什么是精准营销？
精准营销(Precision marketing)就是在精准定位的基础上，依托现代资讯科技手段建立个性化的顾客沟通服务体系，实现企业可度量的低成本扩张之路！
精准营销有三个层面的含义：
第一、精准的营销思想，营销的终极追求就是无营销的营销，到达终极思想的过度就是逐步精准。
第二、是实施精准的体系保证和手段，而这种手段是可衡量的。
第三、就是达到低成本可持续发展的企业目标。
精准营销的核心思想
精准的含义是精确、精密 、可衡量的。精准营销比较恰当地体现了精准营销的深层次寓意及核心思想。
1、精准营销就是通过可量化的精确的市场定位技术突破传统营销定位只能定性的局限；
2、精准营销借助先进的资料库技术、网路通讯技术及现代高度分散物流等手段保障和顾客的长期个性化沟通，使营销达到可度量、可调控等精准要求。摆脱了传统广告沟通的高成本束缚，使企业低成本快速增长成为可能；
3、精准营销的系统手段保持了企业和客户的密切互动沟通，从而不断满足客户个性需求，建立稳定的企业忠实顾客群，实现客户链式反应增殖，从而达到企业的长期稳定高速发展的需求。
4、精准营销借助现代高效广分散物流使企业摆脱繁杂的中间渠道环节及对传统营销模组式营销组织机构的依赖，实现了个性关怀，极大降低了营销成本。
精准营销的个性化体系
1、精准的市场定位体系
市场的区分和定位是现代营销活动中关键的一环。只有对市场进行准确区分，才能保证有效的市场、产品和品牌定位。
通过对消费者的消费行为的精准衡量和分析，并建立相应的资料体系，通过资料分析进行客户优选，并通过市场测试验证来区分所做定位是否准确有效。赢家同盟在精准营销的实践中借助自己开发的《市场定位技术》营销测试系统很好的实现了对产品的精准定位。《市场定位技术》系统采用复合的数字理论模型，在模拟的真实市场环境中得到真实实验资料。资料模型是以求证营销为蓝本设计的，在小的真实市场环境下模拟大规模销售。模拟的市场环境包括：货架实验 网路实验
使用者走访DM模拟等。（有时还可以采用模拟报纸投放来实现）
对一个大规模上市的产品投入很少的测试费用就可以知道上千万投入的效果。这就是精准定位的魅力。
2、与顾客建立个性传播沟通体系
从精准营销的字面上大家就可以看到它采用的不是大众传播，它要求的是精准。这种传播大概有以下几种形式：DM、EDM、直返式广告、电话、简讯、网路推广等。这些东西并不新鲜。DM就是邮件，EDM就是网路邮件 。
直返式广告是对传统大众广告的改良。一般的传统广告主要是讲自己的产品怎么好，鼓动大家去什么地方购买。有的也给些打折让利什么的优惠。这需要很大的篇幅去做，需要的广告费当然也不少。而直返式广告主要是宣传一个活动让感兴趣的人参与。
直返式广告的设计核心是活动诱因设计，原则是让我们精准定位的人群对广告感兴趣，设计这部分人群感兴趣的活动，感兴趣的东西达到让他们参与的目的，实现我们下一步一对一的沟通。活动诱因指让特定的客户感兴趣的东西。它更多涉及到消费心理 研究 、购买行为研究。
3、适合一对一分销的整合销售组织
精准营销的销售组织包括两个核心组成部分： 精准营销颠覆了传统的框架式营销组织架构和渠道限制，它必需有一个全面可靠的物流配送及结算系统，另一个顾客个性沟通主渠道 呼叫中心。
便捷快速的物流配送体系和可靠的结算体系是制约精准营销的两个主要因素，赢家同盟在精准营销的实践中借助国家邮政网路来实现货物配送及货款结算。
传统营销关心的是市场份额，而精准营销关心的是客户价值和增殖。精准营销的运营核心是CRM。
CALL CENTER是通过网路技术和电话建立起来的实现和顾客一对一沟通的平台：它的主要职能是处理客户定单、解答客户问题、通过客户关怀来维系客户关系。
精准营销摆脱了传统营销体系对渠道及营销层级框架组组织的过分依赖，实现一对一的分销。
4、提供个性化的产品
与精准的定位和沟通相适应，只有针对不同的消费者、不同的消费需求，设计、制造、提供个性化的产品和服务，才能精准地满足市场需求。
