2024年-大數(shù)據(jù)解決方案在保險(xiǎn)行業(yè)的應(yīng)用實(shí)踐學(xué)習(xí)課件

目錄大數(shù)據(jù)在保險(xiǎn)行業(yè)的機(jī)遇與挑戰(zhàn)針對(duì)保險(xiǎn)行業(yè)的大數(shù)據(jù)解決方案保險(xiǎn)及金融行業(yè)的成功案例介紹華夏人壽實(shí)施大數(shù)據(jù)的建議路徑15/7/2024以用戶為中心建設(shè)互聯(lián)網(wǎng)＋保險(xiǎn)客戶獲取客戶轉(zhuǎn)化客戶服務(wù)客戶挽回戰(zhàn)略&規(guī)劃明確并聚焦目標(biāo)分析&洞察全方位深入分析應(yīng)用&營(yíng)銷&交互多渠道協(xié)同，數(shù)據(jù)應(yīng)用客戶體驗(yàn)建設(shè)可靠信任關(guān)系DATADATADATADATADATADATADATADATA數(shù)據(jù)整合用戶畫像數(shù)據(jù)分析客戶細(xì)分模型客戶價(jià)值模型忠誠(chéng)度模型受眾群體擴(kuò)展模型社會(huì)網(wǎng)絡(luò)模型客戶獲取客戶轉(zhuǎn)化客戶服務(wù)數(shù)據(jù)應(yīng)用業(yè)務(wù)轉(zhuǎn)型大數(shù)據(jù)技術(shù)與平臺(tái)支撐大數(shù)據(jù)分析技術(shù)和工具保險(xiǎn)企業(yè)客戶分析模型不斷優(yōu)化的管理閉環(huán)外部數(shù)據(jù)內(nèi)部數(shù)據(jù)數(shù)據(jù)模型業(yè)務(wù)應(yīng)用用戶行為偏好數(shù)據(jù)匹配DATA01：建設(shè)思路02：建設(shè)目標(biāo)03：業(yè)務(wù)規(guī)劃04：技術(shù)實(shí)現(xiàn)25/7/2024保險(xiǎn)行業(yè)發(fā)展大數(shù)據(jù)的難點(diǎn)數(shù)據(jù)多整合困難客戶多分析困難需求多應(yīng)用困難數(shù)據(jù)來(lái)源的多樣性數(shù)據(jù)類型的復(fù)雜性數(shù)據(jù)特征的多元化數(shù)據(jù)處理方法的差異化組織內(nèi)部數(shù)據(jù)的分散性數(shù)據(jù)共享機(jī)制的缺乏…怎么識(shí)別客戶全方位的特征？怎樣有效細(xì)分客戶？怎樣提取客戶的共同需求？怎樣利用不同模型/算法生成客戶多樣化標(biāo)簽？怎樣進(jìn)行客戶行為偏好分析？…如何與客戶實(shí)時(shí)交互如何及時(shí)響應(yīng)客戶的需求如何提供滿意的客戶體驗(yàn)如何降低客戶流失如何控制客戶維系成本如何對(duì)客戶進(jìn)行精準(zhǔn)營(yíng)銷…35/7/2024大數(shù)據(jù)管理平臺(tái)應(yīng)用平臺(tái)大數(shù)據(jù)采集業(yè)務(wù)數(shù)據(jù)匯集系統(tǒng)用戶行為數(shù)據(jù)采集系統(tǒng)互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)抓取系統(tǒng)大數(shù)據(jù)清洗業(yè)務(wù)數(shù)據(jù)清洗系統(tǒng)用戶行為數(shù)據(jù)清洗系統(tǒng)互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)清洗系統(tǒng)大數(shù)據(jù)標(biāo)準(zhǔn)化用戶多重ID歸一化系統(tǒng)商品歸一化系統(tǒng)大數(shù)據(jù)結(jié)構(gòu)化用戶標(biāo)簽管理系統(tǒng)商品標(biāo)簽管理系統(tǒng)管理平臺(tái)基礎(chǔ)平臺(tái)可視化數(shù)據(jù)操作平臺(tái)大數(shù)據(jù)操作系統(tǒng)（BD-OS）數(