金融保險行業(yè)大數(shù)據(jù)整體解決方案-智慧保險大數(shù)據(jù)平課件

金融保險行業(yè)大數(shù)據(jù)整體解決方案智慧保險大數(shù)據(jù)平臺建設(shè)方案金融保險行業(yè)大數(shù)據(jù)整體解決方案智慧保險大數(shù)據(jù)平臺建設(shè)方案1目錄頁大數(shù)據(jù)在保險行業(yè)的機遇與挑戰(zhàn)針對保險行業(yè)的大數(shù)據(jù)解決方案保險及金融行業(yè)的成功案例介紹金融保險客戶實施大數(shù)據(jù)的建議路徑1234CONTENTSPAGE目錄頁大數(shù)據(jù)在保險行業(yè)的機遇與挑戰(zhàn)針對保險行業(yè)的大數(shù)據(jù)解決方2大數(shù)據(jù)在保險行業(yè)的機遇與挑戰(zhàn)01大數(shù)據(jù)在保險行業(yè)的機遇與挑戰(zhàn)013保險科技價值鏈數(shù)據(jù)上鏈破除數(shù)據(jù)孤島數(shù)據(jù)挖掘機器學(xué)習(xí)?

用戶畫像?

精準(zhǔn)營銷?

核保核賠?

風(fēng)險管理?

客戶服務(wù)區(qū)塊鏈26 基因檢測AI3大數(shù)據(jù)1云計算4…………物聯(lián)網(wǎng)5?

醫(yī)療數(shù)據(jù)UBI感知識別（AI）?

三方數(shù)據(jù)?

客戶數(shù)據(jù)庫?

流程自動化?

評估模型?

決策系統(tǒng)保險科技價值鏈數(shù)據(jù)上鏈破除數(shù)據(jù)孤島數(shù)據(jù)挖掘機器學(xué)習(xí)?4? 構(gòu)架和平臺統(tǒng)一、技術(shù)先進、安全高效前瞻性? 服務(wù)器和計算節(jié)點可擴展、數(shù)據(jù)結(jié)構(gòu)可擴展、ETL處理可擴展、平臺接口可擴展可擴展? 初次建設(shè)時選擇開源版本（Apache）或者更貼近開原版本的商業(yè)版本（CDH）開放性? 在硬件資源有限的情況下，應(yīng)盡可能地支持盡量多的數(shù)據(jù)服務(wù)需求，還能承受用戶峰值時間段壓力高性能? 數(shù)據(jù)模型的穩(wěn)定性、系統(tǒng)運行的穩(wěn)定性穩(wěn)定性安全性 ? 防止數(shù)據(jù)服務(wù)體系的數(shù)據(jù)資源被惡意修改和盜取? 防止數(shù)據(jù)在傳輸過程中被截留和篡改? 運維涉及硬件設(shè)備、Hadoop平臺、應(yīng)用系統(tǒng)易維護? 從實際需求出發(fā)，前期從單一需求的最小規(guī)模集群起步，以最小投入解決問題，后期再做擴充實用性? ETL功能組件、數(shù)據(jù)預(yù)處理層的數(shù)據(jù)模型、租金復(fù)用、硬件部署等方面的高可用高可用? 建設(shè)企業(yè)級一體化的監(jiān)控和管理平臺，后期便于更好地統(tǒng)一管理和維護統(tǒng)一部署大數(shù)據(jù)平臺架構(gòu)設(shè)計基礎(chǔ)要素? 構(gòu)架和平臺統(tǒng)一、技術(shù)先進、安全高效前瞻性? 服務(wù)器和計算5? 大數(shù)據(jù)是人工智能存在的基石。多來源、多類型的大數(shù)據(jù)可以從不同角度進行逼近真實的描述，而利用算法可以挖掘數(shù)據(jù)之間的多層次關(guān)聯(lián)關(guān)系。其中過程數(shù)據(jù)（同“用戶行為數(shù)據(jù)”）對AI意義重大。? 用戶行為數(shù)據(jù)是機器學(xué)習(xí)的基礎(chǔ)，如果想讓機器學(xué)到最新的、即時的用戶行為，形成持續(xù)的反饋閉環(huán)的人工智能系統(tǒng)是機器智能提升的前提。? 另外，機器能夠容易理解的反饋數(shù)據(jù)需要符合被標(biāo)記標(biāo)簽的性質(zhì)。? 算法是人工智能決定效率提升的關(guān)鍵因素。人工智能能夠?qū)崿F(xiàn)大量無法統(tǒng)計的規(guī)則會被機器自主發(fā)現(xiàn)和抓取，從而充分挖掘“長尾用戶”的行為規(guī)律，提高機器學(xué)習(xí)模型預(yù)測的精準(zhǔn)度。這就需要超高維度的算法。? 超高維度的算法，首先須要原始數(shù)據(jù)的絕對值很大，這對于大數(shù)據(jù)的分布式存儲、處理技術(shù)具有較高要求。? 其次，利用萬億級的海量特征進行機器學(xué)習(xí)特征處理、模型訓(xùn)練以及線上服務(wù)，需要成千上萬個節(jié)點進行協(xié)同工作，這對算法及系統(tǒng)的要求是全方位的。? 一個優(yōu)秀的人工智能模型需要千萬級的數(shù)據(jù)樣本。因此，在數(shù)據(jù)方面，企業(yè)需加強對用戶每一個行為及其結(jié)果的記錄意識。? 高性能、大規(guī)模的計算資源是人工智能技術(shù)在實際應(yīng)用中的必備條件。在人工智能實際的業(yè)務(wù)場景中，動輒數(shù)十億級別的數(shù)據(jù)，會給計算框架帶來嚴(yán)峻的考驗。? 構(gòu)建高維度機器學(xué)習(xí)框架，確保在大數(shù)據(jù)的場景下，計算能力隨數(shù)據(jù)量增加呈線性增長，實現(xiàn)系統(tǒng)時間成本與計算成本的可控。? 目前機器還不具備主動、自發(fā)定義任務(wù)的能力，因此，清晰、明確的任務(wù)目標(biāo)就是人工智能得以有效應(yīng)用最為關(guān)鍵的先決條件。? 優(yōu)化、明確業(yè)務(wù)問題需要企業(yè)業(yè)務(wù)專家的深度參與：? 一方面從業(yè)務(wù)出發(fā)，需要在業(yè)務(wù)專家和技術(shù)專家共同對企業(yè)資源進行評估與組織，最終將商業(yè)目標(biāo)轉(zhuǎn)化為機器可理解的數(shù)據(jù)挖掘目標(biāo)；? 二是從技術(shù)出發(fā)，將公司的運營指標(biāo)和人工智能適用的指標(biāo)進行結(jié)合。存在問題采取措施? 企業(yè)應(yīng)該建立數(shù)字化、不間斷的反饋數(shù)據(jù)閉環(huán)，將實時數(shù)據(jù)進行反饋，使模型具備自我進化能力。BRAIN保險公司構(gòu)建商業(yè)AI能力的核心要素核心有意義的過程數(shù)據(jù)數(shù)字化的持續(xù)反饋高維度的算法能力高性能的計算能力邊界清晰的問題定義要素BigDataResponseAlgorithmInfrastructureNeeds? 大數(shù)據(jù)是人工智能存在的基石。多來源、多類型的大數(shù)據(jù)可6準(zhǔn)備數(shù)據(jù)分析處理數(shù)據(jù)建模價值應(yīng)用數(shù)據(jù)接入數(shù)據(jù)處理數(shù)據(jù)分析特征處理模型訓(xùn)練模型評估模型應(yīng)用數(shù)據(jù)源待評估數(shù)據(jù)樣本數(shù)據(jù)測試數(shù)據(jù)算法模型應(yīng)用特征優(yōu)化特征增量測試數(shù)據(jù)優(yōu)化算法其他場景整理分析模型訓(xùn)練迭代訓(xùn)練遷移標(biāo)簽易使用交互式的圖形化界面能快速的完成任務(wù)問題轉(zhuǎn)化和建模過程的定義多功能多語言支持Python、R、