个性化的产品和服务在某种程度上就是定制。以戴尔为例：计算机本身标准化很高，要全方位地满足客户对计算机效能、外观、功能和价格等各方面的综合需求，相对比较容易。通过综合运用先进的供应链管理、流程控制、呼叫中心、电子商务等多种手段，戴尔能够实现按需生产，即大规模定制。
而对于其它标准化程度不高、客户需求更加复杂，既要实现大规模生产，实现成本最优，又要适应日益差异化的客户需求，就必须有选择地满足能够实现规模和差异化均衡的客户需求。通过精准定位、精准沟通找到并“唤醒”大量的、差异化的需求，通过个性化设计、制造或提 *** 品、服务，才能最大程度满足有效需求，获得理想的经济效益。
精准的、个性化的产品和服务体系依托的是现代化的生产和流程管理，包括供应链管理、ERP、BPR等。如BMW（宝马）已经实现了按照客户订单来完成整车配置并及时送达的精准生产模式。
5、顾客增殖服务体系
精准营销最后一环就是售后客户保留和增殖服务。对于任何一个企业来说 ，完美的质量和服务只有在售后阶段才能实现。同时，营销界一般认为，忠诚顾客带来的利润远远高于新顾客。只有通过精准的顾客服务体系，才能留住老顾客，吸引新顾客，达到顾客的链式反应。
实现精准营销的核心---CRM
1、CRM是面向客户，关心客户，一切围绕客户为中心来运作的管理体系，它通过一套软体来实现企业的管理思路和管理模式。
2、CRM系统的核心是客户资料的管理 CRM包括：Inter和电子商务、多媒体技术、资料仓库和资料探勘、专家系统和人工智慧呼叫中心等等。
3、CRM的焦点是自动化并改善与销售、市场营销、客户服务和支援等领域的客户关系有关的商业流程。
4、CRM可以做到：深度开发目标客户，支援公司发展战略，实现会员资讯的管理与应用，建立客户为中心的集中式营销管理平台，实现业务与管理规范化，效益最大化。
它的运营有几个主要模组：第一、资料管理：把内部资讯与资料接触点管理起来，实现资料的跨区域跨部门的集中管理与共享应用；第二、流程管理：实现相关业务流程管控和自动处理，固化管理流程；第三、智慧管理：实现企业分析智慧，据此对外为客户提供有效的客户关怀服务，对内为企业提供有效的准确的分析决策依据。
精准营销的理论依据
精准营销应该由以下四个主要理论构成
1、4C理论
4C理论的核心：强调购买一方在市场营销活动中的主动性与积极参与，强调顾客购买的便利性。精准营销为买卖双方创造了得以即时交流的小环境，符合消费者导向、成本低廉、购买的便利以及充分沟通的4C要求，是4C理论的实际应用。
①、精准营销真正贯彻了消费者导向的基本原则。4C理论的核心思想，便是企业的全部行为都要以消费者需求和欲望为基本导向。精准营销作为这一大背景下的产物，强调的仍然是比竞争对手更及时、更有效地了解并传递目标市场上所期待的满足。这样，企业要迅速而准确地掌握市场需求，就必须离消费者越近越好。这是由于，一方面，资讯经过多个环节的传播、过滤，必然带来自然失真，这是由知觉的选择性注意、选择性理解、选择性记忆、选择性反馈和选择性接受所决定的；另一方面，由于各环节主体利益的不同，他们往往出于自身利益的需要而过分夸大或缩小资讯，从而带来资讯的人为失真。精准营销绕过复杂的中间环节，直接面对消费者，通过各种现代化资讯传播工具与消费者进行直接沟通，从而避免了资讯的失真，可以比较准确地了解和掌握他们的需求和欲望。
②、精准营销降低了消费者的满足成本。精准营销是渠道最短的一种营销方式，由于减少了流转环节，节省了昂贵的店铺租金，使营销成本大为降低，又由于其完善的订货、配送服务系统，使购买的其它成本也相应减少，因而降低了满足成本。
③、精准营销方便了顾客购买。精准营销商经常向顾客提供大量的商品和服务资讯，顾客不出家门就能购得所需物品，减少了顾客购物的麻烦，增进了购物的便利性。
④、精准营销实现了与顾客的双向互动沟通。这是精准营销与传统营销最明显的区别之一。
2、让客价值
