集奥聚合发布金融雷达 打造金融场景化服务利器

2016-05-03 eNet&Ciweek

  近日,GMIC 2016全球金融创新峰会在京盛大启幕,由中国最大的第三方数据整合和场景化应用平台GEO集奥聚合携手长城会共同举办。以“新机遇、新挑战、新应用”为主题,现场众多行业大咖就人工智能、数据场景、金融支付、互联网+财富管理等热点话题进行了深入探讨。

  峰会中最亮眼的内容莫过于集奥聚合重磅推出的一站式金融大数据平台——金融雷达。集奥聚合金融事业部总经理吴海斌先生现场分享了大数据技术落地于金融场景的诸多干货。金融雷达的发布,解决了金融机构精准营销和风险控制的难题,成为打造金融场景化的服务利器。

  深耕大数据与金融,金融雷达让大数据落地于场景

  作为中国最大的第三方数据整合和场景化应用平台,集奥聚合已在大数据行业深耕多年,目前覆盖了中国7亿用户的行为数据和2亿社交数据,包括线上、线下、政府等各方面的丰富数据以及企业第一方数据,通过这些数据,建立智能学习算法模型,为1000多家企业、100多家金融机构提供一站式大数据服务。此次金融雷达正是基于金融行业各个场景所推出的定制产品,能够帮助金融机构在互联网时代解决营销、风险控制等各种痛点。

  吴海斌表示,“金融雷达产品并不是一蹴而就的,而是几年来与众多金融机构客户一起沟通、磨合出来的,其中包括各大银行、国有银行,股份制城商行和股份公司等。厚积薄发,金融雷达的诞生是基于场景、帮助金融机构真正解决问题的定制产品。”

  丰富的第三方数据与强大机器学习引擎带来更高效的新客获取

  无论是大银行、小银行,包括互联网金融公司,新客获取是永远的话题,但传统方法获取效率往往较低且成本大。

  金融雷达基于深度学习模型的人工智能技术以及对算法的迭代优化,为金融机构降低成本的同时,显著提升新客获取的回复率。

  拥有十几年银行工作经历的吴海斌先生,非常了解传统银行存在的诸多痛点,金融雷达正是为解决这些痛点应运而生的产品。他为现场来宾举了一个例子,某金融机构做信贷产品的新客获取,利用每天获取大量数据和线索,做大量的工作,最终获得1.5%的回复率,而这1.5%中仅有9%的客户完成整个产品申请书填写。而金融雷达让这家金融机构获得平均3.2%的回复率,20%的客户成单率,整体效果达到4.7倍的提升。

  这是如何做到的呢?金融雷达是基于集奥聚合丰富的线上、线下数据以及强大的机器学习引擎而成的产品。金融机构的第一方数据虽然体量庞大,但这样的数据是不连续、不完整、不新鲜的。金融雷达能够在第一方数据的基础上结合连贯、多维度的第三方数据,描绘出更精准的用户画像,从而精确把握用户群体和个体网络行为模式,从而发现用户、了解用户。

  比如在这个信贷产品的项目中,金融雷达得到金融机构的第一方用户属性数据后,结合集奥聚合的大数据标签体系,形成精准的用户画像,帮助银行发现有信贷需求、低风险的高价值用户,并在第一次投放后继续优化模型,不断提高转化率。

  描绘丰富精确画像发现用户真正的需求

  银行内部本身拥有大量的客户数据,但这些客户数据往往都没有被很好地利用起来。第一方的数据很难让银行发现客户除了金融需求以外的其他需求,如贷款、信用卡、理财产品、保险等。而金融雷达可以帮助银行发现哪些用户需要什么样产品。

  比如在银行眼中,一个仅存了5万块定期、年轻、月收入不高的客户,往往被认为是一个低价值的客户,在推介产品时就会忽略这样的客户。但通过像金融雷达这样的大数据金融产品,能够帮助银行把客户其他维度更丰富的数据补充进来,形成更完备、更鲜活的用户画像。

  通过金融雷达,我们发现这个只存了5万块定期的用户,有一个孩子、每年至少两次出国、经常在网上查一些关于教育培训方面的信息、经常找软件下载方面的知识……如此看来,这对银行来说这无疑是一个高价值客户。有了360度的用户画像,就可以为客户精准推送不同的金融产品了。

  将客群分类激活,提高投放精准降低投放成本

  存量客户可以说是银行的第三大痛点。当银行推出新产品,如银行App,如何能够让老客户们去发现并使用新产品呢?

  存量客户聚类分析就是对银行原有的用户,既第一方数据将与第三方多维度数据进行交叉分析、识别客户属性、消费能力、兴趣偏好、产品需求等客户特征,对客户进行聚类分析,将相似特征的客户进行分群。客群分类能够降低广告的推介成本,并提高广告推介的精度。

  比如通过行为匹配,金融雷达能够发现有32%的客户喜欢使用外卖App,对这些32%的用户,营销策略就是在这些用户下载了银行的App后,送外卖的现金优惠劵。这样不仅提高了下载量,由于投放精准,也降低了推广成本。

  行为分析预测客户流失并定制挽回方案

  对于金融机构来说,用户流失的问题往往像是一个黑箱,客户流失的原因很多,难以预防。

  但金融雷达可利用近期金融产品访问的行为数据,预测客户流失的可能性并预警。具体解决方案为,对银行内部已流失客户的历史行为进行建模分析,学习流失客户流失期间的行为特征,并对现有活跃客户进行分析,预测客户流失概率,对不同价值、不同流失概率客户进行分组管理,设计出不同的客户挽回及管理方案。

  未来金融雷达还能应用在更多场景

  除了能够解决以上痛点外,风控评分、反欺诈产品也包含在金融雷达中。吴海斌在最后说到,“金融雷达产品的设计思路就是帮助我们的客户解决端到端的困扰,实现共赢。”而未来,集奥聚合也会不断通过应用实践、积累经验、技术创新,为金融雷达加入更多可应用的金融场景。

您对本文或本站有任何意见,请在下方提交,谢谢!

投稿信箱:tougao@ciweek.com