SQL等多功能語言和用戶習(xí)慣的使用方式數(shù)據(jù)科學(xué)家/業(yè)務(wù)專家高效率提供多種系統(tǒng)化實驗，并提供自動的優(yōu)化和調(diào)參功能團隊協(xié)作為不同的團隊角色提供針對性的功能和與之對應(yīng)的協(xié)作方式，同時提供不同角色的培訓(xùn)服務(wù)高效能自主知識產(chǎn)權(quán)的專利算法和計算框架提供高效的計算能力和精準(zhǔn)的應(yīng)用效果高擴展性提供多語言的SDK，幫助開發(fā)者在此基礎(chǔ)上完成二次開發(fā)和擴展使用開發(fā)者/系統(tǒng)工程師高處理能力大規(guī)模分布式的底層架構(gòu)，滿足高業(yè)務(wù)復(fù)雜度和數(shù)據(jù)量的存儲和處理需求快速定制作為通用開發(fā)平臺，開發(fā)者可快速依托平臺的組件庫和架構(gòu)完成專屬的人工智能業(yè)務(wù)系統(tǒng)的定制和對接模型全生命周期管理準(zhǔn)備數(shù)據(jù)分析處理數(shù)據(jù)建模價值應(yīng)用數(shù)據(jù)接入數(shù)據(jù)處理數(shù)據(jù)分析特征7?

業(yè)務(wù)專家：利用大數(shù)據(jù)和機器學(xué)習(xí)獲得提升?

關(guān)心：模型效果、與業(yè)務(wù)結(jié)合、可解釋性?

數(shù)據(jù)科學(xué)家：處理數(shù)據(jù)&模型調(diào)研?

關(guān)心：算法、靈活性、可擴展性、性能?

系統(tǒng)管理人員：維護大量數(shù)據(jù)流&線上模型服務(wù)?