世界市场学权威、美国西北大学教授菲利普·科特勒在其1994年出版的《市场营销管理——— 分析、规划、执行和控制》中，提出了“让客价值”的新概念。这一概念的提出，是对市场营销理论的又一发展。“让客价值”是指顾客总价值与顾客总成本之间的差额。其中顾客总价值是指顾客购买某一产品或服务所期望获得的一组利益，包括产品价值、服务价值和形象价值等。顾客总成本是指顾客为购买某一产品或服务所支付的货币及所耗费的时间、精力等，包括货币成本、时间成本及精力成本等等。
由于顾客在购买时，总希望把有关成本降至最低，同时又希望从中获得更多的实际利益，因此，总是倾向于选择“让客价值”最大的方式。 企业 为在竞争中战胜对手，吸引更多的潜在顾客，就必须向顾客提供比竞争对手更多的“让客价值”。
精准营销提高了顾客总价值。精准营销实现了“一对一”的营销，在这种观念指导下，其产品设计充分考虑了消费者需求的个性特征，增强了产品价值的适应性，从而为顾客创造了更大的产品价值。在提供优质产品的同时，精准营销更注重服务价值的创造，努力向消费者提供周密完善的销售服务，方便顾客购买。另外，精准营销通过一系列的营销活动，努力提升自身形象，培养消费者对企业的偏好与忠诚。
其次，精准营销降低了顾客总成本。消费者购买商品，不仅要考虑商品的价格，而且必须知道有关商品的确切资讯，并对商品各方面进行比较，还必须考虑购物环境是否方便等。
所以，工商企业为了扩大商品销售，提高自身竞争力，既要考虑商品价格的制定能否被消费者所接受，更要考虑消费者在价格以外的时间与精力的支出。这些支出我们在这里称之为交易费用。它的大小，直接制约交易达成的可能性，从而影响着企业营销效果。因此，降低交易费用也便成为营销方式变革的关键动因。精准营销方式，一方面既缩短了营销渠道，又不占用繁华的商业地段，也不需要庞大的零售商业职工队伍，因而降低了商品的销售成本价格，也就降低了顾客购买的货币成本；另一方面，精准营销通过直接媒体和直接手段及时向消费者传递商品资讯，降低了消费者搜寻资讯的时间成本与精力成本。另外，在家购物，既节省了时间，又免去了外出购物的种种麻烦，也使这两项成本进一步降低，因而减少了交易费用，扩大了商品销售，成为众多企业乐意采用的营销方式。
3、一对一直接沟通理论
两点之间最短的距离是直线，所以精准营销在和客户的沟通联络上采取了最短的直线距离。精准营销的线性模式：沟通是直线的，双方向的互动交流过程，它包括三个重要的概念：
①既然是历程就有时间性，也就是在一段时间内进行，
②而且是有意义的，
③同时是互动交流的；沟通的主要元素：情境．参与者．讯息．管道．干扰．回馈
1973 年,领导行为理论代表人物、美国行为科学家明茨伯格H.Mintzberg指出“管理工作有10种作用,而沟通和人际关系占3成。”明茨伯格首先创立了经理角色理论,指出“爱用口头交谈方式”和 “重视同外界和下属的资讯联络”为经理角色六个特点中非常重要的两个特点。直接强化了直接沟通。
从泰勒科学管理初始探索下行沟通开始,管理沟通理论的发展历程主要经历了从 研究 “行政沟通”,向研究“人际沟通”发展、从以“纵向沟通”研究为主,向以“横向沟通”研究为主,进而向以“ 网路化沟通”研究为主发展、从以研究“单一的任务沟通”为主,向“全方位的知识共享沟通”研究发展等一系列过程。
20世纪80年代以来,管理思想随世界经济政治的变化发生了重大的转变,管理沟通理论的研究也遇到新的挑战,主要表现资讯网路技术在沟通中的 应用 , 学习型组织及知识型企业的建立等等。伴随现代管理理论呈现出的管理理念更加人性化、知识化、管理组织虚拟化、组织结构扁平化、管理手段和设施网路化、管理文化全球化等总体趋势,管理沟通理论也出现了企业流程再造沟通趋势、管理更加柔性化的文化管理沟通趋势、知识管理沟通趋势、网路经济和全球经济一体化的管理沟通的国际化趋势。
精准营销的直接沟通，使沟通的距离达到了最短，强化了沟通的效果。
4、顾客链式反应原理
① 精准营销关心客户细分和客户价值：精准营销的CRM体系强调企业对与客户之间的“关系”的管理，而不是客户基础资讯的管理。关心客户“关系”存在的生命周期，客户生命周期(Customer Life Cycle)包括了客户理解、客户分类、客户定制、客户交流、客户获取、客户保留等几个阶段。管理大师彼得·德鲁克说：“企业的最终目的，在于创造客户并留住他们”。一个完善的CRM应该将企业作用于客户的活动贯穿于客户的整个生命周期。
