基于大数据平台构建精准营销体系

’而客户线上自主购买的方式，则需要通过系统的有效设计，将营销手段IT化后对客户进行持续的影响，从而帮助客户完成决策。而常用的IT营销手段有如：上下文分析（客户的搜索行为，浏览记录等），行为定向（根据历史数据，行为轨迹等进行定向），重定向（根据行为轨迹进行重定向），协同过滤（进行交叉营销），相似度扩散（进行扩散性推荐，寻找新的兴趣点），超本地化（线上线下联动的OTO）等，以上营销手段有其特定的应用场景和时机，参见下图：
三、
精准营销作为营销的重要形态，它的本质并不是单纯的对产品进行针对性的推荐。一个优秀的精准营销体系应该是一个有活力的体系，它应该是一种主动营销的形态。它应该是能够主动的去了解客户的所思所想，并主动的参与到客户的购买决策中，去帮助客户快速的做出决策。
银行体系作为老牌的实力强劲的金融机构或者说经营单位，在面对大客户，大企业时表现的游刃有余，但是普遍的在面对零售客户时却表现出了一定迷茫。其根本原因在于大客户、大企业的购买决策与零售客户、小企业客户的购买决策是有本质的区别的。
这是精准营销体系建设的主要动因！
二、
精准营销体系建设主要需要实现两大目标：
1、降低营销成本，营销领域有一句名言“我知道广告费用中有一半是浪费的，但是问题在于，我并不知道哪一半被浪费了”，因此精准营销体系希望通过对客户的有效区分，尽可能降低无效目标，起到了筛子的作用。
2、发挥产品的长尾效应，银行的产品很多，但是银行的产品同质化程度也很高，如果银行都对同质化极高的产品进行营销，往往会产生马太效应，那就是热门的头部产品销量很高，但是利润由于同质化反而降低了，而长尾的产品却往往无人问津。而精准营销可以对长尾产品进行有效的挖掘，从而实现每一个银行的产品均有其可以推荐的目标客户，提高产品对客户的覆盖度。
我们可以看到在这个坐标系中，横坐标意味着该营销手段的效果，纵坐标意味着该营销手段的推荐作用阶段，例如我们发现上下文分析一般作用于购买决策链的初期，主要用于对客户的需求进行基本定向，对于直接影响购买的效果一般，但是可以有效的探索客户的需求点；
而如行为定向则位于客户可能经过几次点击以后，所以决策链的位置比上下文的影响靠后一点，效果也比上下文有所提升；
五、
精准营销理念的提出远早于其广泛的应用，可以说是大数据与AI技术帮助精准营销体系的有效落地并蓬勃发展，原因在于大数据与AI技术有效的解决了精准营销体系以上三个问题，实现了从大量客户信息中提取价值，通过模型传导和应用价值，通过自优化实现价值的持续体现，这也是精准营销与大数据及AI技术在现在往往合在一起提的主要原因。
5.3
数据化运营和运营数据的概念比较抽象，这其中包含的概念比较丰富，但是我们可以用它来阐述如何实现营销的闭环管理。我们通过一张图来了解以上概念：
我们通过对现有数据的分析，形成相应的数据价值成果，并将至运用于实际的运营决策，从而来试图解决相关的问题。而问题可能被解决或者没有被全部解决，因此我们需要收集相关的问题处理结果，这就形成了反馈，我们对问题处理的结果进行进一步的分析，并寻找解决方案，例如对数据进行优化，寻找新的数据源，对数据进行更深度的加工等等，而以上被进一步优化的数据将重新用于决策，这就是数据的有效循环。上半段我们称为数据化运营，下半段我们称为运营数据。
但是零售客户不同，零售客户每次的购买决策中几个BP引起的财务成本差相对于大客户而言是可以忽略不计的，所以当财务成本差不再作为单一的购买决策时，其他影响客户购买的因素如便捷性，多样性等等将开始影响客户的决策，而此时，客户将变得不再理性，而只有在客户感性程度到达一定比例时，种种营销手段才能发挥其作用。
综上所述，精准营销的本质是主动的接近和了解客户，并主动的参与到客户的决策链中，利用客户的主观与感性思维，帮助客户缩短决策时间，形成事实性购买的过程。
而预测模型则可以人工规则或者人工智能形成更具有针对性的标签，例如客户对某产品的偏好，某产品推荐成功率等，当然人工智能也可以对部分特征进行提炼，人工智能的算法丰富，可以根据实际需要进行调整。
最终这些标签会按照标签体系进行整理并进行存放，如：
并最终形成客户画像
所以，客户画像既包含了客户的轮廓，也反映了客户的内在需求，两者结合就是我们通过大数据平台及AI技术获得的最真实反映客户真实面貌的信息。
四、
了解了精准营销的本质，并从本质出发来构建精准营销体系将变得目标明确，构建精准营销体系主要需要解决如下三点：
1、如何主动的接近和了解客户？
2、如何主动的参与到客户的购买决策链中，并影响客户？
3、如何有效的保持以上行为效能的可持续性？
1
2Hale Waihona Puke 344.1
如何主动的接近和了解客户，也就是感知客户，这里的客户既包括老客户也包括未拓展的潜在客户，潜在客户的引流我们姑且放下，单说老客户，我们是否真正的了解或者审视过自身的客群？银行发展历史悠久，体系复杂深奥，这是值得敬畏的一面，但是由于银行内部本身的部门林立，条线之间各自独立，往往在客户层面上都存在着一定的割裂，无论是营销还是信息共享。例如负责理财产品销售条线的团队往往会对客户进行理财产品的销售，但是往往一个客户对理财产品的需求已经到达了一定的饱和，也许该客户只需要办理一张信用卡，那么理财条线的客户是否能及时的共享给信用卡部的销售团队进行跟进？