關(guān)心：資源使用、一致性、可管理性人工智能參與人員的角色?業(yè)務(wù)專家：利用大數(shù)據(jù)和機器學(xué)習(xí)獲得提升?數(shù)據(jù)科學(xué)家8以用戶為中心建設(shè)互聯(lián)網(wǎng)＋保險客戶獲取客戶轉(zhuǎn)化客戶服務(wù)客戶挽回戰(zhàn)略&規(guī)劃明確并聚焦目標(biāo)分析&洞察全方位深入分析應(yīng)用&營銷&交互多渠道協(xié)同，數(shù)據(jù)應(yīng)用客戶體驗建設(shè)可靠信任關(guān)系DATADATADATADATADATADATADATADATA數(shù)據(jù)整合用戶畫像數(shù)據(jù)分析客戶細(xì)分模型客戶價值模型忠誠度模型受眾群體擴展模型社會網(wǎng)絡(luò)模型客戶獲取客戶轉(zhuǎn)化客戶服務(wù)數(shù)據(jù)應(yīng)用業(yè)務(wù)轉(zhuǎn)型大數(shù)據(jù)技術(shù)與平臺支撐大數(shù)據(jù)分析技術(shù)和工具保險企業(yè)客戶分析模型不斷優(yōu)化的管理閉環(huán)外部數(shù)據(jù)內(nèi)部數(shù)據(jù)數(shù)據(jù)模型業(yè)務(wù)應(yīng)用用戶行為偏好數(shù)據(jù)匹配DATA01：建設(shè)思路02：建設(shè)目標(biāo)03：業(yè)務(wù)規(guī)劃04：技術(shù)實現(xiàn)以用戶為中心建設(shè)互聯(lián)網(wǎng)＋保險客戶獲取客戶轉(zhuǎn)化客戶服務(wù)客戶挽回9保險行業(yè)發(fā)展大數(shù)據(jù)的難點數(shù)據(jù)多整合困難客戶多分析困難需求多應(yīng)用困難數(shù)據(jù)來源的多樣性數(shù)據(jù)類型的復(fù)雜性數(shù)據(jù)特征的多元化數(shù)據(jù)處理方法的差異化組織內(nèi)部數(shù)據(jù)的分散性數(shù)據(jù)共享機制的缺乏…怎么識別客戶全方位的特征？怎樣有效細(xì)分客戶？怎樣提取客戶的共同需求？怎樣利用不同模型/算法生成客戶多樣化標(biāo)簽？怎樣進行客戶行為偏好分析？…如何與客戶實時交互如何及時響應(yīng)客戶的需求如何提供滿意的客戶體驗如何降低客戶流失如何控制客戶維系成本如何對客戶進行精準(zhǔn)營銷…保險行業(yè)發(fā)展大數(shù)據(jù)的難點數(shù)據(jù)多客戶多需求多數(shù)據(jù)來源的多樣性怎10大數(shù)據(jù)管理平臺應(yīng)用平臺大數(shù)據(jù)采集業(yè)務(wù)數(shù)據(jù)匯集系統(tǒng)用戶行為數(shù)據(jù)采集系統(tǒng)互聯(lián)網(wǎng)公開數(shù)據(jù)抓取系統(tǒng)大數(shù)據(jù)清洗業(yè)務(wù)數(shù)據(jù)清洗系統(tǒng)用戶行為數(shù)據(jù)清洗系統(tǒng)互聯(lián)網(wǎng)公開數(shù)據(jù)清洗系統(tǒng)大數(shù)據(jù)標(biāo)準(zhǔn)化用戶多重ID歸一化系統(tǒng)商品歸一化系統(tǒng)大數(shù)據(jù)結(jié)構(gòu)化用戶標(biāo)簽管理系統(tǒng)商品標(biāo)簽管理系統(tǒng)管理平臺基礎(chǔ)平臺可視化數(shù)據(jù)操作平臺大數(shù)據(jù)操作系統(tǒng)（BD-OS）數(shù)據(jù)全生命周期管理業(yè)務(wù)流程全生命周期管理業(yè)務(wù)價值挖掘建模數(shù)據(jù)訪問資源管控分布式存儲（磁盤及內(nèi)存）數(shù)據(jù)接入安全(認(rèn)證權(quán)限ACL)監(jiān)控配置及報警安裝及云服務(wù)電子商城個性化系統(tǒng)移動商城個性化系統(tǒng)媒體網(wǎng)站個性化系統(tǒng)在線營銷支持系統(tǒng)門店營銷支持系統(tǒng)會員營銷支持系統(tǒng)全網(wǎng)市場監(jiān)控系統(tǒng)輿情管家商情管家用戶洞察系統(tǒng)個性化推薦引擎（BRE）自動化營銷引擎（BME）大數(shù)據(jù)分析引擎（BAE）媒體網(wǎng)站個性化系統(tǒng)大數(shù)據(jù)管理平臺應(yīng)用平臺大數(shù)據(jù)采集業(yè)務(wù)數(shù)據(jù)匯集系統(tǒng)用戶行為數(shù)據(jù)11針對保險行業(yè)的大數(shù)據(jù)解決方案02針對保險行業(yè)的大數(shù)據(jù)解決方案0212以用戶為中心建設(shè)互聯(lián)網(wǎng)＋保險客戶獲取客戶轉(zhuǎn)化客戶服務(wù)客戶挽回戰(zhàn)略&規(guī)劃明確并聚焦目標(biāo)分析&洞察全方位深入分析應(yīng)用&營銷&交互多渠道協(xié)同，數(shù)據(jù)應(yīng)用客戶體驗建設(shè)可靠信任關(guān)系DATADATADATADATADATADATADATADATA數(shù)據(jù)整合用戶畫像數(shù)據(jù)分析客戶細(xì)分模型客戶價值模型忠誠度模型受眾群體擴展模型社會網(wǎng)絡(luò)模型客戶獲取客戶轉(zhuǎn)化客戶服務(wù)數(shù)據(jù)應(yīng)用業(yè)務(wù)轉(zhuǎn)型大數(shù)據(jù)技術(shù)與平臺支撐大數(shù)據(jù)分析技術(shù)和工具保險企業(yè)客戶分析模型不斷優(yōu)化的管理閉環(huán)外部數(shù)據(jù)內(nèi)部數(shù)據(jù)數(shù)據(jù)模型業(yè)務(wù)應(yīng)用用戶行為偏好數(shù)據(jù)匹配DATA以用戶為中心建設(shè)互聯(lián)網(wǎng)＋保險客戶獲取客戶轉(zhuǎn)化客戶服務(wù)客戶挽回13為保險企業(yè)提供端到端的整體解決方案DATADATADATADATADATADATADATADATA數(shù)據(jù)整合用戶畫像數(shù)據(jù)分析客戶細(xì)分模型客戶價值模型忠誠度模型受眾群體擴展模型社會網(wǎng)絡(luò)模型客戶獲取客戶轉(zhuǎn)化客戶服務(wù)數(shù)據(jù)應(yīng)用業(yè)務(wù)轉(zhuǎn)型外部數(shù)據(jù)內(nèi)部數(shù)據(jù)數(shù)據(jù)模型持續(xù)優(yōu)化DATA客戶歸一123456為保險企業(yè)提供端到端的整體解決方案DATADATADATAD1401：

海量多源異構(gòu)數(shù)據(jù)的整合第一方數(shù)據(jù)實時用戶行為采集內(nèi)容：CRM、信用卡等業(yè)務(wù)系統(tǒng)數(shù)據(jù)數(shù)據(jù)格式：關(guān)系型數(shù)據(jù)庫獨特優(yōu)勢：靈活、易擴展、高操控性業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集內(nèi)容：用戶行為軌跡數(shù)據(jù)格式：自定義、高度靈活獨特優(yōu)勢：實時、跨站、跨瀏覽器、跨設(shè)備、…采集內(nèi)容：Txt、CSV、Excel、XML、Word、PDF、Socket…獨特優(yōu)勢：支持非結(jié)構(gòu)化數(shù)據(jù)、實時、高效日志數(shù)據(jù)抓取內(nèi)容：媒體資訊、貼吧、微博、搜索引擎、…數(shù)據(jù)格式：將HTML轉(zhuǎn)換為格式化數(shù)據(jù)（Json）獨特優(yōu)勢：精確的流量控制、JS引擎、模擬登錄、模擬用戶行為、功能全面、操作簡單數(shù)據(jù)探頭系統(tǒng)數(shù)據(jù)橋接系統(tǒng)日志收集系統(tǒng)抓取系統(tǒng)互聯(lián)網(wǎng)開放數(shù)據(jù)采集內(nèi)容：央行征信、銀聯(lián)交易等合作方數(shù)據(jù)數(shù)據(jù)格式：可支持各種第二方數(shù)據(jù)格式獨特優(yōu)勢：支持多種數(shù)據(jù)格式，按需采集，靈活、易擴展SDK/API/接口合作方數(shù)據(jù)第二方數(shù)據(jù)第三方數(shù)據(jù)大數(shù)據(jù)平臺01：海量多源異構(gòu)數(shù)據(jù)的整合第一方數(shù)據(jù)實時用戶行為采集內(nèi)容1501：

