導讀:本文和大家分享的是大資料在企業精細化運營方面的運用,主要的還是在銀行、零售領域的應用。
文末有福利,別錯過!
首先大家對於“大資料殺熟”這件事怎麼理解?“殺熟”是客戶營銷方面的標準操作嗎?高科技公司掌握了我們的個人資訊,難道只能用於誘騙客戶進行過度消費嗎?
回答這個問題之前,我們瞭解一個名詞,叫做“價格歧視”。這個詞很多人認為是貶義詞,因為它與“壟斷”這個詞是伴生的。其實它是個中性詞,如果一家企業能夠利用科技手段實現價格歧視,那它必須獲得客戶認可,是一家可以獲取超額收益的領先企業。價格歧視一般可以分為三級。
-
一級價格歧視就是根據不同的市場制定不同的價格,比如iPhone在不同國家的定價策略;
-
二級價格歧視是根據客戶購買量的不同而形成價格差異,一般是量越大,價格越便宜;
-
三級價格歧視是根據每個人需求的差異,進行針對性的定價。
價格歧視的等級越高,企業的超額利潤就越大,對企業的能力要求也越高。第三級的價格歧視單純靠市場力量是很難達不到的,但是做到二級價格歧視還是沒問題的。
一般而言,粘性越高的客戶,其服務成本就越低,客戶得到的價效比就可以越高。企業或商家利用客戶歷史沉澱下的交易資訊分析其需求偏好,從而以更高的效率提供價效比更高的服務。形成良性迴圈,最終成就“超級客戶”戰略。這便是商業上運用“大資料”的初衷。
01 資料分析在銀行的應用演變
我們從最開始的獲取客戶的資料,到後來整合外部資料,到最後無時無刻不在採集資料。我們收集這麼多資料的目的並不是想去壓榨使用者,而是想去瞭解使用者。
我們希望透過對使用者更好的瞭解,來改進我們的產品,增加使用者粘性,提升客戶體驗。我們想把使用者發展成我們的超級客戶。
說道這裡,大家可能就知道我要說什麼了:價格歧視的是新客戶,使用大資料是為了更好的回饋老客戶。“殺熟”是蹩腳的業務運營人員搞出來的,這個鍋大資料不背。
現今資料的確越來越多了,以下是某著名諮詢公司總結的大資料在金融方面的主要應用。
最廣泛的應用是營銷領域,可以看到圖中右上角的部分,包括精準營銷、使用者畫像等等。而資料在銀行中的作用,主要體現在以下四個方面。
上面的兩個運用是針對客戶的。目前傳統的分類會分為客戶智慧、風險智慧。客戶智慧就是瞭解我們的客戶,進而開展營銷和維護。風險智慧用於避免客戶將來發生違約。
為什麼說這個比較傳統?因為在流量枯竭的現在,客戶和風險的分界線開始模糊。金融機構也不是像過去那樣高高在上,風控不能像過去那樣不考慮營銷的疾苦。平安銀行在客戶運營的時候就用了一個比較貼切的詞,叫交易對手。意思是客戶和風險不應該分開,而是把它們放在一起,綜合考慮如何去識別風險和滿足客戶需求。
下麵的這兩個運用是針對於組織機構的,即經營分析和財務分析。經營分析的IT應用分為大屏展示、固定報表、自助分析等。
以上是一個基於大資料做的經營分析。在企業裡做這類經營分析的時候,無非就是要知道什麼時間、地點,發生了什麼事。過去我們做分析要分為6步:業務人員提需求、部門確認做調研,然後做資料需求,報表設計,最後呈現。而現在我們可以根據BI產品裡提供的各種分析工具(比如排序分析、對比分析等),減少了很多流程,大大縮短了分析呈現的週期。
這是一個實時大屏的案例。剛才我們展示的是互動樣式,一般都是T+1、T+2。大屏可以做到實時的、或是延遲5分鐘的情況,對於我們進行監控比較有利。
02 商業銀行的智慧風控
下麵我們講講風險問題。什麼是風險?任何的不確定性就是風險,那歸根到底是缺乏決策所依賴的資訊。
