1、发掘数据价值 优化客户关系 促进业务发展 大数据精准营销推荐系统 2014年10月 行业背景 数据规模5年将增长7倍 微型企业贷款逐渐被侵蚀 银行与零售客户越来越远 目前，中国电子商务约占中国零售额的10%，Celent预计2020年将达到50%。这个趋势对于银行来说是非常不利的，银行处于电子商务产业的最末端，正在逐渐被边缘化。银行业面临的大数据带来的业务挑战 行业背景 同业银行的应对案例 中信银行信用卡中心：实时营销 光大银行：社交网络信息数据库 例：您刚消费了X元，如您再消费一笔超过Y元,即可在楼上的商户享受一次五折优惠。把社交网络上的用户跟光大银行用户匹配起来,实现对应,以便于进行针对某2、个客户群的营销。把用户在社交网络上的言论捕捉下来,并进行相关的营销活动,目前,进展并不顺利。抓取客户的各方面信息,包括:基本信息、爱好信息、行为信息、地理信息、电话、语音、网络的监控录像和在线交易信息等。招商银行：小微贷款 分析交易记录：招商银行可以根据客户交易记录分析,有效地识别小微企业客户,然后用远程银行来实施交叉销售。2012年,有1.6 万笔贷款就是通过这种方式实现的。跟踪搜索记录：招商银行还根据客户搜索记录,发布营销信息。2012 年,招商银行凭这个办理小微企业业务将近3万笔。客户细分：招行银行通过分析客户信息来细分客户,这些客户数据包括:行为数据、财务数据、区域地理信息、浏览内容信3、息。大数据时代的精准化营销 多渠道多渠道/接触点营销营销接触点营销营销 事件式营销事件式营销 交互式营销交互式营销 目标目标/细分营销细分营销 大众营销大众营销 (Mass Marketing)21-62%18-34%8.2-14.6%2.0-4.9%0.2-3.1%响应率 模型触发式营销 大数据预测营销 清单筛选式营销 平台 模型筛选 客户清单 规则库 模型筛选 事件触发 潜力挖掘 事前营销 客户体验 平台 渠道 内容 大数据平台 数据仓库平台 营销管理平台 物理网点 电子银行 移动终端 微博微信 电子商务 金融产品、服务 金融资讯 消费资讯 账户服务 结算平台 贯穿消费者行为始终的主体参与4、者 大数据精准营销推荐系统产品介绍 产品产品 关系关系 模型库模型库 标签库标签库 客户客户 算法库算法库 推荐时机 推荐内容 推荐渠道 规则库规则库 事件 场景化 量化 精准 实时 客户画像 营销方案 特点 平台 引擎 产品目标 发掘银行产品潜在客户，实现交叉销售 完成银行产品营销场景的多渠道协同 完善个人银行客户画像 促进个人银行业务的发展 外部数据 根据客户画像特征，识别并分析客户特征，决策产品推荐和营销活动 告知客户经理该客户适合的营销产品和活动 咖啡厅 碎片化时间 运营商 平台 爬虫系统 网点大堂 1 互联网 得到他行产品信息 得到金融或投资机构的分析资讯 得到线上的投资舆情 客户经5、理 自然属性 社会属性 价值属性 行为体系 客户画像 排队机 2 实时识别客户，并推送个性化产品和资讯 通过微信、短信等渠道发布、或者推送营销产品和活动 移动营销 3 外呼营销 4 产品应用范围 金融 消费 营销 资讯 信用 风险-客户画像-渠道协同-营销闭环-精准营销-金融资讯-宏观经济-政策法规-消费资讯-行业动态-网络舆情-个人信用-企业信用-信用评估-授信体系-信用风险-市场风险-操作风险-流动性风险-零售业务/个人银行业务-银行卡业务-电子渠道业务 买家-消费结构-消费金额-支付行为 卖家-销售量-资金流水-融资贷款行为 产品价值 大数据平台架构 为进一步优化客户关系、促进其他业务发6、展打下坚实平台基础 相对低廉的成本极具推广价值 Structured Data Non-Structured Data Semi-Structured Data Hadoop Ecosystem HDFS Hbase+Hive