海量多源異構(gòu)數(shù)據(jù)的整合第一方數(shù)據(jù)實時用戶行為采集內(nèi)容：CRM、信用卡等業(yè)務(wù)系統(tǒng)數(shù)據(jù)數(shù)據(jù)格式：關(guān)系型數(shù)據(jù)庫獨特優(yōu)勢：靈活、易擴展、高操控性業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集內(nèi)容：用戶行為軌跡數(shù)據(jù)格式：自定義、高度靈活獨特優(yōu)勢：實時、跨站、跨瀏覽器、跨設(shè)備、…采集內(nèi)容：Txt、CSV、Excel、XML、Word、PDF、Socket…獨特優(yōu)勢：支持非結(jié)構(gòu)化數(shù)據(jù)、實時、高效日志數(shù)據(jù)抓取內(nèi)容：媒體資訊、貼吧、微博、搜索引擎、…數(shù)據(jù)格式：將HTML轉(zhuǎn)換為格式化數(shù)據(jù)（Json）獨特優(yōu)勢：精確的流量控制、JS引擎、模擬登錄、模擬用戶行為、功能全面、操作簡單數(shù)據(jù)探頭系統(tǒng)數(shù)據(jù)橋接系統(tǒng)日志收集系統(tǒng)抓取系統(tǒng)互聯(lián)網(wǎng)開放數(shù)據(jù)采集內(nèi)容：央行征信、銀聯(lián)交易等合作方數(shù)據(jù)數(shù)據(jù)格式：可支持各種第二方數(shù)據(jù)格式獨特優(yōu)勢：支持多種數(shù)據(jù)格式，按需采集，靈活、易擴展SDK/API/接口合作方數(shù)據(jù)第二方數(shù)據(jù)第三方數(shù)據(jù)大數(shù)據(jù)平臺5.5億+用戶全網(wǎng)畫像：●9大維度●500+子維度●1,100萬+用戶標(biāo)簽日活躍4,000+萬UV：●日活躍訪次：3,700萬●日活躍PV：1.2億●日推薦次數(shù)：6,000萬●并發(fā)推薦：2萬次/秒●單次響應(yīng)時間：<200ms●21大類●4,000+子類●400+商品標(biāo)簽維度●100萬+商品標(biāo)簽數(shù)1億+商品全網(wǎng)畫像：1,000萬+媒體標(biāo)簽：●20大類●1,000+子類●200+媒體標(biāo)簽維度第三方數(shù)據(jù)01：海量多源異構(gòu)數(shù)據(jù)的整合第一方數(shù)據(jù)實時用戶行為采集內(nèi)容16客戶盤點：1,500+互聯(lián)網(wǎng)企業(yè)客戶客戶盤點：1,500+互聯(lián)網(wǎng)企業(yè)客戶1702：跨渠道用戶ID歸一02：跨渠道用戶ID歸一1803：用戶畫像客戶收入支出信息客戶渠道使用客戶資金往來...客戶基本信息客戶持有產(chǎn)品客戶歷史交易客戶風(fēng)險等級事實標(biāo)簽用戶畫像標(biāo)簽原始數(shù)據(jù)預(yù)測標(biāo)簽?zāi)Ｐ蜆?biāo)簽資金往來趨勢產(chǎn)品購買次數(shù)投訴次數(shù)...人口屬性賬戶歷史趨勢渠道使用頻率...用戶關(guān)聯(lián)關(guān)系用戶滿意度用戶風(fēng)險評分...產(chǎn)品購買偏好渠道使用偏好用戶活躍度...消費能力違約概率用戶近期需求...人口屬性人群屬性用戶流失概率...人口屬性用戶價值用戶興趣愛好...模型預(yù)測建模分析統(tǒng)計分析03：用戶畫像客戶收入支出信息客戶渠道使用客戶資金往來..1903：用戶畫像客戶收入支出信息客戶渠道使用客戶資金往來...客戶基本信息客戶持有產(chǎn)品客戶歷史交易客戶風(fēng)險等級事實標(biāo)簽用戶畫像標(biāo)簽原始數(shù)據(jù)預(yù)測標(biāo)簽?zāi)Ｐ蜆?biāo)簽資金往來趨勢產(chǎn)品購買次數(shù)投訴次數(shù)...人口屬性賬戶歷史趨勢渠道使用頻率...用戶關(guān)聯(lián)關(guān)系用戶滿意度用戶風(fēng)險評分...產(chǎn)品購買偏好渠道使用偏好用戶活躍度...消費能力違約概率用戶近期需求...人口屬性人群屬性用戶流失概率...人口屬性用戶價值用戶興趣愛好...模型預(yù)測建模分析統(tǒng)計分析客戶全景視圖交易信息基于現(xiàn)有各個業(yè)務(wù)系統(tǒng)和渠道產(chǎn)生的數(shù)據(jù)客戶行為偏好信息包含客戶即時偏好分析和長期偏好分析，形成客戶興趣偏好標(biāo)簽客戶社會關(guān)系網(wǎng)客戶交互信息基于分析客戶對內(nèi)對外的各類數(shù)據(jù)，形成完整的客戶交互標(biāo)簽人口統(tǒng)計學(xué)標(biāo)簽基本屬性，源于現(xiàn)有客戶基本信息以及外部數(shù)據(jù)源性別家庭住址工作單位年齡收入和支出交易流水產(chǎn)品和服務(wù)購買歷史近期金融產(chǎn)品需求客戶意見反饋未來服務(wù)預(yù)期客戶行為偏好客戶溝通記錄(郵件/短信/QQ)客戶討論傾向客戶態(tài)度和觀點KAM03：用戶畫像客戶收入支出信息客戶渠道使用客戶資金往來..20基于企業(yè)業(yè)務(wù)需求、場景構(gòu)建標(biāo)簽，劃分主題、顆粒度等示例基于企業(yè)業(yè)務(wù)需求、場景構(gòu)建標(biāo)簽，劃分主題、顆粒度等示2104：商業(yè)建模相似度計算推薦算法文本挖掘算法分類聚類算法預(yù)測算法04：商業(yè)建模相似度計算推薦算法文本挖掘算法分類聚類算法預(yù)測22模型一：客戶細(xì)分模型