而随着零售市场上新兴竞争对手的先行一步，其基于互联网的快速触达，移动终端的便捷操作，量身订造的客户体验，已经形成了整个客群的普遍认知。那就是零售市场的金融产品应该是基于互联网的，可以随时随地接入的，应该智能的为我推荐我最需要的产品的。而我们需要切入零售客户这一细分市场，就必须满足该市场的特定需求，才能参与该垂直领域的市场竞争。
与以上精准营销三大问题的实现有效对应的是大数据及AI应用建设的三大阶段，即：
1.大数据应用建设第一阶段，实现数据的有效连接
2.大数据应用建设第二阶段，实现场景的真实还原
3.大数据应用建设第三阶段，实现数据化运营和运营数据的有效转化
5
5.1
数据的连接，其实有一个更加广泛的名字，称为数据治理，但是个人认为数据治理的概念过于宽泛，所以更愿意用数据的连接来描述大数据应用的第一个阶段。数据只有经过连接才能成为一个有效的整体，而连接一个个人客户最好的连接器就是所谓的三要素，姓名，手机号，身份证，无法提供任意两个以上的三要素的数据，我们认为是无法进行有效连接的，属于孤岛数据。这也是为什么现在很多社区网站，APP应用在注册时需要验证手机号的重要原因，他们需要让自己的数据加入连接，只有有了连接，数据才有产生价值的可能，这是第一步，也是关键的一步。
4.3
如何解决保证上述客户感知与决策影响力的效能可持续性，也就是运营可持续更新和优化的问题。这是涉及到对数据分析型应用一个典型的数据活性问题，我们需要保持数据是“活的”，“死”数据毫无意义，而不同数据的生命周期是不同的，有的数据比如客户的姓名、性别、身份证号码等我们可以认为是稳定的，一生都不会发生变化的，而比如客户的整体收入，客户的年均存款，名下房产，旅游爱好，投资偏好等信息的生命周期是相对稳定的，会有变化但幅度不会太大，往往几个月甚至一年以内可以是看作稳定的，而有些数据是不稳定的，比如客户的近期状态，如近期是否要结婚，近期是否要旅游，近期是否要换房等等，这需要较高的更新频率；而比如客户网上的行为痕迹，如关注行为，浏览行为等往往反映了客户当时的需求，这些数据生命周期很短，往往开始于客户登录渠道，而结束与客户离开渠道。所以，必须有效的区分数据的生命周期，确定不同的更新方案才能保证数据的活性。如果我们的数据中包含了从外部获取的数据，我们还需要考虑数据获得稳定性的问题，即数据获取的渠道是否具有可持续性和可替代性，来确保数据的稳定有效。
4.2
而如何主动的参与到客户的购买决策中，则需要有一个合理而有效的布局，虽然现代社会人们的决策较快，但这并不意味着客户一定会的做出购买的决策，如果没有一个良好的互动和持续影响，往往客户会转移注意力，而如果此时另一个竞品恰恰提供了一个良好的决策影响环境，那么客户将极有可能被该竞品夺走。
当我们分析一个客户的购买决策时，我们会发现一个完整的营销决策链条包括如下阶段：曝光（产品首次出现）、关注（引起客户共鸣）、理解（客户开始深入了解）、接受（客户内心接受产品）、保持（客户保持着购买的兴趣）、购买（形成购买）。
一、
金融科技愈演愈烈的今天，大数据平台与人工智能作为本次金融科技变革大潮中的主力军和绝对代表，对从事金融行业的主体的业务开展均带来了革命性的变化。
而其中零售市场，小企业客户市场由于其资本要求低，客户选择面广，影响客户选择的因素多等特点，许多非银行金融机构如小贷公司，互联网金融公司，第三方支付公司，电商等纷纷加入零售市场的争夺。以上公司利用互联网的红利，以及其在特定领域的数据积累，有效的弥补了基础建设薄弱、无实体网点等缺点，并通过互联网的触达能力，特定领域（如衣食住行，购物，社交）的客户黏性，并有效的利用数据的挖掘分析，人工智能的应用等实现了零售市场对传统金融机构的弯道超车。
连接客户首先从内部数据做起，如连接下图所述的相关系统中的客户信息：
我们还需要关注外部数据或者被我们舍弃的低价值密度的行为数据等
我们通过对内外部数据的有效连接和整合，并对底价值密度的数据进行有效的精炼和价值提取，我们会得到如下连接完的个人客户数据。
5.2
对于场景的还原，有两层含义，一为对客户轮廓的还原，二为对客户内在需求的还原，前者强调真实性，丰富性，后者强调指向性，精炼性。而要达到以上目标，我们往往需要构建相应的模型，模型分为特征模型与预测模型，特征模型主要用于对特征进行提炼，经过提炼的特征会输出客户的标签，成型的标签体系可以有效的支撑客户画像的形成。
以上只是描述的大体系下客户资源共享的问题，而对于如何主动的了解客户，在零售市场上面临着全面性与时效性的两大问题，翻译过来就是：我们需要尽可能完整的了解客户的方方面面，通过分析客户留下的数据痕迹，去还原当时客户的行为和内心需求，而现代社会的快节奏，零售客户的较低的关注持续性又要求我们必须及时的对客户的需求做出响应。