shù)據(jù)全生命周期管理業(yè)務(wù)流程全生命周期管理業(yè)務(wù)價(jià)值挖掘建模數(shù)據(jù)訪問(wèn)資源管控分布式存儲(chǔ)（磁盤及內(nèi)存）數(shù)據(jù)接入安全(認(rèn)證權(quán)限ACL)監(jiān)控配置及報(bào)警安裝及云服務(wù)電子商城個(gè)性化系統(tǒng)移動(dòng)商城個(gè)性化系統(tǒng)媒體網(wǎng)站個(gè)性化系統(tǒng)在線營(yíng)銷支持系統(tǒng)門店?duì)I銷支持系統(tǒng)會(huì)員營(yíng)銷支持系統(tǒng)全網(wǎng)市場(chǎng)監(jiān)控系統(tǒng)輿情管家商情管家用戶洞察系統(tǒng)個(gè)性化推薦引擎（BRE）自動(dòng)化營(yíng)銷引擎（BME）大數(shù)據(jù)分析引擎（BAE）媒體網(wǎng)站個(gè)性化系統(tǒng)45/7/2024目錄大數(shù)據(jù)在保險(xiǎn)行業(yè)的機(jī)遇與挑戰(zhàn)針對(duì)保險(xiǎn)行業(yè)的大數(shù)據(jù)解決方案保險(xiǎn)及金融行業(yè)的成功案例介紹華夏人壽實(shí)施大數(shù)據(jù)的建議路徑55/7/2024以用戶為中心建設(shè)互聯(lián)網(wǎng)＋保險(xiǎn)客戶獲取客戶轉(zhuǎn)化客戶服務(wù)客戶挽回戰(zhàn)略&規(guī)劃明確并聚焦目標(biāo)分析&洞察全方位深入分析應(yīng)用&營(yíng)銷&交互多渠道協(xié)同，數(shù)據(jù)應(yīng)用客戶體驗(yàn)建設(shè)可靠信任關(guān)系DATADATADATADATADATADATADATADATA數(shù)據(jù)整合用戶畫像數(shù)據(jù)分析客戶細(xì)分模型客戶價(jià)值模型忠誠(chéng)度模型受眾群體擴(kuò)展模型社會(huì)網(wǎng)絡(luò)模型客戶獲取客戶轉(zhuǎn)化客戶服務(wù)數(shù)據(jù)應(yīng)用業(yè)務(wù)轉(zhuǎn)型大數(shù)據(jù)技術(shù)與平臺(tái)支撐大數(shù)據(jù)分析技術(shù)和工具保險(xiǎn)企業(yè)客戶分析模型不斷優(yōu)化的管理閉環(huán)外部數(shù)據(jù)內(nèi)部數(shù)據(jù)數(shù)據(jù)模型業(yè)務(wù)應(yīng)用用戶行為偏好數(shù)據(jù)匹配DATA65/7/2024為保險(xiǎn)企業(yè)提供端到端的整體解決方案DATADATADATADATADATADATADATADATA數(shù)據(jù)整合用戶畫像數(shù)據(jù)分析客戶細(xì)分模型客戶價(jià)值模型忠誠(chéng)度模型受眾群體擴(kuò)展模型社會(huì)網(wǎng)絡(luò)模型客戶獲取客戶轉(zhuǎn)化客戶服務(wù)數(shù)據(jù)應(yīng)用業(yè)務(wù)轉(zhuǎn)型外部數(shù)據(jù)內(nèi)部數(shù)據(jù)數(shù)據(jù)模型持續(xù)優(yōu)化DATA客戶歸一12345675/7/202401：

海量多源異構(gòu)數(shù)據(jù)的整合第一方數(shù)據(jù)實(shí)時(shí)用戶行為采集內(nèi)容：CRM、信用卡等業(yè)務(wù)系統(tǒng)數(shù)據(jù)數(shù)據(jù)格式：關(guān)系型數(shù)據(jù)庫(kù)獨(dú)特優(yōu)勢(shì)：靈活、易擴(kuò)展、高操控性業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集內(nèi)容：用戶行為軌跡數(shù)據(jù)格式：自定義、高度靈活獨(dú)特優(yōu)勢(shì)：實(shí)時(shí)、跨站、跨瀏覽器、跨