挖掘高價值客戶，提升非付費客戶到付費客戶的轉(zhuǎn)化率客戶分類描述實現(xiàn)步驟高價值客戶畫像高價值客戶可定義為：1、件均保費高的期繳保單客戶2、保單數(shù)排名前矛的客戶對高價值客戶進行畫像，歸納總結(jié)高價值客戶群體特征，從現(xiàn)有客戶中挖掘有潛力的客戶，使其轉(zhuǎn)化為高價值客戶1、抽取A公司高價值客戶和非高價值客戶兩個數(shù)據(jù)樣本2、分析兩個樣本的群體特征，找出高價值客戶群相對非高價值客戶群的區(qū)別，并進行畫像3、根據(jù)畫像結(jié)果，按照營銷跟進并根據(jù)效果進行持續(xù)優(yōu)化付費客戶畫像通過分析付費客戶和非付費客戶，畫像兩個群體的差異特征，并從非付費客戶中尋找符合付費客戶的特征，針對性的銷售以提升轉(zhuǎn)化率1、提供付費和非付費客戶樣本群進行初步分析，取得差異化特征維度2、針對差異化維度進行建模測試，訓(xùn)練并達(dá)到預(yù)期建模效果3、從非付費客戶群中抽取與付費客戶特征相似的客戶進行有針對性的營銷模型一：客戶細(xì)分模型

挖掘高價值客戶，提升非付費客戶到付費客23模型二：客戶的價值模型

精準(zhǔn)的營銷,不存在錯誤的客戶，只存在錯誤的宣傳。個性化推薦和營銷就是在最合適的時間、以最恰當(dāng)?shù)姆绞?、向客戶推薦或營銷他最需要的資訊、產(chǎn)品或服務(wù)。場景1：個性化精準(zhǔn)營銷場景2：實時的精準(zhǔn)營銷不同的用戶不同的產(chǎn)品個性化推薦和營銷出行之前，看到的不再是重復(fù)的廣告，而是針對性的旅行保險廣告進入系統(tǒng)，伴之而來的廣告不再是千篇一律的“垃圾”廣告，而是考慮了職業(yè)、性別、年齡、收入等因素的針對性產(chǎn)品市場細(xì)分是解決用戶異質(zhì)性的一種方法，而個性化則是市場細(xì)分的極致，即把每一個用戶看成一個細(xì)分市場，這也是營銷的終極目標(biāo)。用戶的“異質(zhì)性”與產(chǎn)品的“差異化”模型二：客戶的價值模型

精準(zhǔn)的營銷,不存在錯誤的客戶，只存24模型三：客戶的忠誠度模型

針對不同類型用戶采用不同的營銷策略購買比數(shù)得分最高金額得分平均金額得分最近購物得分活躍家數(shù)得分5.004.003.002.001.00消費能力用戶粘性低活躍低價值用戶，綜合考慮是否有必要花成本活躍用戶，提高服務(wù)質(zhì)量進行引導(dǎo)一般保持客戶一般挽留客戶重要保持客戶重要挽留客戶重要發(fā)展客戶重要價值客戶一般發(fā)展客戶一般價值客戶高價值低活躍，花成本搞活最近一次消費(Recency)消費頻率(Frequency)消費金額(Monetary)客戶價值重要價值客戶重要發(fā)展客戶重要保持客戶重要挽留客戶一般價值客戶一般發(fā)展客戶一般保持客戶一般挽留客戶模型三：客戶的忠誠度模型

針對不同類型用戶采用不同的營銷策略25模型四：受眾群體的擴散模型

篩選最具購買傾向的客戶名單模型四：受眾群體的擴散模型

篩選最具購買傾向的客戶名單26模型五：社會網(wǎng)絡(luò)模型

引流&重新建立失聯(lián)客戶業(yè)務(wù)描述實現(xiàn)步驟客戶引流與獲客結(jié)合雙方共同的合作方，協(xié)助A公司引流合作方的客戶到自身平臺，借以獲客并取得二次營銷的機會1、從合作方獲取客戶資料2、通過雙盲撥打/短信或其他方式觸達(dá)客戶端，進行營銷宣傳與獲客區(qū)域性保險贈品發(fā)放根據(jù)客戶偏好分析，有針對性的配置贈品進行發(fā)放針對區(qū)域內(nèi)客戶的全網(wǎng)行為特征和偏好，有針對性的配置贈品進行發(fā)放失聯(lián)客戶聯(lián)系重建保險存在大量的失聯(lián)客戶（客戶換手機或手機號不正確），可通過平臺的用戶數(shù)據(jù)進行匹配，并反饋正確的信息1、整理C保險現(xiàn)有用戶數(shù)據(jù)，進行必要的清洗2、對清洗后的失聯(lián)數(shù)據(jù)，在平臺的數(shù)據(jù)庫中進行匹配3、對于匹配上的數(shù)據(jù)，平臺反饋真實的聯(lián)系方式及相關(guān)信息模型五：社會網(wǎng)絡(luò)模型

引流&重新建立失聯(lián)客戶業(yè)務(wù)描述實現(xiàn)步2705:洞察用戶特征，精準(zhǔn)觸達(dá)高凈值用戶

實現(xiàn)從客戶細(xì)分、營銷策劃、營銷執(zhí)行到效果評估的精準(zhǔn)營銷閉環(huán)管理05:洞察用戶特征，精準(zhǔn)觸達(dá)高凈值用戶

