(转)大数据证券行业客户360度画像

大数据证券行业客户360度画像，人人变身销售大咖
数据来源：
http://www.gbicc.net/news/2016/newsCom2016121501.html

大数画像是智能投顾的五大基础支柱之一。获取客户、了解客户、然后寻找客户、再进行服务，并找到触达客户的方式，在正确的时间、使用正确的产品、用正确定的方式送达客户，是移动互联网时代客户全息画像的目的。进入移动互联网后，浏览手机已经成为工作和睡觉之后的，人类第三大生活习惯，我们的客户消费行为也出现了分化，而且移动APP已经成为所有金融企业的客户入口、服务入口、消费入口、数据入口。

(一) 利用内部数据+外部数据了解客户、服务客户和触达客户

建立完善的标签体系，便于筛选客户，实施精细化服务。为了深入了解客户群体分化和他们需求多样化，需要利用当前大数据收集与分析技术，搜集客户外部位置数据、消费数据、信用数据、终端数据、兴趣爱好、人口属性等数据，再加上公司内部客户交易数据、客户留存数据，对客户进行深入挖掘，建立完善的标签体系。

(二) 和传统BI比较，大数据画像速度快、维度全

基于大数据平台的分析型应用，速度快，成本低。大数据画像属于分析型基础应用。与传统BI相比，券商大数据画像选择大数据技术有四大理由。

 数据存储量大，轻松处理PB级数据

 大数据外部非结构化数据用于客户画像，需要用大数据技术处理

 数据量大，算法选择性多，增加画像精准度

 分布式计算，分析速度远非传统BI可比

图1：大数据画像技术比较

与传统BI系统相比，新型大数据平台可以提高几十倍查询速度。当数据量达到一定程度，例如TB级以上，传统数据库处理起来就比较费时，影响业务开展效率；当数据量达到PB级以上时，选择新型数据库，搭建大数据平台就势在必行。

(三) 基于大数据画像的应用

1、新客户获取

大数据画像，辅以第三方数据，可以扩充客户获取方式，方法和手段都远比传统获客方式更便捷，更有效。

图2：利用大数据获客

大数据获客方式之一是利用大数据深入刻画线下搜集客户名单。证券公司经常会举办投资研讨化、各种慈善赞助会、行业峰会等等，业务人员都会从中搜集大量名单（或名片），但除了简单的公司名称、职位和电话外，所知信息非常有限，对客户财力、兴趣爱好、职业习惯等等一无所知，与客户沟通时不知如何展开，或不能达到预期效果。但利用大数据，将新搜集名单与第三方数据关联进行分析，获取客户全方位画像之后，再进行获客沟通，将产生极大效果。

图3：利用大数据对线下客户名单画像

大数据获客方式之二是基于现有客户内部画像，找出第三方数据中类似客户群，然后有针对性地进行客户开发。例如，可根据高忠诚度客户、价值客户等内部数据画像而形成的特征，再与第三方数据结合，开发高价价值客户。而且，还可以直接将特征发送给第三方数据公司，由其直接提供相应的客户群名单及联系方式，然后开展新客户开发。

图4：内部画像与外部数据结合开发新客户

2、精准营销

精准营销是目前深度挖掘客户潜力的最重要步骤，客户通过搜索引擎及公司网站浏览路径留下庞大的有关兴趣、偏好等信息数据，公司通过大数据分析，可以快速视觉化客户的个性、特征等内容，进而有针对性的提供解决方案。

图5：根据客户软件或网页操作行为优化软件开改进投顾产品

精准营销主要包括实进营销、交叉销售、个性化推荐与客户生命期管理等四方面。

（1） 实时营销。券商根据客户的实时状态来进行营销。

图6：实时营销

（2） 交叉营销。即不同业务或产品的交叉推荐

例如，数据检测发现某客户的资金经常在保证金账户和银行托管账户间转换，同时炒股和购买银行理财，则券商可以加大资管产品的营销力度，实现交叉销售，甚至可以把客户更多的资金从银行端吸入进来。

（3） 个性化推荐

券商根据某类型客户的独特偏好进行服务或者提供个性化推荐。如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广。

（4） 客户生命周期管理

♦新客户获取

♦客户防流失——预警模型

♦客户赢回

3、渠道、产品或服务方面的运营优化

运营优化，包含市场和渠道优化、产品和服务优化、以及舆情监控在对客户的全流程服务中，大数据系统将能够实时分析并提供解决方案，以保证券商运营效率最大化。

（1） 市场和渠道端优化

通过大数据分析，券商可以监控不同地区、不同形态市场的推广渠道，尤其是网络渠道推广的质量，目前大部分上市券商均能够同时覆盖全国经济发达地区和某些传统优势省份，同时互联网券商又为券商提供了多一层次的市场空间。