設(shè)備、…采集內(nèi)容：Txt、CSV、Excel、XML、Word、PDF、Socket…獨(dú)特優(yōu)勢(shì)：支持非結(jié)構(gòu)化數(shù)據(jù)、實(shí)時(shí)、高效日志數(shù)據(jù)抓取內(nèi)容：媒體資訊、貼吧、微博、搜索引擎、…數(shù)據(jù)格式：將HTML轉(zhuǎn)換為格式化數(shù)據(jù)（Json）獨(dú)特優(yōu)勢(shì)：精確的流量控制、JS引擎、模擬登錄、模擬用戶行為、功能全面、操作簡(jiǎn)單數(shù)據(jù)探頭系統(tǒng)數(shù)據(jù)橋接系統(tǒng)日志收集系統(tǒng)抓取系統(tǒng)互聯(lián)網(wǎng)開(kāi)放數(shù)據(jù)采集內(nèi)容：央行征信、銀聯(lián)交易等合作方數(shù)據(jù)數(shù)據(jù)格式：可支持各種第二方數(shù)據(jù)格式獨(dú)特優(yōu)勢(shì)：支持多種數(shù)據(jù)格式，按需采集，靈活、易擴(kuò)展SDK/API/接口合作方數(shù)據(jù)第二方數(shù)據(jù)第三方數(shù)據(jù)大數(shù)據(jù)平臺(tái)85/7/202401：

海量多源異構(gòu)數(shù)據(jù)的整合第一方數(shù)據(jù)實(shí)時(shí)用戶行為采集內(nèi)容：CRM、信用卡等業(yè)務(wù)系統(tǒng)數(shù)據(jù)數(shù)據(jù)格式：關(guān)系型數(shù)據(jù)庫(kù)獨(dú)特優(yōu)勢(shì)：靈活、易擴(kuò)展、高操控性業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集內(nèi)容：用戶行為軌跡數(shù)據(jù)格式：自定義、高度靈活獨(dú)特優(yōu)勢(shì)：實(shí)時(shí)、跨站、跨瀏覽器、跨設(shè)備、…采集內(nèi)容：Txt、CSV、Excel、XML、Word、PDF、Socket…獨(dú)特優(yōu)勢(shì)：支持非結(jié)構(gòu)化數(shù)據(jù)、實(shí)時(shí)、高效日志數(shù)據(jù)抓取內(nèi)容：媒體資訊、貼吧、微博、搜索引擎、…數(shù)據(jù)格式：將HTML轉(zhuǎn)換為格式化數(shù)據(jù)（Json）獨(dú)特優(yōu)勢(shì)：精確的流量控制、JS引擎、模擬登錄、模擬用戶行為、功能全面、操作簡(jiǎn)單數(shù)據(jù)探頭系統(tǒng)數(shù)據(jù)橋接系統(tǒng)日志收集系統(tǒng)抓取系統(tǒng)互聯(lián)網(wǎng)開(kāi)放數(shù)據(jù)采集內(nèi)容：央行征信、銀聯(lián)交易等合作方數(shù)據(jù)數(shù)據(jù)格式：可支持各種第二方數(shù)據(jù)格式獨(dú)特優(yōu)勢(shì)：支持多種數(shù)據(jù)格式，按需采集，靈活、易擴(kuò)展SDK/API/接口合作方數(shù)據(jù)第二方數(shù)據(jù)第三方數(shù)據(jù)大數(shù)據(jù)平臺(tái)5.5億+用戶全網(wǎng)畫像：●9大維度●500+子維度●1,100萬(wàn)+用戶標(biāo)簽日活躍4,000+萬(wàn)UV：●日活躍訪次：3,700萬(wàn)●日活躍PV：1.2億●日推薦次數(shù)：6,000萬(wàn)●并發(fā)推薦：2萬(wàn)次/秒●單次響應(yīng)時(shí)間：<200ms●21大類●4,000+子類●400+商品標(biāo)簽維度●100萬(wàn)+商品標(biāo)簽數(shù)1億+商品全網(wǎng)畫像：1,000萬(wàn)+媒體標(biāo)簽：●20大類●1,000+子類●200+媒體標(biāo)簽維度第三方數(shù)據(jù)95/7/2024客戶盤點(diǎn)：1,500+互聯(lián)網(wǎng)企業(yè)客戶105/7/202402：跨渠道用戶ID歸一115/7/202403：用戶畫像客戶收入支出信息客戶渠道使用客戶資金往來(lái)...