大数据平台

•微光融创基于六年来专注于大数据的应用实践,为银行业提供端到端的整体解决方案,帮助银行实现海量多源异构数据的采集、整合,并运用大数据文本分析和数据挖掘技术,深入挖掘客户特征、 需求,从而为银行向客户提供差异化服务和个性化产品、产品创新等提供数据支撑,整体解决方案如下:

1、用户实时行为分析 互联网金融及第三方支付的出现,让银行用户流失亚重,同时也更加不了解用户的需求,通过在银行官网、app上部署采集访问用户实时行为的代码,让银行可了解用户在网上的行为特征、黑求,拉近银行和用户的距离,从面为更精细化的服务提供数据依据.

实时行为包括:

用户分析:新增、活跃、沉默、流失、回流

渠道分析:渠道来源、渠道活跃、渠道流量质量

客户留存分析:留存用户(率)

事件和转化分析

客户体验度量:使用时长、地区分析、终端分析...访问原因探查:访问时间、访问频次、停留时长、访问路径

2、个性化服务和资讯推荐

根据客户使用银行产品和服务的历史信息及在银行官网/app上留下的实时信息,利用大数据文本分析和挖掘技术,分析客户的长期、短期偏好和需求,预测当下和潜在偏好和需求,为客户推荐个性化服务或资讯。

3、精准营销

面对银行存量客户交易不活跃,新客获取渠道少,渠道流量质量差等各类问题,微光融创银行精准营销方案以用户出发,识别每个客户在银行内外的上网特征、金融产品消费偏好、金融渠道偏好、金融风险偏好、互联网消费偏好、互联网内容偏好、社交网络等信息,将用户特征匹配银行产品特征,从而将更合适的产品信息精准推送到合适的用户(群). 新客的获取:基于采集的企业内外数据,在充分分析银行产品和服务特征的基础上,分析客户特征,从海量用户(互联网、app、邮箱等) 中精确匹配到适合银行产品和服务的高价值、高净值客户,通过实时竟价广告 (tb)edm(个性化邮件营销)、搜索营销(sem)等手段将产品和服务资讯推送给匹配的客户,帮助银行快速获取高价值客户. 存量客户营销:帮助银行从产品或者从客户出发,分析产品或客户的特征,运用口碑扩散模型、look-alike模型等为产品找到合适的老客户,或者为老客户找到合适的产品,从而实现老客户的再营销,提高客户满意度,增强客户黏性.

4、产品分析

对银行所有产品进行画像,形成统一的产品画像体系,从而对产品的特征、产品的销售情况、利润情况、新产品研发等提供参考.

立品全方位信息视图:通过产品画像体系,可以对具体产品的各项指标有更全面、直观的了解,主要特征包括:

基本信息:统一的产品号、产品名称、产品定义、产品上线时间、产品经理等信息.

产品的种类:

按对资产负债表的影响分类:资产类产品、负债类产品、中间业务类产品.

按服务对象分类:对公产品、对私产品.

按业务特质分类:国际业务、信贷业务、结算业务、投资银行业务、信用卡业务等

评价信息:产品积分、贡献度、当前评价信息和评价历史.

销售渠道:柜面渠道、网上银行渠道、手机银行渠道、直销银行渠道等产品规模:产品余额、产品客户数、单位时间内销售额、户均持有产品数等

5、产品创新

通过对特定数据进行提取和分析、产品核算,清晰对比各类客户的产品覆盖率、产品使用率、产品黏度、产品收益,结合互联网舆情和友商的竟品信息,进而针对不同的客户群提出差异化的产品创新需求.

6、产品评价

根据产品后评价指标建设评价模型,实现对产品的系统评分,获取每个产品各指标数据,采用等级评分法等方法对数据进行标准化处理,反映每个产品的每项指标在组内产品中的排序,评价指标包括;产品预期偏离度指标、产品综合效益指标、产品规模指标、产品质量指标等.

7、风险防范支持

风险防范重点关注个人客户在银行体系内外的负面信息,银行体系内的负面信息包括:信用卡逾期、贷款逾期、黑名单信息等,银行体系外的负面信息包括:p2p/小贷公司等黑名单信息、公检法的诉讼案件信息、国家行政机关处罚信息(工商、税务、一行三会、协会等) 以及网上负面舆情(虚假宣传、误导消费者)等,从这些数据出发,全面评估个人客户在银行的风险等级,为银行的风险防范提供决策支持.

文章关键词

银行解决方案，找微光融创