過去風險還比較容易控制,因為銀行當時只做大型企業,幾個甚至十幾個客戶經理對接一家企業,企業的資訊他們看的跟明鏡一樣,所以資料挖掘對他們沒有多麼重要。但是隨著很多銀行開始做小微客戶,客戶越來越下沉,客戶經理越來越難以分析客戶情況。這種情況下他們會發現面臨的風險跟過去完全不一樣了。
存在風險,主要是不瞭解客戶。降低風險的第一步是要打通客戶資料。解決方案其實很簡單,就是把不同維度的資料打通。我們對企業越瞭解,它的不確定性就越少,所謂風險就可以被我們識別了。實現這種效果的第一個方案,就是把資料整合在一塊兒,不論是內部還是外部的資訊。我舉個具體的例子。 這是利用工商註冊資訊,透過企業投資圖譜建立聯絡。現在隨便百度一個企業,都可以看到這些資料。
我們過去研究銀行在做貸後管理的時候,他們說如果能夠提前5天知道客戶將違約,就是很大的受益了。對於銀行來說,他們只要比兄弟銀行早一天去收債,損失就會小很多。現在就有這方面的系統,能提前3個月知道哪些企業要出現問題。大家知道中國的企業關聯性很強,有一家企業出現財務危機了,大機率情況下3個月內對其他關聯企業也會產生影響。
03 如何應用客戶智慧進行精細化運營?
下麵我們說客戶智慧。剛才提到我們是要做超級客戶,不是做殺熟。我們要營銷一個產品,最主要就是瞭解這個產品的特徵,進而要尋找客戶的標簽。
這個標簽是什麼,標簽就是引起客戶在決策點形成差異性的一些變數。
1. 以汽車銷售為例的使用者標簽
舉個例子,現在有個賣車的網站,賣的是一手車,它的價格區間有10萬以下,10萬至15萬,15萬至30萬,哪些標簽會對價格決策點形成差異性?你需要考慮你的客戶有什麼標簽。
有人說是年收入,這個標簽確實很好。客戶的標簽會影響這個決策點的產生、差異性。
接下來,如果同樣是15至30萬的檔次的車,因為對於產品的標簽,除了價格以外還可以再細分,比如汽車的油耗。這時候就該其他標簽起作用了,比如所在地域、是否定期健身等。
從上面的例子可以看出,我們做營銷時,一方面要掌握產品的標簽,可以描述出產品的特性、潛在人群。另一方面來自於客戶的特質,這些標簽可以透露其行為偏好。
渠道會對我們的標簽和決策點有什麼影響?它主要起調節作用。我舉個例子,比如說一個三十多歲的城市白領,整天在城市裡,偶爾去郊區玩,開車主要是上上下班和接送孩子。有大概是15萬到30萬的預算,這個時候如果在網上買車,他是在冷靜中做決策的情況下,一般會買一個普通的SUV。但是如果是在展銷會上,有可能會被現場的場景所激發,買了一輛城市越野。
不同的資訊接觸點,也會對我們這樣的偏好產生一定的影響,這就是渠道的作用。渠道並不單單指在購買那個點產生的影響,而是整個決策鏈條上,不同的資訊科技渠道都會影響我們的決策。
2. 如何製作使用者標簽
現在商業企業都知道做標簽的重要性了,而且不惜花大價錢請諮詢公司來作標簽體系,還要用到各種複雜的演演算法。其實一般情況下做最有價值的那些標簽沒什麼難度,無非就是把我們能收集的關於客戶資料堆在一塊兒而已,有些叫360檢視。
這些資訊其實是原材料,堆完之後我們就開始動腦筋想辦法做標簽了。我們透過一些方法,比如客戶的上下班駕車時間,看他是高峰期上下班,還是錯峰上下班,這些都可以變成我們的標簽。
舉一個早在2013年某信用卡公司做“潛在高價值客戶”這個標簽的例子。所謂高價值客戶就是每個月給信用卡中心貢獻錢多的,無非就是有消費帶來的錢,還有就是利息帶來的錢。