（2） 产品和服务端优化

券商可以将客户行为及时转化为信息流，分析客户群体性的特征和风险偏好，了解客户当前的习惯，并结合过往案例和模型预测客户需求，从产品服务的优化升级再到未来产品创新。

（3） 舆情监控

通过爬虫技术和信息处理技术，可以及时掌握市场情绪及市场热点正负面信息，并将相关信息推送至客户手里。

图7：客户舆情监控

（4） 客户流失预警。

产品、服务的价格和质量，客户的交互情况，客户经理的稳定性，管理的平衡性，以及行业的变迁都将影响客户的流失率。建立流失预警模型后能通过大数据分析归纳出过往客户中具有高度流失倾向的客户普遍特征。然后从现有客户中比对找出类似特征客户群，形成客户流失可能性预测，对潜在流失客户制定挽留方案。迄今为止，大部分的客户流失管理仍然停留在经验识别的阶段，大数据将大大促进这一块业务水平的发展。

图8：客户流失预警方案图

（四）画像目的是建立客户标签体系、为投资客户提供精准服务

1、对客户进行大数据用户画像，建立标签体系

利用大数据技术对用客群体进行画像描摹，通过样貌、性格、爱好、工作、资产等“标签”归类，呈现出每一位客户的“个性画像”，进而更好的抓住已有客户并且有效获取潜在客户。相比传统线下用户管理、问卷调查，用户画像可以获取客户更为精准的反馈信息，更及时了解客户差异化特征，进而提供营销策略、运营方向、推广支持。

图9：大数据画像标签体系

2、画像步骤：

第一步、数据整合与清洗。主要是将可能需要内外部数据整到大数据平台。其中，人口属性数据主要来源于CRM系统；终端属性和位置属性主要来源于第三方数据，例如TalkingData统计分析平台。

第二步、选择业务强相关数据。在这一步数据选取中，主要依据业务经验或业务知识对数据进行初步筛选，并以筛选内部数据为主。

第三步、根据业务及覆盖率选择外部数据。为了丰富数据分析维度进行360度画像，需要引入和业务强相关的外部数据。可引入的数据主要有位置数据、消费偏好数据、终端数据、兴趣爱好数据、银联数据、电商数据、社交数据（微信、微博、论坛等）、外部厂商数据、数据交易平台数据等。但在引入外部数据时，为了提高外部数据的使用价值，需要考虑数据覆盖率是否高于30%（可产生商业价值）、与内部信息匹配度、业务相关度、数据热度、数据合规性等。

第四步、对数据分类并标签化。本部分涉及数据挖掘及挖掘结果处理，主要目标是将数据从定量向定性信息转化，以标注成为人类容易理解的标签信息。从某种意义上来说，其实就是对数据进行栏位划分，或进行数据条块分割。例如按年龄将客户分为学生、青年、中年、老年；按开户时间长短，将客户分为开发阶段客户、成长阶段客户、成熟阶段客户和衰退期客户等等。

第五步、根据业务需求，利用客户标签筛选客户。即，对客户进行分类分级，并根据客户分类分群设计产品，或根据客户评级与分群分类结果，建立三维客户服务矩阵，并设计相应的服务策略。

图10：大数据画像流程

（五）大数据画像技术架构

吉贝克大数据事业部经验丰富。其中，业务分析师与数据挖掘团队全部由金融及相关专业硕士组成，多数拥有或通过CFA、证券从业资格、会计从业资格和理财规划师等考试，可以向外提供大数据平台技术服务、数据爬取服务、数据挖掘服务和业务方案咨询服务等。当前已搭建了自有的Hadoop大数据平台，并基于该平台运营自行设计的大数据产品，包括黑名单、风险管理移动应用产品。

下图是吉贝克团队基于国内某Hadoop产品而为券商设计的大数据画像架构图。

图-11：用于客户画像的大数据技术架构

吉贝克团队除了可以基于SAS、SPSS等商用数据挖掘为客户服务之外，也可以提供基于Hadoop平台的R语言语数据分析和高端数据挖掘。下图为基于国内某知名Hadoop产品的数据挖掘架构图。

图12：用于大数据架构的数据挖掘方案

时间：2016年12月15日