Mahout/R MapReduce Pig/Sqoop Zookeeper Oozie MongoDB Pre System/App System Apache Storm Real Data interface interface interface interface PC Mobile Numbering machine Apache Spark 爬虫系统 In7、ternet 产品价值 多渠道协同闭环营销 有效利用分行营销渠道，构建客户营销闭环 逐步完善、整合总分行渠道协同，增加多种新技术体验渠道，全方位提升客户感知体验 总 行 渠 道 分 行 渠 道 电话银行 微信平台 短信平台 邮件系统 手机银行 柜台/ATM 叫号机 短信平台 Wifi/LBS 网上银行 产品研发 市场细分 目标定位 市场营销 行为搜集 客户评价 Hadoop 数据仓库 大数据 平台 Mahout 推荐系统 交叉销售管理系统 总行 爬虫系统 BANCS 核心数据 信用卡集中平台数据 产品价值 多维度立体客户画像 客户统一视图 基本信息 联系信息 关系信息 合约信息 事件信息 资源8、信息 信用风险 评价信息 Mahout/R 数据挖掘系统 客户画像 行为体系 能力评估 偏好分析 自然属性 社会属性 价值属性 态度分析 评价信息 互联网生活行为信息 线下生活行为信息 产品、服务、资讯、活动 时间 地点 渠道 充分利用现有数据，计算客户指标体系，完善客户统一视图 不断吸纳行外客户行为信息，包括线上、线下行为信息，发现新的客户特征，发掘潜在客户，构建多维度立体客户画像 逐步积累、优化数据挖掘模型，不断清晰化客户画像 为个性化产品推荐、事件营销提供决策依据 行为/事件 应用场景 客户评价 产品价值 CRISP-DM 数据挖掘模型建设流程 客户画像 个性化的精准营销推荐 Mahou9、t/R 推荐系统 客户 统一视图 模型 指标体系 Mahout/R 数据挖掘系统 浏览 喜欢 购买 不喜欢 点评 分享 个性化推荐 遵循CRISP-DM数据挖掘模型建设流程，提高模型的有效性 个性化的行为和个性化的社会关系，决定了营销方案的个性化 个性化推荐能增强客户体验，提高客户忠诚度 推荐系统，能有效激发潜在客户，提高交叉销售的规模 产品信息 产品逻辑体系架构 客户统一视图 产品统一视图 外部采集数据 反馈评价数据 相关性算法 聚类算法 判别算法 预测算法 客户画像 指标体系 客户标签库 产品标签库 判别规则库 主体推荐算法 补足推荐算法 过度推荐控制 过滤排序控制 参数传入接口 数据输出10、接口 实时信息接口 推荐客户清单 推荐时机 推荐渠道 推荐内容 应用场景库 推荐交互&反馈优化 数据层 后台算法层 算法模型层 前台算法层 接口层 应用层 产品算法模型库 协同过滤 协同过滤推荐算法 协同过滤推荐（Collaborative Filtering recommendation）是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。用户相似度 其中，u、v表示用户u、用户v N(u)表示用户u曾经11、有过正反馈的物品集合 用户产品兴趣度 其中，u表示用户，i表示产品 S(u,K)包含和用户u兴趣最接近的K个用户 N(i)表示对产品i有过行为的用户集合 表示用户v对产品i的兴趣，一般令 =1 Wuv=|N(u)N(v)|N(u)|N(v)p(u,i)=WuvrvivS(u,K)N(i)rvirvi产品算法模型库 协同过滤 案例：性别：男 年龄：30 资产：30w 签约：a1、a2、a3 性别：男 年龄：25 资产：10w 签约：a1 性别：男 年龄：35 资产：50w 签约：a2、a3 性别：女 年龄：28 资产：20w 签约：a1、a2 产品兴趣度 78 34 85 80 用户相似度 9012、 25 75 50 性别：男 年龄：32 资产：40w 签约：a1、a2、a3 产品兴趣度：82 案例：某行贵金属营销目标客户 建模建模 评估评估 部署部署 数据数据 理解理解 数据数据 准备准备 数据挖掘全过程 商业商业 理解理解 1 2 3 4 5 6 1、贵金属的产品特征有哪些？