新闻中心

News Center

现代营销的答案——“集奥方舟智能应用平台”

2016-12-16 20:07:41
摘要
 
自步入“大数据时代”以来,越来越多的企业意识到大数据的价值。通过大数据,企业的许多需求可以得以实现。不过,一个现实的问题摆在眼前,大数据在我国至今仍属一个新事物的范畴,虽然“数据”积累已久,但是能够应用数据的人才却凤毛麟角。除此之外,即使有大量数据,如何使用这些数据也是困扰企业的难题。
 
为了解决企业大数据应用方面的难题,提供真正专业的大数据服务,GEO集奥聚合(全称北京集奥聚合科技有限公司,下简称GEO)2012年在北京成立。致力于深度挖掘大数据的商业价值、发掘与培养大数据人才,打造中国领先的第三方数据整合和场景化应用平台。
 
GEO的产品之一“集奥方舟智能应用平台”是一款基于场景的大数据产品,基于该平台,GEO为企业提供专业的大数据技术与人才支持,覆盖线上及线下的第三方画像描述数据,对10亿人群用300万个维度进行描述刻画,搭建消费者全景行为视图,实现客户需求的全面洞察及分析,有效提升金融业务/产品的推广效能,满足企业营销效果优化、精准触达用户、外部数据补充、外部数据安全等需求。
 
正文
 
一、 金融机构应用大数据所面临的困境与解决方式
 
银行的零售业务面向的用户存在极大的个性化差异,相对单一的营销模式已无法对全面的客群同样产生效果,在这种情况下,需要结合银行自身数据与互联网数据,对大量人群进行的社交、电商、金融等相关属性进行关联分析,一方面可以发掘用户潜在的金融需求,进行交叉营销,提升综合服务能力;另一方面,补全用户外延信息,全方位判别用户在金融市场的行为,能够满足用户多元化需求,有效提升业务的灵活性。行内数据具有非常大的价值,当前因为数据孤岛的存在使得数据的应用存在局限,面对分散的市场,引入第三方的大数据与行内数据拼接,具有较大的现实意义。
 
1.关联:进行场景化营销
 
在移动支付的大趋势下,多数银行都将自身的零售金融产品和消费场景结合,应用场景化营销推出包括联名卡、专属购物频道等多种金融服务。相比旅游、电商、社交等互联网平台,银行机构在场景化方面并不具备优势,缺乏洞悉用户消费需求的能力和手段,无法针对用户进行精准营销。通过大数据合作,采集并整理旅游、装修、教育等多个行业相关数据,发掘用户的实时需求,把金融服务快捷便利地传播给广大的消费者,将消费场景可以转化成自己的营销场景。
 
2.预测:用户价值判定,沉睡激活,流失预警
 
如何识别重点用户成为银行机构需要解决的重要问题,银行内部数据能够识别一部分重要用户,但在潜在重要用户的判别上存在局限性。外部数据的补充可以将用户的外延信息补全,全方位判别用户在金融市场的行为,并通过深度学习模型,建立起重要用户的判别模型,预测用户多元化的金融需求,用于用户价值判定,沉睡用户的导向性激活,或者根据用户在行内外的行为进行综合分析,对用户潜在的流失风险进行预警。
 
3.增值:优化产品设计,促进交叉营销
 
目前金融产品的营销和获客已经是一片红海,传统手段已经很难获取到有效的客户。各家产品的差异化竞争迫在眉睫,而差异化最重要的表现之一就是“对症下药”,针对不同用户推荐给他最合适的产品,这恰恰是大数据所擅长的。通过大面积、无差别的传统促销方式获取用户的方法使银行获得及维持用户的成本不断攀升,并不能有效培养客户对银行的忠诚度,甚至有可能造成一定程度的恶性循环。通过大数据手段,完善用户的管理体系,发掘用户的真实需求,并根据相关需求重新设计金融产品,使用户不同金融需要能够及时得到满足,增强用户的黏性及品牌忠诚度。
 