以往獲取高價值客戶的思路是搶客戶,尋找其他家的高價值客戶,然後把他搶過來。這就造成了我們大部分公司都會產生的困境,就是相互PK,大家都不去培養潛在的高價值客戶。
這家信用卡公司的思路很超前,希望自己培育客戶,提前發現那些有潛質的客戶,重點培育。但是在標簽的時候遇到了困難,因為基本的客戶屬性標簽和社會經濟標簽在這塊用處並不大。
我們開始分析是什麼樣人會成為高價值客戶。分析思路是這樣的:曾經一個銀行的櫃員向我抱怨,她的一個同事特別愛拍馬屁,別人都跟領導走的關係不近,而她管領導叫女神,女神乾什麼她乾什麼,衣食化妝品方面都在模仿她的那個女神。當然她的收入有限,消費的總額並不多。一年以後她成了大堂副經理。是不是因為女神喜歡她而提拔她?不是,因為女神走了之後她照樣被提拔。
這個問題告訴我們什麼?跟成功人士像的人是潛在的成功人士。所以,我們的做法就是看每個不同人的信用卡記錄,就看他消費物品的種類。我們先統計既有的高價值客戶購買的產品結構,然後再看非高價值客戶中,哪些人購買的產品結構和目前的高價值客戶相似。這叫做Lookalike策略,現在被廣泛的用於數字化營銷。
標簽其實就是對客戶進行洞察的結果,是一個歸納性的東西。基於客戶標簽就可以制定有針對性的營銷策略。 以下是一個從客戶標簽,到客戶需求推斷,再到營銷活動策略的示例。
最後,很多人關心標簽是否準確,其實這一點並不重要。因為營銷是看效果的,只要營銷效果有提升,標簽不準又如何?
而且標簽的準確性依賴於資料。客戶業務少,行為資訊就少,標簽準確性就差;客戶被激活了,行為資訊多,標簽就準確性高了。我們不應該糾結於是先找好雞蛋孵小雞,還是先找好雞下好蛋。只要方法論正確,效果就會在迭代中提升。
關於作者:常國珍,《Python資料科學:技術詳解與商業實踐》一書作者,資料科學專家和金融技術專家。北京大學會計學博士,中國大資料產業生態聯盟專家委員會委員。2005年進入資料科學領域,先後在亞信、德勤等企業從事電信、金融行業資料挖掘工作,現就職於中銀消費金融有限公司資料管理部。專註於消費金融領域的資料治理、客戶智慧與風險智慧。
延伸閱讀《Python資料科學》
轉載請聯絡微信:togo-maruko
點選文末右下角“寫留言”發表你的觀點
推薦語:這是一本以Python為工具,以商業實戰為導向的資料科學家養成手冊,從技術、業務、商業實戰3個維度為有志成為資料科學家的讀者提供了系統化的學習路徑。
福利來了,雖然一直在說銀行的事,但我們不送錢,送書!
你有沒有過被大資料“殺熟”的經歷?你有沒有過被大資料猜到你要買什麼的經歷?你還知道哪些大資料用於客戶分析的案例?任選以上話題,在文末留言區參與討論,被贊得最高的3條留言以及被我們精選出的3條走心留言的釋出者將獲贈《Python資料科學:技術詳解與商業實踐》。
活動截止時間:8月9日(週四)22:00
資料說話:根據以往經驗,我們活動的中獎率高達30%+,是不是很良心喲?這麼高的中獎率,別告訴我你只是路過……
更多精彩
在公眾號後臺對話方塊輸入以下關鍵詞
檢視更多優質內容!
PPT | 報告 | 讀書 | 書單 | 乾貨
Python | 機器學習 | 深度學習 | 神經網路
區塊鏈 | 揭秘 | 高考 | 福利
猜你想看
-
pandas創始人手把手教你利用Python進行資料分析(思維導圖)
Q: 你有被大資料殺熟的經歷嗎?
歡迎留言並順便贏取福利
覺得不錯,請把這篇文章分享給你的朋友
轉載 / 投稿請聯絡:baiyu@hzbook.com
更多精彩,請在後臺點選“歷史文章”檢視