2、贵金属投资者的特征有哪些？投资门槛低 交易成本低 交易时间长 当天多次交易 受政治经济影响大 年龄特征 学历特征 资产特征 投资偏好特征 其他金融行为 特征 消费特征 时间特征 评级特征 案例：某行贵金属营销目标客户 建模建模 评估评估 部署部署 数据数据 理解理解 数据数据 准备准备 数据挖掘全过程 商业商13、业 理解理解 1 2 3 4 5 6 1、哪些系统可以提供数据？2、能提供哪些相关数据？3、数据是否完备？4、数据质量是否好？5、总行是否可以补充提供数据？6、互联网上是否可以补充提供数据？1、数据源如何提供？2、数据格式怎样？3、是否需要清洗？4、映射、计算规则如何？5、应用平台如何使用数据？案例：某行贵金属营销目标客户 建模建模 评估评估 部署部署 数据数据 理解理解 数据数据 准备准备 数据挖掘全过程 商业商业 理解理解 1 2 3 4 5 6 1、如何做变量筛选？2、如何做变量标准化？3、如何做影响分析，确定权重？4、如何做客户聚类？5、如何做客户判别？6、如何计算客户相似度？7、如何14、计算客户投资兴趣度？8、通过对用户属性、行为的分析和聚类，描述用户画像 1、政治事件对贵金属投资是否有影响？2、宏观经济对贵金属投资是否有影响？3、贵金属投资是否存在周期性因素？4、如何评估挖掘模型对营销是有促进效果的？案例：数据挖掘过程 客户 客户 最近几年是否最近几年是否买过纪念币 买过纪念币 是否买过贵是否买过贵金属 金属 是否买过理是否买过理财产品 财产品 年龄是否年龄是否3045 是否是否VIP客客户 户 铂金卡客户 铂金卡客户 A 0 1 1 1 1 1 B 1 0 1 1 1 1 C 0 0 1 1 0 1 D 1 1 1 0 0 0 E 0 0 0 1 1 0 F 0 0 1 15、1 0 0 A B C D E F A B =0.8 C =0.77 =0.77 D =0.51 =0.51 =0.33 E =0.63 =0.63 =0.41 =0 F =0.63 =0.63 =0.81 =0.41 =0.5 变量筛选（略）客户画像 相似度矩阵 根据客户统一视图构建多元逻辑回归方程，通过向后剔除法判断和筛选显著变量 425315215210210315215210210191626061614过程有诸多简化。案例：数据挖掘过程 客户 客户 纪念币 纪念币 贵金属 贵金属 理财产品 理财产品 A 0.8-B-0.8-C 0.77 0.77-D-E 0.63 0.63 0.6316、 F 0.63 0.63-兴趣度矩阵 K 准确率 准确率 召回率 召回率 覆盖率 覆盖率 流行度 流行度 3 16.99%8.21%51.33%6.81 10 20.59%9.95%41.49%6.97 20 22.99%11.11%33.17%7.10 40 24.50%11.83%25.87%7.20 80 25.20%12.17%20.29%7.28 160 24.90%12.03%15.21%7.36 K均值最佳性能 令K1 过程有诸多简化。