二、“集奥方舟智能应用平台”全面解决客户难题
 
 
系统概述
 
“集奥方舟智能应用平台”是一款服务于金融场景的大数据产品,它能够为企业提供专业的大数据技术与人才支持,覆盖线上及线下的第三方画像描述数据,有能力对5亿消费者通过300万+个维度进行描述刻画,搭建用户全景行为视图,实现客户需求的全面洞察及分析,有效提升金融业务的推广效能。能够满足金融机构营销效果优化、外部数据补充、风险防控等需求。
 
它的特点是可以进行新客营销、存量营销,为客户提供场景化营销解决方案;完善多场景营销链条,并与线上多渠道推广无缝衔接;实时、灵活、海量数据量计算、跨平台汇聚、多用户行为分析、多行业报告分析等特点,帮助企业制定商业策略;解决企业营销活动中,规划、执行、分析各阶段割裂,通畅地进行监控和适时调整;将繁复的人工工作产品化、平台化。
 
在搭建“集奥方舟智能应用平台”的过程中,运用了多种技术并最终实现四大创新:
 
1、营销理念的创新
 
多维度视角洞察用户,识别用户对内容、渠道、行动的兴趣偏好,从而把握营销时机,实现从“为产品找用户”到“为潜客找产品”的突破。
 
2、营销模式的创新
 
构建基于用户画像描述的“按规则打标签——提取目标号码——营销推送——效果评估”闭环模式,进一步优化相应节点。
 
3、流程体系的创新
 
平台搭建用户信息运营体系,利用大数据平台和营销管理系统将合适的业务,通过合适的渠道,在合适的时机,以合适的行动,推荐给合适的用户,完成从分析力到执行力的无缝对接。
 
4、信息消费方式的创新
 
通过信息推送平台,主动向一线营销人员推送信息,实现随时接触客户,随时理解用户,随时积累用户,提高营销方案推荐的成功率。
 
主要功能设计
 
1、优化交互体验,引导用户完成整套营销流程,并有人性化提示信息
 
2、增加后台管理模块,监控对外营销渠道审核、发布流程,将线下渠道操作流程产品化。
 
3、营销场景模型分析客群的喜好、需求、痛点,策划投放线上推广活动,以数据推动内容营销,推广过程中捕捉用户行为路径,迭代营销场景模型,提供服务质量,精准营销客群,降低运营成本。
 
4、营销短信投放,设有免打扰时段,在用户休息期间推送不打扰用户,定时推送,提前设定好营销内容以及发送时间,避免在营销链条上因人为原因造成干扰因素。
 
5、营销线索人群应用外呼渠道,主要功能有客户资料管理模块,避免客户流失,自动识别出空号、错号、忙音和关机等状况,将有效的电话号码转接至坐席人员,增加成交机率,扩大市场份额。
 
6、性能优化,人群匹配扩展至千万量级,并可以秒级展示人群分布视图。
 
7、设计高可用方案,监控生产运行环境,及时处理异常情况,支持7*24正常工作。
 
8、方舟有新客营销和存量营销,可视化人群活跃视图、人群分布图、社会网络分析(标签)、场景模型、漏洞模型展示。
 
 
实际应用
 
在实际应用当中,以某银行零售总部为例,它面临的问题是:需要对有消费贷款需求的客户进行营销,出于行内的风险政策限制,仅对其设定的白名单存客开放,为节约营销成本,提高营销效能,行方需引用第三方平台的标签数据进行客户分析及洞察。
 
GEO的解决方案是:通过使用集奥方舟平台,分析ZS贷款产品的适用人群特点,定制针对性的标签筛选应用方案,将潜在的意向客群数据同步至行方营销渠道,并跟踪分析最终营销效果。其中涉及的功能亮点是:集奥方舟标签定制+数据匹配筛选+内部营销渠道对接。通过使用这套方案,该行的客户响应率从4.2%上升到10%,营销效果得到显著提升。
 
