ASSZ2015劉譯Z大數(shù)據(jù)驅(qū)動(dòng)的金融業(yè)務(wù)創(chuàng)新4：3.

1、 引子：高價(jià)值潛在客戶挖掘 (出國(guó)金融 業(yè)務(wù)目標(biāo) 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（高價(jià)值客戶）， 達(dá)到潛在客戶轉(zhuǎn)化為真正客群的目的。 解決方案 數(shù)據(jù)準(zhǔn)備與匹配 數(shù)據(jù)準(zhǔn)備 找到高價(jià)值潛在客戶 找到精準(zhǔn)營(yíng)銷切入點(diǎn) 營(yíng)銷方案制定與執(zhí)行 歷史用戶 指標(biāo)分析 樣本客戶選擇 目標(biāo)客戶分類 特征變量選擇 目標(biāo)客戶選擇 營(yíng)銷方案執(zhí)行 數(shù)據(jù)匹配 探索性數(shù)據(jù)分析 用戶行為分析 制定營(yíng)銷方案 營(yíng)銷效果分析 引子：高價(jià)值潛在客戶挖掘 (出國(guó)金融 解決方案 數(shù)據(jù)準(zhǔn)備與匹配 找到高價(jià)值潛在客戶 找到精準(zhǔn)營(yíng)銷切入點(diǎn) 營(yíng)銷方案制定與執(zhí)行 對(duì)出國(guó)留學(xué)金融客戶群 進(jìn)行分析，發(fā)現(xiàn)： 1. 出國(guó)前6-10個(gè)月，

2、出 國(guó)金融客戶較為關(guān)注 經(jīng)常逛留學(xué)社區(qū)論壇； 2. 出國(guó)前3-6個(gè)月，出國(guó) 金融客戶的注意力會(huì) 1. 將A銀行北京分行 1. 選擇出國(guó)留學(xué)類金融 的客戶與百分點(diǎn) 數(shù)據(jù)進(jìn)行匹配， 得到公共用戶； 產(chǎn)品進(jìn)行分析； 2. 對(duì)A銀行北京分行從 2013年6月至2014年 1. 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 重點(diǎn)； 定營(yíng)銷短名單，以定 制短信廣告和柜面人 工詢問(wèn)（短名單提前 2. 剔除公共用戶媒 體關(guān)注類標(biāo)簽過(guò) 少的用戶； 3. 將剩余用戶作為 6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A行 學(xué)校所在目的地國(guó)家， 2. 與業(yè)務(wù)人員討論，

3、確 分析基礎(chǔ)。 客戶； 3. 需要在用戶申請(qǐng)學(xué)校 之前先聯(lián)系到客戶。 偏向簽證、機(jī)票等。 收工錄入）的方式進(jìn) 行營(yíng)銷。 用戶標(biāo)簽層次 基于全網(wǎng)海量異構(gòu)的用戶數(shù)據(jù)，采用 統(tǒng)計(jì)（SUM、Top N、）、算法（AR、PageRank、）、 建模（CLV、RFM、Cox）等方法，生成用戶標(biāo)簽及標(biāo)簽值 用戶數(shù)據(jù) 預(yù)測(cè) 人口屬性 人群屬性 消費(fèi)能力 模型預(yù)測(cè) 消費(fèi)意圖 商品（內(nèi)容）數(shù)據(jù) 產(chǎn)品手中 網(wǎng)站受眾 產(chǎn)品定價(jià) 模型預(yù)測(cè) 影響力 商品畫(huà)像 類目模型 建 上網(wǎng)行為 商品信息 標(biāo)簽?zāi)Ｐ?模 模型 用戶價(jià)值 人口屬性 活躍度 人群屬性 忠誠(chéng)度 消費(fèi)能力 建 模 消費(fèi)偏好 上網(wǎng)偏好 事實(shí) 人口屬性 會(huì)員信息 購(gòu)物行為 類目信息 標(biāo)簽信息 文本分析 統(tǒng)計(jì)分析 原始 網(wǎng)站行為 會(huì)員信息 消費(fèi)行為 DSP行為 HTML 分類信息 商品信息 用戶畫(huà)像技術(shù)架構(gòu) 大數(shù)據(jù)技術(shù)平臺(tái)Lambda架構(gòu) 數(shù)據(jù)采集 業(yè)務(wù)系統(tǒng)數(shù)據(jù) （數(shù)據(jù)橋接） 系統(tǒng)日志數(shù)據(jù) （Flume） 用戶實(shí)時(shí) 線上行為數(shù)據(jù) （數(shù)據(jù)探頭） 互聯(lián)網(wǎng)數(shù)據(jù) （數(shù)據(jù)爬?。?離線數(shù)據(jù) 數(shù)據(jù)分發(fā) FTP 消息系統(tǒng) （Kafka） 實(shí)時(shí)數(shù)據(jù)處理 Storm 數(shù)據(jù)存儲(chǔ) Redis 集群 MongoDB 集群 HDFS MySQL 集群