案例：客户画像指标体系 基本信息 性别 年龄 生肖 星座 学历 婚姻 职业 职级 关系信息 人人关系 关系类型 交易类型 交易频度 人商关系 商户17、类型 交易频度 交易额度 商商关系 商户类型 贵金属类型 交易频度 合约信息 借记卡开户历史 贷记卡开户历史 第三方存管RFM信息 基金业务RFM信息 理财业务RFM信息 国债业务RFM信息 网上银行开户历史 手机银行开户历史 结售汇业务RFM信息 贵金属RFM信息 纸黄金RFM信息 事件信息 单比转账 单比借记卡消费 单比贷记卡消费 贵金属交易价格 贵金属交易类型 评价信息 VIP等级 ECIF等级 卡片等级 信用额度 五大类、180个变量 相关性分析 老客户交叉销售 社会化协同过滤 案例：解读客户画像 变量相关性 用相关性分析判断变量的相关性系数 用主成分分析消除变量间的多重共线性 客户等18、级的高低不同，会影响到贵金属的消费 1贵金属购买的历史行为，会影响到贵金属的消费 2客户黏度，包括客户的投资理财行为，会影响到贵金属的消费 3客户的忠诚度、账龄，会影响到贵金属的消费 4客户的生命周期，会影响到贵金属的消费 5案例：解读客户画像 客户生命周期 客户数 交易次数 19岁以下 1924岁 2453岁 5464岁 64岁以上 916岁 贵金属的目前的消费主题是年轻人和中年人 未成年人对贵金属热度非常高，体现出父母的对子女的喜爱或鼓励；未成年人的消费潜力巨大 案例：解读客户画像 账龄黏度（忠诚度）0 1 2 3 4 5 6 7 8 1 25 50 75 100 125 150 175 19、210 购买概率加权平均 结论：黏度越高，购买概率更大 黏度比账龄，对购买概率的影响更大 案例：解读客户画像 购买时机 1季度 2季度 3季度 4季度 女性 男性 结论：1、2、5月份购买人群较多，尤其是1月底、2月初 佩戴品 投资品 纪念品 艺术品 案例：解读客户画像 消费行为 265个商户类型与贵金属消费的相关性 MCC 商户类型 相关性系数 0000 婚庆 7.02 4722 旅行社 8.70 5094 贵重珠宝、首饰，钟表零售 8.09 5271 活动房车经销商 8.03 5441 糖果及坚果商店 8.30 5933 当铺 10.89 5945 玩具、游戏店 8.11 5946 照相器20、材商店 8.12 5947 礼品、卡片、装饰品、纪念品 8.06 5992 花店 6.93 7230 美容理发店 8.83 8021 牙科医生 8.75 8351 儿童保育服务（含学前教育）8.11 9402 国家邮政服务 9.01 相关性较高的商户类型 案例：解读客户画像 社会关系 123未成年人关系 夫妻情人关系 父子母子关系 筛选条件：年龄=3，and，双方性别不同，and，年龄相差10岁以内筛选条件：信用卡存在主副卡，and，双方性别不同，and，年龄相差10岁以内 输出：客户号、年龄、性别、是否贵金属客户，对方客户号、年龄、性别、是否贵金属客户 筛选条件：自动转帐业务，and，年龄相21、差2540岁 筛选条件：备注信息匹配“赡养费”输出：转入人客户号、年龄、性别，转出人客户号、年龄、性别，转账备注，转入人是否贵金属客户，转出人是否贵金属客户 筛选条件：信用卡还款业务次数=3，and，年龄相差2540岁 筛选条件：信用卡存在主副卡，and，年龄相差2540岁 输出：客户号、年龄、性别、是否贵金属客户，对方客户号、年龄、性别、是否贵金属客户 自动转账 1自动还款 2主副卡 3案例：解读客户画像 客户分群 案例：客户兴趣度反馈 客户号 客户号 客户姓名 客户姓名 联系方式 联系方式 兴趣度反馈 兴趣度反馈 沟通日期 沟通日期 1 XXX xxx 强烈感兴趣 有一点兴趣 不太感兴趣 厌恶 2 XXX xxx 强烈感兴趣 有一点兴趣 不太感兴趣 厌恶 3 XXX xxx 强烈感兴趣 有一点兴趣 不太感兴趣 厌恶 兴趣度说明：强烈感兴趣：-确定近期有购买计划，想了解更多产品信息 有一点兴趣：-近期无购买计划、或者没有表示购买意愿，但想了解一些产品信息 不太感兴趣：-近期无购买计划，也没有意愿了解产品信息 厌恶：-拒绝了解产品信息 案例：营销评估 召回率 覆盖率 准确率 0%30%100%0%100%0%100%80%40%准确率 召回率 覆盖率