客戶基本信息客戶持有產(chǎn)品客戶歷史交易客戶風(fēng)險(xiǎn)等級(jí)事實(shí)標(biāo)簽用戶畫像標(biāo)簽原始數(shù)據(jù)預(yù)測(cè)標(biāo)簽?zāi)Ｐ蜆?biāo)簽資金往來(lái)趨勢(shì)產(chǎn)品購(gòu)買次數(shù)投訴次數(shù)...人口屬性賬戶歷史趨勢(shì)渠道使用頻率...用戶關(guān)聯(lián)關(guān)系用戶滿意度用戶風(fēng)險(xiǎn)評(píng)分...產(chǎn)品購(gòu)買偏好渠道使用偏好用戶活躍度...消費(fèi)能力違約概率用戶近期需求...人口屬性人群屬性用戶流失概率...人口屬性用戶價(jià)值用戶興趣愛(ài)好...模型預(yù)測(cè)建模分析統(tǒng)計(jì)分析125/7/202403：用戶畫像客戶收入支出信息客戶渠道使用客戶資金往來(lái)...客戶基本信息客戶持有產(chǎn)品客戶歷史交易客戶風(fēng)險(xiǎn)等級(jí)事實(shí)標(biāo)簽用戶畫像標(biāo)簽原始數(shù)據(jù)預(yù)測(cè)標(biāo)簽?zāi)Ｐ蜆?biāo)簽資金往來(lái)趨勢(shì)產(chǎn)品購(gòu)買次數(shù)投訴次數(shù)...人口屬性賬戶歷史趨勢(shì)渠道使用頻率...用戶關(guān)聯(lián)關(guān)系用戶滿意度用戶風(fēng)險(xiǎn)評(píng)分...產(chǎn)品購(gòu)買偏好渠道使用偏好用戶活躍度...消費(fèi)能力違約概率用戶近期需求...人口屬性人群屬性用戶流失概率...人口屬性用戶價(jià)值用戶興趣愛(ài)好...模型預(yù)測(cè)建模分析統(tǒng)計(jì)分析客戶全景視圖交易信息基于現(xiàn)有各個(gè)業(yè)務(wù)系統(tǒng)和渠道產(chǎn)生的數(shù)據(jù)客戶行為偏好信息包含客戶即時(shí)偏好分析和長(zhǎng)期偏好分析，形成客戶興趣偏好標(biāo)簽客戶社會(huì)關(guān)系網(wǎng)客戶交互信息基于分析客戶對(duì)內(nèi)對(duì)外的各類數(shù)據(jù)，形成完整的客戶交互標(biāo)簽人口統(tǒng)計(jì)學(xué)標(biāo)簽基本屬性，源于現(xiàn)有客戶基本信息以及外部數(shù)據(jù)源性別家庭住址工作單位年齡收入和支出交易流水產(chǎn)品和服務(wù)購(gòu)買歷史近期金融產(chǎn)品需求客戶意見(jiàn)反饋未來(lái)服務(wù)預(yù)期客戶行為偏好客戶溝通記錄(郵件/短信/QQ)客戶討論傾向客戶態(tài)度和觀點(diǎn)KAM135/7/2024基于企業(yè)業(yè)務(wù)需求、場(chǎng)景構(gòu)建標(biāo)簽，劃分主題、顆粒度等示例145/7/202404：商業(yè)建模相似度計(jì)算推薦算法文本挖掘算法分類聚類算法預(yù)測(cè)算法155/7/2024模型一：客戶細(xì)分模型

挖掘高價(jià)值客戶，提升非付費(fèi)客戶到付費(fèi)客戶的轉(zhuǎn)化率客戶分類描述實(shí)現(xiàn)步驟高價(jià)值客戶畫像高價(jià)值客戶可定義為：1、件均保費(fèi)高的期繳保單客戶2、保單數(shù)排名前矛的客戶對(duì)高價(jià)值客戶進(jìn)行畫像，歸納總結(jié)高價(jià)值客戶群體特征，從現(xiàn)有客戶中挖掘有潛力的客戶，使其轉(zhuǎn)化為高價(jià)值客戶1、抽取A公司高價(jià)值客戶和非高價(jià)值客戶兩個(gè)數(shù)據(jù)樣本2、分析兩個(gè)樣本的群體特征，找出高價(jià)值