而以前的大多数营销理论和实践，往往集中在如何吸引新的客户，而不是客户保留方面，强调创造交易而不是关系。当前，企业争夺客户资源的竞争加剧，而客户总体资源并没有明显增长。在这种情况下，实现客户保留无疑是 目前 企业最关心、最努力要实现的工作。
② 精准营销关心客户忠诚度：客户理论的重点在于客户保留。客户保留最有效的方式是提高客户对企业的忠诚度。商业环境下的客户忠诚 (Customer Loyalty)可被定义为客户行为的持续性。客户忠诚是客户对企业的感知(Perception)、态度(Attitude)和行为 (Behavior)。它们驱使客户与企业保持长久(Long-term)的合作关系而不流失到其它竞争者那里，即使企业出现短暂的价格上或和服务上的过失。客户忠诚来源于企业满足并超越客户期望(Expectation)的能力，这种能力使客户对企业产生持续的客户满意。所以，理解并有效捕获到客户期望是实现客户忠诚的根本。
③
精准营销着重于客户增殖和裂变
物理学关于链式反应是这样解释的：铀核裂变时，同时放出 2 ～ 3 个中子，如果这些中子再引起其它铀核裂变，就可以使裂变反应不断地进行下去，这种反应叫做链式反应。
我们把物理学的链式反应引入对精准营销的研究，精准营销客户保留价值更重要的是客户增殖管理，传销是一种典型的链式反应过程。她通过“一传十，十传百”形成爆炸发展。而精准营销形成链式反应的条件是对客户关系的维护达到形成链式反应的临界点。这种不断进行的裂变反应使企业低成本扩张成为可能。
多米诺骨牌是一种非常古老的游戏。人们按照自己的意愿将骨牌码成千奇百怪的图形，调整好骨牌间的位置，然后只需轻轻d动手指，推倒第一张牌，后面的骨牌便会一个接一个地倒下去，并且推动他的“邻居”。
精准营销的思想和体系使顾客增殖这种“链式反应”会不断地进行下去，并且规模越来越大，反应越来越剧烈。
网易精准营销平台
什么是网易精准营销？
网易精准营销是网易向企业提供的一系列网路营销服务的总称，首期推出的是精准广告投放服务。
网易精准广告投放是网易首创的一种网路推广方式。根据网易使用者的年龄、性别、职业、地区、爱好等特征，投放精准广告并按实际效果付费。少量投入就可以给企业带来大量潜在顾客，是有效提升企业销售额的极佳途径。
产品优势：精准的广告投放，让企业以更低的投入，获得更多的商机！
网易精准营销优势：
·更精准的投放广告 企业（个人）依据对顾客的了解，可以根据地区、年龄、性别、学历、职业、婚姻状况、兴趣爱好等自主选择广告投放的物件，实现广告的精准投放。 *** 作简单方便，自由灵活。
·更多的商机 广告只投放给企业的潜在顾客，即只有您的潜在顾客可以看到广告，因此每次的广告投放都蕴藏着可能的商机，每次使用者的点选都很有可能给您带来新的订单。
·更低的成本投入 精准广告按照给企业带来的潜在顾客的实际访问数量计费，使用者点选企业的广告才收取费用，不点选不收费，保证企业每一分钱的效果。
·更可信的推广效果 精准广告只有使用者登入网易产品后才可以看到，而且根据使用者不同的特征和爱好，不同的使用者看到推广资讯各不相同，即使是同一位使用者在不同的时间看到的资讯也各不相同。使用者点选广告并不获得任何收益，因此杜绝了使用者故意或恶意点选广告的动机。同时，我们有完善的监控系统措施，可以有效的发现和防止可能出现的恶意点选行为。
·更合理的费用控制 企业可以自主设定每个广告的每次最高点选价格，系统会自动根据企业的设定帮助企业以最低的成本获得最好的展示位置和排名，且每次点选收费一定不超过企业设定的最高点选价格。同时，企业还可以设定广告每天的最高消费额，从而更加有效和灵活的控制推广费用。
精准营销
精准营销就是公司需要更精准、可衡量和高投资回报的营销沟通，需要更注重结果和行动的营销传播计划，还有越来越注重对直接销售沟通的投资.
