大数据精准营销平台V1.1.pptVIP

技术解决方案 03 大数据平台与传统数据平台对比 传统数据平台 大数据平台 对比 存储数据类型 数据处理模式 扩展性 备份策略 结构化数据 集中式与离线式处理模式 传统数据库扩展成本高，向后效率逐渐降低 需要人工对数据做备份策略 结构化、非结构、半结构化 分布式集群数据处理 分时计算与离线并存 扩展成本低，一定范围内效率不变 大数据平台自带一套数据备份策略 总体设计 大数据平台架构 物理架构 数据挖掘逻辑架构 协同过滤模型 贝叶斯模型 实施规划 案例 04 业务背景 该银行传统营销模式不足以支撑零售业务持续发展。 尝试利用大数据及数据挖掘技术，完善传统营销模式，挖掘客户潜力，促进零售业务持续发展。 业务概览 客户画像 行为体系 能力评估 偏好分析 自然属性 社会属性 价值属性 评价信息 态度分析 大数据精准营销平台 营销管理系统 大数据风险预警 精准营销推荐引擎 银行卡营销 跨进客户营销 基金理财产品营销 贵金属营销 信用评级 客户流失预警 信用卡欺诈预警 风险预警引擎 精准营销推荐引擎 预测模型+规则模型，最大化银行营销收益。 加入业务重点关注指标。 全自动化预测及学习，不断提高推荐模型的准确性。 某行贵金属精准营销系统 相关性分析 交叉销售分析 社会化协同过滤 客户画像指标体系 某行贵金属精准营销系统 解读客户画像 ——变量相关性 用相关性分析判断变量的相关性系数 用主成分分析消除变量间的多重共线性 客户等级的高低不同，会影响到贵金属的消费 1 贵金属购买的历史行为，会影响到贵金属的消费 2 客户黏度，包括客户的投资理财行为，会影响到贵金属的消费 3 客户的忠诚度、账龄，会影响到贵金属的消费 4 客户的生命周期，会影响到贵金属的消费 5 某行贵金属精准营销系统 解读客户画像 ——客户生命周期 客户数 交易次数 19岁以下 19～24岁 24～53岁 54～64岁 64岁以上 9～16岁 贵金属的目前的消费主题是年轻人和中年人 未成年人对贵金属热度非常高，体现出父母的对子女的喜爱或鼓励；未成年人的消费潜力巨大 某行贵金属精准营销系统 解读客户画像 ——账龄＋黏度（忠诚度） 0 1 2 3 4 5 6 7 8 1 25 50 75 100 125 150 175 210 购买概率加权平均 结论： 黏度越高，购买概率更大 黏度比账龄，对购买概率的影响更大 某行贵金属精准营销系统 解读客户画像 ——购买时机 1季度 2季度 3季度 4季度 女性 男性 结论： 1、2、5月份购买人群较多，尤其是1月底、2月初 佩戴品 投资品 纪念品 艺术品 某行贵金属精准营销系统 解读客户画像 ——消费行为 265个商户类型与贵金属消费的相关性 MCC 商户类型 相关性系数 0000 婚庆 7.02 4722 旅行社 8.70 5094 贵重珠宝、首饰，钟表零售 8.09 5271 活动房车经销商 8.03 5441 糖果及坚果商店 8.30 5933 当铺 10.89 5945 玩具、游戏店 8.11 5946 照相器材商店 8.12 5947 礼品、卡片、装饰品、纪念品 8.06 5992 花店 6.93 7230 美容理发店 8.83 8021 牙科医生 8.75 8351 儿童保育服务（含学前教育） 8.11 9402 国家邮政服务 9.01 相关性较高的商户类型 某行贵金属精准营销系统 解读客户画像 ——社会关系 1 2 3 未成年人关系 夫妻情人关系 父子母子关系 筛选条件：年龄=18 输出： 转入人客户号（未成年人）、年龄、性别，转出人客户号、年龄、性别，转账备注，转入人是否贵金属客户，转出人是否贵金属客户 筛选条件：自动转帐业务，and，双方性别不同，and，年龄相差10岁以内 输出：转入人客户号、年龄、性别，转出人客户号、年龄、性别，转账备注，转入人是否贵金属客户，转出人是否贵金属客户 筛选条件：信用卡还款业务次数=3，and，双方性别不同，and，年龄相差10岁以内筛选条件：信用卡存在主副卡，and，双方性别不同，and，年龄相差10岁以内 输出：客户号、年龄、性别、是否贵金属客户，对方客户号、年龄、性别、是否贵金属客户 筛选条件：自动转帐业务，and，年龄相差25～40岁 筛选条件：备注信息匹配“赡养费” 输出：转入人客户号、年龄、性别，转出人客户号、年龄、性别，转账备注，转入人是否贵金属客户，转出人是否贵金属客户 筛选条件：信用卡还款业务次数=3，and，年龄相差25～40岁 筛选条件：信用