客戶群相對(duì)非高價(jià)值客戶群的區(qū)別，并進(jìn)行畫像3、根據(jù)畫像結(jié)果，按照營(yíng)銷跟進(jìn)并根據(jù)效果進(jìn)行持續(xù)優(yōu)化付費(fèi)客戶畫像通過(guò)分析付費(fèi)客戶和非付費(fèi)客戶，畫像兩個(gè)群體的差異特征，并從非付費(fèi)客戶中尋找符合付費(fèi)客戶的特征，針對(duì)性的銷售以提升轉(zhuǎn)化率1、提供付費(fèi)和非付費(fèi)客戶樣本群進(jìn)行初步分析，取得差異化特征維度2、針對(duì)差異化維度進(jìn)行建模測(cè)試，訓(xùn)練并達(dá)到預(yù)期建模效果3、從非付費(fèi)客戶群中抽取與付費(fèi)客戶特征相似的客戶進(jìn)行有針對(duì)性的營(yíng)銷165/7/2024模型二：客戶的價(jià)值模型

精準(zhǔn)的營(yíng)銷,不存在錯(cuò)誤的客戶，只存在錯(cuò)誤的宣傳。個(gè)性化推薦和營(yíng)銷就是在最合適的時(shí)間、以最恰當(dāng)?shù)姆绞健⑾蚩蛻敉扑]或營(yíng)銷他最需要的資訊、產(chǎn)品或服務(wù)。場(chǎng)景1：個(gè)性化精準(zhǔn)營(yíng)銷場(chǎng)景2：實(shí)時(shí)的精準(zhǔn)營(yíng)銷不同的用戶不同的產(chǎn)品個(gè)性化推薦和營(yíng)銷出行之前，看到的不再是重復(fù)的廣告，而是針對(duì)性的旅行保險(xiǎn)廣告進(jìn)入系統(tǒng)，伴之而來(lái)的廣告不再是千篇一律的“垃圾”廣告，而是考慮了職業(yè)、性別、年齡、收入等因素的針對(duì)性產(chǎn)品市場(chǎng)細(xì)分是解決用戶異質(zhì)性的一種方法，而個(gè)性化則是市場(chǎng)細(xì)分的極致，即把每一個(gè)用戶看成一個(gè)細(xì)分市場(chǎng)，這也是營(yíng)銷的終極目標(biāo)。用戶的“異質(zhì)性”與產(chǎn)品的“差異化”175/7/2024模型三：客戶的忠誠(chéng)度模型

針對(duì)不同類型用戶采用不同的營(yíng)銷策略購(gòu)買比數(shù)得分最高金額得分平均金額得分最近購(gòu)物得分活躍家數(shù)得分5.004.003.002.001.00消費(fèi)能力用戶粘性低活躍低價(jià)值用戶，綜合考慮是否有必要花成本活躍用戶，提高服務(wù)質(zhì)量進(jìn)行引導(dǎo)一般保持客戶一般挽留客戶重要保持客戶重要挽留客戶重要發(fā)展客戶重要價(jià)值客戶一般發(fā)展客戶一般價(jià)值客戶高價(jià)值低活躍，花成本搞活最近一次消費(fèi)(Recency)消費(fèi)頻率(Frequency)消費(fèi)金額(Monetary)客戶價(jià)值重要價(jià)值客戶重要發(fā)展客戶重要保持客戶重要挽留客戶一般價(jià)值客戶一般發(fā)展客戶一般保持客戶一般挽留客戶185/7/2024模型四：受眾群體的擴(kuò)散模型

篩選最具購(gòu)買傾向的客戶名單195/7/2024模型五：社會(huì)網(wǎng)絡(luò)模型

引流&重新建立失聯(lián)客戶業(yè)務(wù)描述實(shí)現(xiàn)步驟客戶引流與獲客結(jié)合雙方共同的合作方，協(xié)助A公司引流合作方的客戶到自身平臺(tái)，借以獲客并取得二次營(yíng)銷的機(jī)會(huì)1、從合作方獲取客戶資料2、通過(guò)雙盲撥打/短信或其他方式觸達(dá)客戶端，進(jìn)行營(yíng)銷宣傳與獲客區(qū)域性保險(xiǎn)贈(zèng)品發(fā)放根據(jù)客戶偏好分析，有針對(duì)性的配置贈(zèng)品進(jìn)行發(fā)放針對(duì)區(qū)域內(nèi)客戶的全網(wǎng)行為特征和偏好，有針對(duì)性的配置贈(zèng)品進(jìn)行發(fā)放