实战 | 传统行业用户定位与精准营销

业务场景介绍与目标：

传统行业与银行智能营销：

在数字化转型的大背景下，很多传统企业会使用数据分析和挖掘的方法，对自己数据进行挖掘应用，其中非常常见的一个应用领域是数字化营销。

以银行为例，它具备相对比较完备和干净的数据，也有很强的营销需求，不管是存款还是理财产品类，通过机器学习的应用可以很好地帮助银行精准定位用户和完成营销业务。

存款营销是银行吸收存款的主要经营模式，通过现有数据建立模型来判断客户是否订阅存款业务，从而帮助商业银行更好的分配人力资源，提高业务量，以满足现阶段营销活动对提高营销成功率的期望。

精准营销系统流程：

精准营销的本质就是给合适的用户推荐合适的产品。对于银行不同业务的具体需求，精准营销所选取的数据源、算法、营销方式（辅助营销、自动化营销或其它）会有所差别。

但从大的方向来看，一个通用的精准营销系统流程如上图所示。它通过融合用户画像、产品画像、用户-产品的历史交易记录等等信息并通过机器学习方法而最终得到用户偏好不同产品的概率值。

简单地讲，用户画像是指通过对用户打一系列标签来准确描述用户。例如，我们可以通过年龄、性别、职业、婚姻状态、收入情况等等的基本属性标签来描述用户。另外，根据具体业务需求，我们也可以从数据中挖掘去与业务强相关的深层次的标签，例如用户类型、爱好、兴趣等等，从而给用户打上例如稳健型投资者、风险型投资者、科技产品发烧友、摄影爱好车、汽车爱好者、境外游爱好者等等标签。

产品画像与用户画像类似，即通过一些标签来描述产品。把用户画像、产品画像以及用户与产品的历史交易记录作为机器学习模型的输入，最终我们会得到用户对每个产品的偏好，基于用户对产品的偏好，我们就可以实现精准营销。

业内银行精准营销落地案例：

1.招行短信营销理财产品

招行理财产品销售的短信广告，以前推送很多，很多用户觉得骚扰比较严重。在对数据进行分析以后，系统有选择地根据相关理财产品的特征匹配用户的财务状况及理财产品的持有情况进行推荐，使得短信发送数量大幅下降，但命中率大幅提高。据招行测算，以某重要分行的客户为样本，只要发送原来数量19.6%的短信，就可以覆盖95%最终购买的客户。

2.广发银行金融超市理财产品精准营销

为了更好地销售理财产品，广发银行官网首页于2014年3月新增了金融超市功能，为每位访问官网首页的客户固定推荐三款在售理财产品。考虑到每个客户理财偏好的差异，金融超市基于统一数据挖掘分析平台和企业级数据仓库整合的客户“360度”信息，对全行个人网银客户的理财产品偏好度进行深度分析挖掘，为访问官网的客户精准推荐定制化理财产品，有效提高理财产品的签约率和销售效率。

3.国内某商业银行

基于大数据分析，定位潜在信用卡分期用户，及时对潜在客户进行信用卡分期推荐，提高手续费收入。

4.新加坡某银行

通过挖掘用户信用卡消费记录来推断用户及其餐饮消费的商家的地理位置和用户餐饮偏好，并基于地址信息及偏好进行餐饮消费推荐，从而大大提高信用卡消费量。

本案例背景及目标：

本案例的数据来自于某银行关于电话营销定期理财产品的数据集合。原始数据的统计字段包括Job（工作）、maritial（婚姻）、age（年龄）、education（教育程度）、housing（是否有房贷），loan（是否有个人贷款）等17个字段。

该数据信息可以初步分为三大类：

第一类是客户个人信息，包括：年龄、婚姻状况、职业、教育程度、房贷情况、个人贷款情况等；

第二类是有关最近一次电话联系的数据：电话联系的月份、电话联系的星期数、电话联系的时长；

第三类是其他信息：这次产品推广期间打电话的次数，距离最近一次产品推广的时间天数；上次产品推广的电话营销次数，上次产品推广的结果等。

这里以基础的银行数据下的营销场景为案例，希望帮助大家理解以下的内容：

1.建模问题的思考方式和着手点

2.数据分析方法与数据分析报告产出与解读

3.常用模型选择与建模流水线搭建

4.模型训练与效果分析

5.模型解释与结合业务的归因分析

6.机器学习线上开发与部署上线

7.模型效果优化方法及工具应用

扫下方二维码学习数字化转型项目：