三、 “集奥方舟智能应用平台”能为金融机构带来什么
 
 
传统营销大多以人口统计学特性来概括目标消费者,例如消费习惯、心理特征、兴趣爱好,这样的深度数据需仰仗专业市场调查公司,而借助大数据技术,营销者可以自行归纳、总结目标人群个体的行为特征和消费偏向,从面对人群营销,进化到面向单个人乃至是单个人在一个特定场景内的营销。集奥方舟基于消费者的相关信息,利用大数据建模技术,归纳出消费者的属性(如所在地区、性别)和兴趣、购买行为等维度,挖掘目标消费者,然后进行标签层的分类,再根据这些标签对个体消费者进行营销信息分类推送,借此提供个性化产品和服务,或者实现更精准的广告:
 
第一,属性标签层。这些属性可以从人群属性(性别、年龄、职业、收入等),设备属性(设备价格、设备系统、设备型号等),运营商属性(中国移动、中国联通、中国电信等),城市属性(发展程度、人口数量、区域位置),商圈属性(功能、位置等)等几个主要类别的属性进行归纳并打标签,属性标签数量的多少与一个平台的技术及经验有直接的关系,技术越成熟,抓取的属性越准确,经验越丰富,属性的分类就越合理。
 
第二,行为标签层。是指经过对用户在特定时间段、电信运营商服务地理区域范围内的登陆网页或者app的行为分析而产生的标签层。行为标签层的分类依据行为发生的频次统计做出标签,如果用户的行为只是在某个时间段内产生过寥寥几次,并不会被列为一个标签,只有该行为的发生有一个规律的频次或周期出现才会被视为一个标签。比如经常玩手机游戏,经常使用旅游软件等细分出像商旅人群、手游人群、理财人群、爱车一族、化妆品受众、教育受众等等。由于用户的行为方式多种多样,这类的标签就会有成千上万个,对广告投放的的精准性来讲无疑是一大优势。
 
第三,目标人群层。这是与营销行为最直接相关的层级,目标人群层主要是根据属性标签层与行为标签层组合之后产生的标签层,这种组合会产生一个极大标签量,同时一个用户被贴上多个标签之后就会变成一个综合标签体,也就保证了目标人群的精准性,例如某广告主需要定位在35岁左右的男性汽车受众,就可以通过第一层级的年龄、性别加上第二层级的汽车浏览行为组合后得到目标人群,从而定位出与该品牌最相关的人群,这样的营销行为针对性极强,效果极佳。
 
四、大数据应用未来发展趋势
 
1.推动业务发展模式转型。金融机构应该把大数据应有作为战略转型的重要抓手。通过广泛收集多渠道、多类型的数据,利用大数据技术整合信息,对客户体验做深度挖掘,了解客户真实需求,开展精准营销和个性化服务。金融企业能否转型成功关键在于能否找准自身定位、满足客户真实需求。而在这个方面,大数据分析将发挥实质性的作用。
 
2.推动风险管理模式创新。金融机构的风险管理应该是高度量化的,所以必须发挥业务数据的基础性作用。一方面通过多种传感器、多渠道采集数据,更加全面、准确、实时的掌握业务信息,有效降低信息不对称带来的风险;另一方面可以利用大数据技术找到不同变量间的内在关系,形成准确的决策模型。金融机构面临的其他风险,如市场风险、操作风险等,更是需要依靠大数据,才能进行有效的监控和管理。
 
3.促进内部管理结构升级。近年来,金融机构的管理升级行动层出不穷,包括业务流程再造、关键绩效指标、经济增加值等模式轮番上阵。但很多管理升级项目的效果并不明显,重要原因是,企业是在缺乏有效的数据支持的情况下凭借经验作出的决策。因此,金融企业应通过自身数据分析寻求规律。通过采用大数据分析,对相应的管理模式进行对比分析和实证检验,找到能真正解决本企业问题的管理方法,实现内部管理结构的有效升级。
 
4. 提升传统行业运营效率和生产力。大数据除了能带来新行业的变化,也会千丝万缕的渗透到传统行业的生产运营的每一个环节中,即使产品对外出口的面貌不变,产品的生产方式,组织方式,内部运营环节等等,也会发生质的变化,最终提升的是产品的核心生产力,降低产品成本;提升的是内部的运营效率,降低的是环节总数和运营成本。
 
微博 微信
400-115-0165 400-115-0165 申请
试用