失聯(lián)客戶聯(lián)系重建保險(xiǎn)存在大量的失聯(lián)客戶（客戶換手機(jī)或手機(jī)號(hào)不正確），可通過(guò)平臺(tái)的用戶數(shù)據(jù)進(jìn)行匹配，并反饋正確的信息1、整理C保險(xiǎn)現(xiàn)有用戶數(shù)據(jù)，進(jìn)行必要的清洗2、對(duì)清洗后的失聯(lián)數(shù)據(jù)，在平臺(tái)的數(shù)據(jù)庫(kù)中進(jìn)行匹配3、對(duì)于匹配上的數(shù)據(jù)，平臺(tái)反饋真實(shí)的聯(lián)系方式及相關(guān)信息205/7/202405:洞察用戶特征，精準(zhǔn)觸達(dá)高凈值用戶

實(shí)現(xiàn)從客戶細(xì)分、營(yíng)銷策劃、營(yíng)銷執(zhí)行到效果評(píng)估的精準(zhǔn)營(yíng)銷閉環(huán)管理215/7/202405:通過(guò)個(gè)性化推薦技術(shù)實(shí)現(xiàn)智能商品導(dǎo)購(gòu)，提升交叉/向上銷售

225/7/202406:反復(fù)迭代、持續(xù)性的優(yōu)化

圖形化的顯示為領(lǐng)導(dǎo)層的決策提供支撐持續(xù)優(yōu)化洞察報(bào)表效果報(bào)表投放報(bào)表效果監(jiān)測(cè)新老訪客分析，網(wǎng)頁(yè)熱度分析，用戶忠誠(chéng)度分析投放實(shí)時(shí)展示多維度投放監(jiān)控媒體分析渠道分析受眾分析受眾篩選實(shí)時(shí)優(yōu)化調(diào)查問(wèn)卷標(biāo)簽體系（如人口的自然屬性，人群興趣、人群行為、購(gòu)物行為等）協(xié)助廣告主進(jìn)行精準(zhǔn)的受眾篩選效果優(yōu)化系統(tǒng)使用基于OnlineLearning的算法思維，結(jié)合用戶數(shù)據(jù)生成的各種特征（如TF/IDF、特征向量模型、SVM、決策樹、K-Means、交叉特征、層次平滑體系樹、用戶實(shí)時(shí)反饋特征），幫助各種合作渠道優(yōu)化效果策略對(duì)于階段性投放效果發(fā)布調(diào)查問(wèn)卷，結(jié)合調(diào)研效果調(diào)整下一階段的投放策略235/7/2024目錄大數(shù)據(jù)在保險(xiǎn)行業(yè)的機(jī)遇與挑戰(zhàn)針對(duì)保險(xiǎn)行業(yè)的大數(shù)據(jù)解決方案保險(xiǎn)及金融行業(yè)的成功案例介紹華夏人壽實(shí)施大數(shù)據(jù)的建議路徑245/7/2024金融行業(yè)部分客戶注：規(guī)劃中255/7/2024泰康保險(xiǎn)：互聯(lián)網(wǎng)用戶行為采集和網(wǎng)站數(shù)據(jù)統(tǒng)計(jì)分析項(xiàng)目用戶行為數(shù)據(jù)采集用戶數(shù)據(jù)拉通模塊網(wǎng)站數(shù)據(jù)統(tǒng)計(jì)分析用戶行為分析模塊用戶行為分析與運(yùn)營(yíng)分析用戶畫像個(gè)性化推薦與精準(zhǔn)營(yíng)銷泰康人壽的業(yè)務(wù)痛點(diǎn)在于積累了大量的用戶卻不知道如何使用用戶數(shù)據(jù)？如何了解客戶、經(jīng)營(yíng)客戶？如何建立情感鏈接、實(shí)現(xiàn)有效互動(dòng)，如何打造個(gè)性化的產(chǎn)品、服務(wù)？如何增強(qiáng)客戶黏性、提升客戶滿意度？如何擴(kuò)大保險(xiǎn)覆蓋面、提升保險(xiǎn)滲透率？