實現(xiàn)從客戶細(xì)分、營2805:通過個性化推薦技術(shù)實現(xiàn)智能商品導(dǎo)購，提升交叉/向上銷售

05:通過個性化推薦技術(shù)實現(xiàn)智能商品導(dǎo)購，提升交叉/向上銷售2906:反復(fù)迭代、持續(xù)性的優(yōu)化

圖形化的顯示為領(lǐng)導(dǎo)層的決策提供支撐持續(xù)優(yōu)化洞察報表效果報表投放報表效果監(jiān)測新老訪客分析，網(wǎng)頁熱度分析，用戶忠誠度分析投放實時展示多維度投放監(jiān)控媒體分析渠道分析受眾分析受眾篩選實時優(yōu)化調(diào)查問卷標(biāo)簽體系（如人口的自然屬性，人群興趣、人群行為、購物行為等）協(xié)助廣告主進行精準(zhǔn)的受眾篩選效果優(yōu)化系統(tǒng)使用基于OnlineLearning的算法思維，結(jié)合用戶數(shù)據(jù)生成的各種特征（如TF/IDF、特征向量模型、SVM、決策樹、K-Means、交叉特征、層次平滑體系樹、用戶實時反饋特征），幫助各種合作渠道優(yōu)化效果策略對于階段性投放效果發(fā)布調(diào)查問卷，結(jié)合調(diào)研效果調(diào)整下一階段的投放策略06:反復(fù)迭代、持續(xù)性的優(yōu)化

圖形化的顯示為領(lǐng)導(dǎo)層的決策提30保險及金融行業(yè)的成功案例介紹03保險及金融行業(yè)的成功案例介紹0331金融行業(yè)部分客戶注：規(guī)劃中金融行業(yè)部分客戶注：規(guī)劃中32泰康保險：互聯(lián)網(wǎng)用戶行為采集和網(wǎng)站數(shù)據(jù)統(tǒng)計分析項目用戶行為數(shù)據(jù)采集用戶數(shù)據(jù)拉通模塊網(wǎng)站數(shù)據(jù)統(tǒng)計分析用戶行為分析模塊用戶行為分析與運營分析用戶畫像個性化推薦與精準(zhǔn)營銷泰康人壽的業(yè)務(wù)痛點在于積累了大量的用戶卻不知道如何使用用戶數(shù)據(jù)？如何了解客戶、經(jīng)營客戶？如何建立情感鏈接、實現(xiàn)有效互動，如何打造個性化的產(chǎn)品、服務(wù)？如何增強客戶黏性、提升客戶滿意度？如何擴大保險覆蓋面、提升保險滲透率？解決方案123事實標(biāo)簽?zāi)Ｐ蜆?biāo)簽預(yù)測標(biāo)簽跨站點用戶偏好分析興趣擴散模型分析消費者興趣圖譜分析實時購物意圖分析泰康保險：互聯(lián)網(wǎng)用戶行為采集和網(wǎng)站數(shù)據(jù)統(tǒng)計分析項目用戶行為數(shù)33泰康保險：1.1用戶行為數(shù)據(jù)采集網(wǎng)站概況每天網(wǎng)站PV、UV、獨立IP、活躍度等基本指標(biāo)統(tǒng)計實時統(tǒng)計達(dá)到以10分鐘為粒度，進行PV、UV的統(tǒng)計計算訪客分析記錄訪客設(shè)備信息、瀏覽軌跡、頁面停留時間、地域、實時訪客、用戶拉通信息等轉(zhuǎn)化追蹤分析推廣、搜索引擎轉(zhuǎn)化率、外部鏈接設(shè)備信息分析客戶設(shè)備信息：瀏覽器類型、操作系統(tǒng)、分辨率等等保險產(chǎn)品信息分析各個保險產(chǎn)品每日瀏覽量、趨勢、客戶興趣度、轉(zhuǎn)化率等指標(biāo)觸點采集傳統(tǒng)PC站點手機WAP站點手機APP站點移動端微信泰康保險：1.1用戶行為數(shù)據(jù)采集網(wǎng)站概況每天網(wǎng)站PV、UV34泰康保險：1.2用戶數(shù)據(jù)拉通模塊:用戶ID價值難點整合所有接觸點的用戶數(shù)據(jù)整合用戶的所有ID真正“認(rèn)識”一個用戶用戶不再“匿名”多源異構(gòu)規(guī)整到統(tǒng)一標(biāo)準(zhǔn)精確定義的標(biāo)簽……如何理解并定義“同一個用戶”不同標(biāo)簽體系的融合用戶與ID的多對多關(guān)系泰康保險：1.2用戶數(shù)據(jù)拉通模塊:用戶ID價值難點整合35泰康保險：1.3用戶行為分析模塊圖4新增/沉默/活躍/流失用戶圖1客戶生命周期圖5留存用戶圖2用戶分類及詳情圖3回流用戶分析泰康保險：1.3用戶行為分析模塊圖4新增/沉默/活躍/36泰康保險：1.4網(wǎng)站數(shù)據(jù)統(tǒng)計分析圖1頁面瀏覽量分析圖2分時段統(tǒng)計信息圖3網(wǎng)頁跳出率分析圖4分時段統(tǒng)計信息圖5用戶來源分析圖6搜索關(guān)鍵詞統(tǒng)計分析泰康保險：1.4網(wǎng)站數(shù)據(jù)統(tǒng)計分析圖1頁面瀏覽量分析圖237中信銀行：高價值潛在客戶挖掘(出國金融)業(yè)務(wù)需求通過大數(shù)據(jù)分析，找到存量客戶中潛在的出國金融產(chǎn)品客戶（以出國留學(xué)類金融產(chǎn)品為例），分析此類高價值客戶的行為特征，并針對有相似特征的用戶群進行精準(zhǔn)營銷，達(dá)到潛在客戶轉(zhuǎn)化為真正客群的目的。