怎样的营销模式才能定义为精准营销呢？三大基本要素缺一不可.
首先是精确：目标越准，资源集优，营销才能更有效方可做到事半功倍。其次，巧妙的推广策略，潜移默化的渗透。第三就是市场情报的收集和研究。
什么是dsp精准营销？服务于广告主，帮助广告主在网际网路或者移动网际网路上进行广告投放，DSP可以使广告主更简单便捷地遵循统一的竞价和反馈方式,以合理的价格实时购买高质量的广告库存，一般采用CPC(点选付费)或CPM(显示付费)两种方式。
DSP精准平台，基于目标人群的精准广告投放，通过对使用者的cookie资讯蒐集，分析使用者资料，进行型别匹配，当有广告投放时，系统会判断这个广告的目标使用者什么，从而自动筛选符合的目标群体，当这部分使用者在浏览网站的时候，让使用者看到广告。说通俗点它就相当于是一个流量超市，广告主可以通过这个平台根据自己的喜好来采购自己想要的目标流量
什么是精准营销，仅仅是营销简讯精准营销是面对具有相同消费特征的消费人群进行的销售。
精准营销有一个重要的基础是有消费者资料库，简讯只是营销的一种方式，还有很多种，如公开课、电话、公众号推送等等。
精准营销是很多企业市场与销售策划的趋势。
什么是电话精准营销模式？怎么跟你说呢，其实所谓的精准营销模式只不过是概念。所谓的电话精准营销，说白了就三点：1：营销的过程是点对点的 2：营销物件是筛选过的 3：导向性很强
精准营销精准营销(Precision marketing)就是在精准定位的基础上，依托现代资讯科技手段建立个性化的顾客沟通服务体系，实现企业可度量的低成本扩张之路。就是公司需要更精准、可衡量和高投资回报的营销沟通，需要更注重结果和行动的营销传播计划，还有越来越注重对直接销售沟通的投资。
【案例】恒丰银行——基于大数据的精准营销模型应用 https://mp.weixin.qq.com/s?src=3×tamp=1500159788&ver=1&signature=pCHfpePVrKXUGp39JEg577lopIPT9KCdx9FqIL2LbRmunZMQ-86itFcexY XKcX3Vb1ypwGo8v0IU6fkNgcs QIafGAccsZFmMb6yBYcuPdqH63EKBvL88BGFaUrBBPQl0v*mpgzYxrTCkcaJGaX2iIFRHZEDNCmuM0qhqqN294=
本篇案例为数据猿推出的大型 “金融大数据主题策划” 活动 （查看详情） 第一部分的系列案例/征文；感谢** 恒丰银行** 的投递
作为整体活动的第二部分，2017年6月29日，由数据猿主办，上海金融信息行业协会、互联网普惠金融研究院合办，中国信息通信研究院、大数据发展促进委员会、上海大数据联盟、首席数据官联盟、中国大数据技术与应用联盟协办的 《「数据猿·超声波」之金融科技·商业价值探索高峰论坛》 还将在上海隆重举办 【论坛详情】 【上届回顾（点击阅读原文查看）】
在论坛现场，也将颁发 “技术创新奖”、“应用创新奖”、“最佳实践奖”、“优秀案例奖” 四大类案例奖
本文长度为 6000 字，建议阅读 12 分钟
如今，商业银行信息化的迅速发展，产生了大量的业务数据、中间数据和非结构化数据，大数据随之兴起。要从这些海量数据中提取出有价值的信息，为商业银行的各类决策提供参考和服务，需要结合大数据和人工智能技术。国外的汇丰、花旗和瑞士银行是数据挖掘技术应用的先行者。在国内的商业银行中，大数据的思想和技术逐步开始在业务中获得实践和尝试。
面对日趋激烈的行业内部竞争及互联网金融带来的冲击，传统的上门营销、电话营销，甚至是扫街营销等方式跟不上时代的节奏。利用精准营销可节约大量的人力物力、提高营销精准程度，并减少业务环节，无形中为商业银行节约了大量的营销成本。
虽然恒丰银行内部拥有客户的基本信息和交易等大量数据，但是传统的营销系统并没有挖掘出行内大量数据的价值，仍然停留在传统的规则模型。当下，恒丰银行接入了大量的外部数据，有着更多的维度，如果将内部数据与外部数据进行交叉，则能产生更大的价值。客户信息收集越全面、完整，数据分析得到的结论就越趋向于合理和客观。利用人工智能技术，建立精准营销系统变得可能且必要。