解決方案123事實(shí)標(biāo)簽?zāi)Ｐ蜆?biāo)簽預(yù)測(cè)標(biāo)簽跨站點(diǎn)用戶偏好分析興趣擴(kuò)散模型分析消費(fèi)者興趣圖譜分析實(shí)時(shí)購(gòu)物意圖分析265/7/2024泰康保險(xiǎn)：1.1用戶行為數(shù)據(jù)采集網(wǎng)站概況每天網(wǎng)站PV、UV、獨(dú)立IP、活躍度等基本指標(biāo)統(tǒng)計(jì)實(shí)時(shí)統(tǒng)計(jì)達(dá)到以10分鐘為粒度，進(jìn)行PV、UV的統(tǒng)計(jì)計(jì)算訪客分析記錄訪客設(shè)備信息、瀏覽軌跡、頁(yè)面停留時(shí)間、地域、實(shí)時(shí)訪客、用戶拉通信息等轉(zhuǎn)化追蹤分析推廣、搜索引擎轉(zhuǎn)化率、外部鏈接設(shè)備信息分析客戶設(shè)備信息：瀏覽器類型、操作系統(tǒng)、分辨率等等保險(xiǎn)產(chǎn)品信息分析各個(gè)保險(xiǎn)產(chǎn)品每日瀏覽量、趨勢(shì)、客戶興趣度、轉(zhuǎn)化率等指標(biāo)觸點(diǎn)采集傳統(tǒng)PC站點(diǎn)手機(jī)WAP站點(diǎn)手機(jī)APP站點(diǎn)移動(dòng)端微信275/7/2024泰康保險(xiǎn)：1.2用戶數(shù)據(jù)拉通模塊:用戶ID價(jià)值難點(diǎn)整合所有接觸點(diǎn)的用戶數(shù)據(jù)整合用戶的所有ID真正“認(rèn)識(shí)”一個(gè)用戶用戶不再“匿名”多源異構(gòu)規(guī)整到統(tǒng)一標(biāo)準(zhǔn)精確定義的標(biāo)簽……如何理解并定義“同一個(gè)用戶”不同標(biāo)簽體系的融合用戶與ID的多對(duì)多關(guān)系285/7/2024泰康保險(xiǎn)：1.3用戶行為分析模塊圖4新增/沉默/活躍/流失用戶圖1客戶生命周期圖5留存用戶圖2用戶分類及詳情圖3回流用戶分析295/7/2024泰康保險(xiǎn)：1.4網(wǎng)站數(shù)據(jù)統(tǒng)計(jì)分析圖1頁(yè)面瀏覽量分析圖2分時(shí)段統(tǒng)計(jì)信息圖3網(wǎng)頁(yè)跳出率分析圖4分時(shí)段統(tǒng)計(jì)信息圖5用戶來(lái)源分析圖6搜索關(guān)鍵詞統(tǒng)計(jì)分析305/7/2024中信銀行：高價(jià)值潛在客戶挖掘(出國(guó)金融)業(yè)務(wù)需求通過(guò)大數(shù)據(jù)分析，找到存量客戶中潛在的出國(guó)金融產(chǎn)品客戶（以出國(guó)留學(xué)類金融產(chǎn)品為例），分析此類高價(jià)值客戶的行為特征，并針對(duì)有相似特征的用戶群進(jìn)行精準(zhǔn)營(yíng)銷，達(dá)到潛在客戶轉(zhuǎn)化為真正客群的目的。營(yíng)銷方案制定與執(zhí)行找到精準(zhǔn)營(yíng)銷切入點(diǎn)找到高價(jià)值潛在客戶數(shù)據(jù)準(zhǔn)備與匹配將該銀行北京分行的客戶與第三方數(shù)據(jù)進(jìn)行匹配，匹配率43%；剔除用戶畫像中，媒體關(guān)注類標(biāo)簽少于100個(gè)的用戶；剩余用戶占比：37.25%。選擇出國(guó)留學(xué)類金融產(chǎn)品進(jìn)行分析；對(duì)該銀行北京分行從2013年2月至2014年12月進(jìn)行出國(guó)金融客戶通過(guò)生存分析模型，發(fā)現(xiàn)91%的客戶在申請(qǐng)學(xué)校之前就已是該行客戶；需要在用戶申請(qǐng)學(xué)校之前先聯(lián)系到客戶。對(duì)出國(guó)留學(xué)金融客戶群進(jìn)行分析，發(fā)現(xiàn)：出國(guó)前6-10個(gè)月，出國(guó)金融客戶較為關(guān)注學(xué)校所在目的地國(guó)家，經(jīng)常逛留學(xué)社區(qū)論壇；出國(guó)前3-6個(gè)月，出國(guó)金融客戶的注意力會(huì)偏向簽證、機(jī)票等。進(jìn)一步對(duì)客戶群進(jìn)行洞察和細(xì)分，了解同類用戶的需求和關(guān)注重