營銷方案制定與執(zhí)行找到精準(zhǔn)營銷切入點找到高價值潛在客戶數(shù)據(jù)準(zhǔn)備與匹配將該銀行北京分行的客戶與第三方數(shù)據(jù)進行匹配，匹配率43%；剔除用戶畫像中，媒體關(guān)注類標(biāo)簽少于100個的用戶；剩余用戶占比：37.25%。選擇出國留學(xué)類金融產(chǎn)品進行分析；對該銀行北京分行從2013年2月至2014年12月進行出國金融客戶通過生存分析模型，發(fā)現(xiàn)91%的客戶在申請學(xué)校之前就已是該行客戶；需要在用戶申請學(xué)校之前先聯(lián)系到客戶。對出國留學(xué)金融客戶群進行分析，發(fā)現(xiàn)：出國前6-10個月，出國金融客戶較為關(guān)注學(xué)校所在目的地國家，經(jīng)常逛留學(xué)社區(qū)論壇；出國前3-6個月，出國金融客戶的注意力會偏向簽證、機票等。進一步對客戶群進行洞察和細(xì)分，了解同類用戶的需求和關(guān)注重點；與業(yè)務(wù)人員討論，確定17個營銷短名單，以定制短信廣告和柜面人工詢問（短名單提前收工錄入）的方式進行營銷。解決方案應(yīng)用效果相對于傳統(tǒng)推廣方式：針對目標(biāo)客戶群的電話咨詢率提高推廣兩個月內(nèi)：出國金融產(chǎn)品銷售增長新客戶開戶出國留學(xué)保證金帶來的存款超過41%270%1025戶2.1億中信銀行：高價值潛在客戶挖掘(出國金融)業(yè)務(wù)需求通過大數(shù)據(jù)38金融保險客戶實施大數(shù)據(jù)的建議路徑04金融保險客戶實施大數(shù)據(jù)的建議路徑0439金融保險客戶電子商務(wù)大數(shù)據(jù)的實施建議一階段：用戶行為采集分析及營銷試點三階段：個性化推薦及精準(zhǔn)營銷應(yīng)用二階段：多源數(shù)據(jù)整合及用戶畫像建模目標(biāo)主要工作補充第三方數(shù)據(jù)PC端官網(wǎng)用戶行為數(shù)據(jù)采集用戶行為分析選擇產(chǎn)品試點精準(zhǔn)營銷多觸點數(shù)據(jù)整合（App、WAP等）全網(wǎng)用戶拉通運營指標(biāo)分析基于用戶行為的用戶畫像用戶標(biāo)簽體系搭建電子商務(wù)業(yè)務(wù)用戶洞察智能實時精準(zhǔn)推薦場景式營銷周期三個月六個月迭代式金融保險客戶電子商務(wù)大數(shù)據(jù)的實施建議一階段：三階段：二階段：40一階段建設(shè)思路4.基于采集的數(shù)據(jù)和補充的數(shù)據(jù)進行用戶畫像用戶行為分析產(chǎn)品解構(gòu)用戶畫像建模2.1用戶行為采集官方網(wǎng)站部署采集的代碼收集用戶瀏覽行為收集用戶交易行2.2采集公司內(nèi)部數(shù)據(jù)產(chǎn)品信息產(chǎn)品持有人信息5.精準(zhǔn)營銷，獲取新客用戶分群針對特定人群進行DSP營銷采集&分析用戶行為精準(zhǔn)營銷試點1.明確項目范圍、目標(biāo)數(shù)據(jù)源：金融保險客戶PC端官方網(wǎng)站確定試點營銷的保險產(chǎn)品確定試點營銷的預(yù)算（投放廣告成本）明確項目目標(biāo)一個月一個月一個月3.1與平臺數(shù)據(jù)進行匹配3.2補充互聯(lián)網(wǎng)用戶行為數(shù)據(jù)用戶產(chǎn)品偏好用戶渠道偏好用戶交易偏好用戶媒體偏好構(gòu)建用戶畫像補充互聯(lián)網(wǎng)數(shù)據(jù)一階段建設(shè)思路4.基于采集的數(shù)據(jù)和補充的數(shù)據(jù)進行用戶畫像2.41匯報完畢感謝聆聽匯報完畢感謝聆聽42金融保險行業(yè)大數(shù)據(jù)整體解決方案智慧保險大數(shù)據(jù)平臺建設(shè)方案金融保險行業(yè)大數(shù)據(jù)整體解決方案智慧保險大數(shù)據(jù)平臺建設(shè)方案43目錄頁大數(shù)據(jù)在保險行業(yè)的機遇與挑戰(zhàn)針對保險行業(yè)的大數(shù)據(jù)解決方案保險及金融行業(yè)的成功案例介紹金融保險客戶實施大數(shù)據(jù)的建議路徑1234CONTENTSPAGE目錄頁大數(shù)據(jù)在保險行業(yè)的機遇與挑戰(zhàn)針對保險行業(yè)的大數(shù)據(jù)解決方44大數(shù)據(jù)在保險行業(yè)的機遇與挑戰(zhàn)01大數(shù)據(jù)在保險行業(yè)的機遇與挑戰(zhàn)0145保險科技價值鏈數(shù)據(jù)上鏈破除數(shù)據(jù)孤島數(shù)據(jù)挖掘機器學(xué)習(xí)?