恒丰银行基于大数据的精准营销方案是利用大数据平台上的机器学习模型深入洞察客户行为、客户需求，客户偏好，挖掘潜出在客户，实现可持续的营销计划。
周期/节奏
2016.4-2016.5 完成需求梳理和业务调研，并在此基础上进行总体方案设计。
2016.5-2016.8 整理银行内、外部数据，根据营销需求制定客户标签和设计文档，实施用户画像。
2016.8-2016.10 在用户画像的基础上，构建理财产品个性化推荐系统。其中包括个性化推荐算法调研，模型对比等一系列工作。
2016.10-2017.1 客户需求预测并对客户价值进行建模，并完善整合精准营销应用模型。
2017.1-2017.3 用户画像、个性化推荐、客户价值预测等精准营销模型上线。
客户名称/所属分类
恒丰银行/客户管理
任务/目标
根据零售业务营销要求，运用多种数据源分析客户行为洞察客户需求，实现精准营销与服务，提高银行客户满意度和忠诚度。
针对不同的客户特征、产品特征和渠道特征，制定不同市场推广策略。为了完成以上任务，主要从以下几个方面构建精准营销系统：
1.用户画像： 结合用户的历史行为和基本属性给用户打标签。
2.精准推荐系统： 给用户推荐个性化理财产品， 例如在微信银行中给每个客户推荐他喜欢的产品，帮客户找到其最适合的产品，增加产品的购买率。
3.需求预测和客户价值： 新产品发售的时候，找到最有可能购买该产品的客户，进行短信营销，进而提高产品响应率。客户价值精准定位，根据客户价值水平制定不同的推荐策略。银行通过计算客户使用其产品与服务后所形成的实际业务收益，充分了解每一个客户的贡献度，为管理层提供决策支撑。
挑战
项目实施过程由用户画像，精准推荐系统，需求预测和客户价值建模三部分组成，采用TDH机器学习平台Discover所提供的算法和模型库进行开发和验证。
（一）用户画像的建立
客户标签主要包含客户基本属性，客户等级标签，客户偏好标签，客户交易特征，客户流失特征，客户信用特征，客户终身价值标签，客户潜在需求标签。
（二）精准推荐系统的建立
由于系统复杂，且篇幅有限，仅对其中最重要的理财推荐系统做详细阐述。精准推荐系统架构图如下。
2.1业务问题转化为机器学习问题
业务问题
银行理财产品个性化推荐给客户。 例如在微信银行中给每个客户推荐此客户喜欢的产品，帮客户找到其最适合的产品，增加产品的购买率。
将业务问题转化为机器学习问题
理财产品种类繁多，产品迭代速度很快，客户在繁多的产品中不能快速找到适合自己的产品，因此有必要建立一个自动化推荐模型，建立客户理财偏好，给客户推荐最适合的产品。
将银行理财产品推荐业务问题转化为机器学习问题，进而利用人工智能技术提高推荐产品的点击率和购买率。例如在恰当的时间，通过用户偏好的渠道给用户推荐产品，推荐的结果为用户购买或者未购买。这个问题可以看作一个典型机器学习二分类问题：基于历史营销数据来训练模型，让模型自动学到客户购买的产品偏好，并预测客户下次购买理财产品的概率。对模型预测出所有客户对所有产品的响应概率进行排序，可选择客户购买概率最高的topN个产品推荐给客户。
下面将叙述如何构建该推荐预测模型。
2.2数据源准备
在建立的一个理财推荐模型之前，可以预见到相似的客户可能会喜好相似的产品（需要表征客户和产品的数据），同一个人的喜好可能具有连续性（购买历史交易数据，包括基金国债等），他的存款、贷款资金可能决定了他能购买什么档次的理财等等。因此，我们需要准备以下数据。
客户基本属性：客户性别，年龄，开户时间，评估的风险等级等等。
产品基本属性：产品的逾期收益率，产品周期，保本非保本，风险等级等。
客户购买理财产品的历史：在什么时候购买什么产品以及购买的金额。
客户的存款历史： 客户历史存款日均余额等。
