2014年10月起獲得A產(chǎn)品貸款額度的客戶分成前三個月有過金融相關(guān)互聯(lián)網(wǎng)瀏覽或交易行為的客 戶及未有過相關(guān)瀏覽或交易行為兩類分別進行生存分析建模：相對于傳統(tǒng)推廣方式：針對目標客戶群的電 話咨詢率有顯著提高推廣兩個月:金融貸款產(chǎn)品A銷售 增長率為歷史最高行內(nèi)某貸款產(chǎn)品促額度使用&潛在客戶挖掘數(shù)據(jù)準備與匹配某貸款產(chǎn)品促額度使用& 潛在客戶挖掘找到精準營銷切入點營銷方案制定與執(zhí)行細 分 型 營 銷 短 名 單A類唯一識別ID.貸款目的：房產(chǎn)&汽車喜歡大額度貸款產(chǎn)品較為關(guān)注貸款利率偏好白天營銷喜歡柜臺營銷方式 B類唯一識別ID.貸款目的：嬰幼兒&教育喜歡還款靈活的貸款產(chǎn)品較為關(guān)注貸款產(chǎn)品安全性偏好非工作