客户的贷款历史： 客户历史贷款信息等。
客户工资：客户工资的多少也决定了客户购买理财的额度和偏好。
用户画像提取的特征：用户的AUM等级，贡献度，之前购买基金，国债的金额等。
2.3特征转换和抽取
有了这么多数据，但是有一部分特征是算法不能直接处理的，还有一部分数据是算法不能直接利用的。
特征转换
把不能处理的特征做一些转换，处理成算法容易处理的干净特征。举例如下：
开户日期。就时间属性本身来说，对模型来说不具有任何意义，需要把开户日期转变成到购买理财时的时间间隔。
产品特征。从理财产品信息表里面可以得到风险等级，起点金额等。但是并没有标志这款产品是否是新手专属，是否是忠诚客户专属。这就需要我们从产品名字抽取这款产品的上述特征。
客户交易的时间信息。同客户的开户日期，孤立时间点的交易信息不具有任何意义，我们可以把交易时间转变为距离上次购买的时间间隔。
特征抽取
还有一部分数据算法不能直接利用，例如客户存款信息，客户交易信息。我们需用从理财交易和存款表中抽取可能有用的信息。
用户存款信息：根据我们的经验，客户购买理财之前的存款变动信息更能表明客户购买理财的真实想法，因此我们需要从客户历史存款数据抽取客户近三个月，近一个月，近一周的日均余额，以体现客户存款变化。
客户交易信息：客户最近一次购买的产品、购买的金额、及其相关属性，最近一个月购买的产品、购买的金额及其相关属性等等。
以上例举的只是部分特征。
2.4构造、划分训练和测试集
构造
以上说明了如何抽取客户购买理财的相关特征，只是针对正样本的，即客户购买某种理财时候的特征。隐藏着的信息是，此客户当时没有购买其他在发售的产品。假设把客户购买了产品的标签设为1，没有购买的产品样本设为0，我们大致有如下训练样本（只列举部分特征）。
其中客户是否购买产品是我们在有监督训练的标签，也就是我们建立的是一个预测客户是否会购买产的模型。
划分训练集和测试集
考虑到最终模型会预测将来的某时间客户购买某种产品的概率，为了更真实的测试模型效果，以时间来切分训练集和测试集。具体做法如下。假设我们有2016-09-01 ~ 2017-03-20 的理财购买相关数据。以2016-09-01 ~ 2017-03-19的理财交易数据作为训练，2017-03-20这一天的客户对每个产品是否购买的数据作为测试。以2016-09-01 ~ 2017-03-18的理财交易数据作为训练，2017-03-19这一天的客户对每个产品是否购买的数据作为测试，以此类推。
2.5模型训练
根据提取的特征，组成样本宽表，输入到分类模型，这里选择了TDH平台机器学习组件Discover所提供的近百个分布式算法进行建模和训练，同时我们还使用了特征的高阶交叉特性进行推荐的预测和分析。
2.6模型评估
评价推荐好坏的指标很多，比较常用的有
1.ROC曲线下面积（AUC）
2.logloss
3.推荐产品第一次命中rank的倒数（MRR）
4.TopN
针对银行的理财推荐实际业务，客户当天绝大多数是只购买了某一款理财，MRR(Mean Average Precision 的特殊情况)能反应这种情况下推荐的好坏。另一种直观的评价指标是TopN，假定我们只推荐N个模型认为客户最有可能购买的产品，并和真实情况比较，就能得到当天推荐的结果的混淆矩阵，TN，TP，FN，FP，recall，precision等。
我们在生产上验证了最近十天的推荐效果，即测试了2017-03-20， 2017-03-19，…… , 2017-03-11等十天的推荐效果，以下是这些结果的评价。
AUC
Logloss
MRR
0.89
0.45
0.78
也可以把新客户（之前没有购买理财）和老客户（至少购买过一次）分开评估效果。 新客户的购买占了整个理财购买的1/3 以上。
测试新客户的预测效果，可以看出模型对冷启动问题解决的好坏。
对新客户的预测效果
AUC
Logloss
MRR
0.80
0.73
0.32
对老客户的预测效果
AUC
Logloss
MRR
0.92
0.38
0.88
2.7模型优化
1.上线之前的优化：特征提取，样本抽样，参数调参
2.上线之后的迭代，根据实际的A/B testing和业务人员的建议改进模型
（三）需求预测和客户价值
“顾客终生价值”(Customer Lifetime Value)指的是每个购买者在未来可能为企业带来的收益总和。研究表明，如同某种产品一样，顾客对于企业利润的贡献也可以分为导入期、快速增长期、成熟期和衰退期。
经典的客户终身价值建模的模型基于客户RFM模型。模型简单的把客户划分为几个状态，有一定意义但不一定准确，毕竟RFM模型用到的特征不全面，不能很好的表征客户的价值以及客户银行关系管理。
为了方便的对客户终身价值建模，有几个假定条件。其一把客户的购买价值近似为客户为企业带来的总收益，其二把未来时间定义在未来一个季度、半年或者一年。也就是我们通过预测客户在下一个时间段内的购买价值来定义客户的终身价值。因此，我们将预测的问题分为两个步骤：第一步预测这个客户在下一个阶段是否会发生购买（需求预测）。第二步对预测有购买行为的客户继续建模预测会购买多大产品价值。
3.1需求预测
提取客户定活期存款、pos机刷卡、渠道端查询历史等特征，以这些特征作为输入预测用户在当前时间节点是否有购买需求，训练和测试样本构造如下：
1.历史用户购买记录作为正样本。
2.抽样一部分从未购买的理财产品的用户作为负样本集合Un，对于每一个正样本Un中随机选取一个用户构造负样本。
3.选取2016.04-201610 的购买数据作为训练样本，2016.11的数据作为测试样本。
使用机器学习算法进行分类训练和预测，重复上述实验，得到下列结果:
AUC: 0.930451274
precision: 0.8993963783
recall: 0.8357507082
fmeasure: 0.8664062729
进一步对客户分群之后，可以更好的对新客户进行建模，对于老客户我们可以进一步提取他们的历史购买特征，预测他们在下一段时间内购买的产品价值（数量，金额等），对于新客户，可以进根据他的存款量预测其第一次购买的产品价值，把存款客户变成理财客户。通过分析客户存款变动于客户购买理财的关系，我们发现客户购买理财的前一段时间内定活期的增加的有不同的模式，如下图。
根据需求预测模型，我们给出新客户最有可能购买的top N 列表，然后由业务人员进行市场推广。
3.2客户价值预测
进一步预测有购买需求的客户的购买价值高低。这是个回归问题，但是预测变量从二分类变量变为预测连续的金额值。训练的时候预测值取训练周期内（一个月或者季度）客户所购买的总金额。
算出客户的当前价值（即当前阶段购买的产品价值）和未来价值（预测的下一个阶段的客户价值）可以帮助我们鉴定客户处于流失阶段，或者上升阶段，或者是稳定阶段。当前价值取的是当前时间前三个月的交易量。对流失阶段高价值客户可以适当给予营销优惠，对于有购买意向的客户适当引导。如下图所示。
结果/效果
一是提高银行营销准确性。随着客户不断增加，理财产品也在不断推陈出新，在实时精准营销平台的帮助下，银行从以前盲目撒网式的营销方式转变到对不同客户精准触达，提高了理财产品的营销成功率，降低销售和运作成本。理财产品推荐的上线以来，产品推荐成功率比专家经验排序模型最高提升10倍。
二是增加银行获客数量。精准营销系统洞察客户潜在需求和偏好，提高了银行获取目标客户群的准确率。从数百万客户中,通过机器学习模型,找到最有可能购买产品的客户群，通过渠道营销，实现响应率提升。相比传统盲发模式，发送原38%的短信即可覆盖80%的客户。
通过构建基于大数据的精准营销方案，恒丰银行深入洞察客户行为、需求、偏好，帮助银行深入了解客户，并打造个性化推荐系统和建立客户价值预测模型，实现可持续的营销计划。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）