用戶畫像?

精準(zhǔn)營銷?

核保核賠?

風(fēng)險管理?

客戶服務(wù)區(qū)塊鏈26 基因檢測AI3大數(shù)據(jù)1云計算4…………物聯(lián)網(wǎng)5?

醫(yī)療數(shù)據(jù)UBI感知識別（AI）?

三方數(shù)據(jù)?

客戶數(shù)據(jù)庫?

流程自動化?

評估模型?

決策系統(tǒng)保險科技價值鏈數(shù)據(jù)上鏈破除數(shù)據(jù)孤島數(shù)據(jù)挖掘機器學(xué)習(xí)?46? 構(gòu)架和平臺統(tǒng)一、技術(shù)先進、安全高效前瞻性? 服務(wù)器和計算節(jié)點可擴展、數(shù)據(jù)結(jié)構(gòu)可擴展、ETL處理可擴展、平臺接口可擴展可擴展? 初次建設(shè)時選擇開源版本（Apache）或者更貼近開原版本的商業(yè)版本（CDH）開放性? 在硬件資源有限的情況下，應(yīng)盡可能地支持盡量多的數(shù)據(jù)服務(wù)需求，還能承受用戶峰值時間段壓力高性能? 數(shù)據(jù)模型的穩(wěn)定性、系統(tǒng)運行的穩(wěn)定性穩(wěn)定性安全性 ? 防止數(shù)據(jù)服務(wù)體系的數(shù)據(jù)資源被惡意修改和盜取? 防止數(shù)據(jù)在傳輸過程中被截留和篡改? 運維涉及硬件設(shè)備、Hadoop平臺、應(yīng)用系統(tǒng)易維護? 從實際需求出發(fā)，前期從單一需求的最小規(guī)模集群起步，以最小投入解決問題，后期再做擴充實用性? ETL功能組件、數(shù)據(jù)預(yù)處理層的數(shù)據(jù)模型、租金復(fù)用、硬件部署等方面的高可用高可用? 建設(shè)企業(yè)級一體化的監(jiān)控和管理平臺，后期便于更好地統(tǒng)一管理和維護統(tǒng)一部署大數(shù)據(jù)平臺架構(gòu)設(shè)計基礎(chǔ)要素? 構(gòu)架和平臺統(tǒng)一、技術(shù)先進、安全高效前瞻性? 服務(wù)器和計算47? 大數(shù)據(jù)是人工智能存在的基石。多來源、多類型的大數(shù)據(jù)可以從不同角度進行逼近真實的描述，而利用算法可以挖掘數(shù)據(jù)之間的多層次關(guān)聯(lián)關(guān)系。其中過程數(shù)據(jù)（同“用戶行為數(shù)據(jù)”）對AI意義重大。? 用戶行為數(shù)據(jù)是機器學(xué)習(xí)的基礎(chǔ)，如果想讓機器學(xué)到最新的、即時的用戶行為，形成持續(xù)的反饋閉環(huán)的人工智能系統(tǒng)是機器智能提升的前提。? 另外，機器能夠容易理解的反饋數(shù)據(jù)需要符合被標(biāo)記標(biāo)簽的性質(zhì)。? 算法是人工智能決定效率提升的關(guān)鍵因素。人工智能能夠?qū)崿F(xiàn)大量無法統(tǒng)計的規(guī)則會被機器自主發(fā)現(xiàn)和抓取，從而充分挖掘“長尾用戶”的行為規(guī)律，提高機器學(xué)習(xí)模型預(yù)測的精準(zhǔn)度。這就需要超高維度的算法。? 超高維度的算法，首先須要原始數(shù)據(jù)的絕對值很大，這對于大數(shù)據(jù)的分布式存儲、處理技術(shù)具有較高要求。? 其次，利用萬億級的海量特征進行機器學(xué)習(xí)特征處理、模型訓(xùn)練以及線上服務(wù)，需要成千上萬個節(jié)點進行協(xié)同工作，這對算法及系統(tǒng)的要求是全方位的。? 一個優(yōu)秀的人工智能模型需要千萬級的數(shù)據(jù)樣本。因此，在數(shù)據(jù)方面，企業(yè)需加強對用戶每一個行為及其結(jié)果的記錄意識。? 高性能、大規(guī)模的計算資源是人工智能技術(shù)在實際應(yīng)用中的必備條件。在人工智能實際的業(yè)務(wù)場景中，動輒數(shù)十億級別的數(shù)據(jù)，會給計算框架帶來嚴(yán)峻的考驗。? 構(gòu)建高維度機器學(xué)習(xí)框架，確保在大數(shù)據(jù)的場景下，計算能力隨數(shù)據(jù)量增加呈線性增長，實現(xiàn)系統(tǒng)時間成本與計算成本的可控。? 目前機器還不具備主動、自發(fā)定義任務(wù)的能力，因此，清晰、明確的任務(wù)目標(biāo)就是人工智能得以有效應(yīng)用最為關(guān)鍵的先決條件。? 優(yōu)化、明確業(yè)務(wù)問題需要企業(yè)業(yè)務(wù)專家的深度參與：? 一方面從業(yè)務(wù)出發(fā)，需要在業(yè)務(wù)專家和技術(shù)專家共同對企業(yè)資源進行評估與組織，最終將商業(yè)目標(biāo)轉(zhuǎn)化為機器可理解的數(shù)據(jù)挖掘目標(biāo)；? 二是從技術(shù)出發(fā)，將公司的運營指標(biāo)和人工智能適用的指標(biāo)進行結(jié)合。存在問題采取措施? 企業(yè)應(yīng)該建立數(shù)字化、不間斷的反饋數(shù)據(jù)閉環(huán)，將實時數(shù)據(jù)進行反饋，使模型具備自我進化能力。BRAIN保險公司構(gòu)建商業(yè)AI能力的核心要素核心有意義的過程數(shù)據(jù)數(shù)字化的持續(xù)反饋高維度的算法能力高性能的計算能力邊界清晰的問題定義要素BigDataResponseAlgorithmInfrastructureNeeds? 大數(shù)據(jù)是人工智能存在的基石。多來源、多類型的大數(shù)據(jù)可48準(zhǔn)備數(shù)據(jù)分析處理數(shù)據(jù)建模價值應(yīng)用數(shù)據(jù)接入數(shù)據(jù)處理數(shù)據(jù)分析特征處理模型訓(xùn)練模型評估模型應(yīng)用數(shù)據(jù)源待評估數(shù)據(jù)樣本數(shù)據(jù)測試數(shù)據(jù)算法模型應(yīng)用特征優(yōu)化特征增量測試數(shù)據(jù)優(yōu)化算法其他場景整理分析模型訓(xùn)練迭代訓(xùn)練遷移標(biāo)簽易使用交互式的圖形化界面能快速的完成任務(wù)問題轉(zhuǎn)化和建模過程的定義多功能多語言支持Python、R、

SQL等多功能語言和用戶習(xí)慣的使用方式數(shù)據(jù)科學(xué)家/業(yè)務(wù)專家高效率提供多種系統(tǒng)化實驗，并提供自動的優(yōu)化和調(diào)參功能團隊協(xié)作為不同的團隊角色提供針對性的功能和與之對應(yīng)的協(xié)作方式，同時提供不同角色的培訓(xùn)服務(wù)高效能自主知識產(chǎn)權(quán)的專利算法和計算框架提供高效的計算能力和精準(zhǔn)的應(yīng)用效果高擴展性提供多語言的SDK，幫助開發(fā)者在此基礎(chǔ)上完成二次開發(fā)和擴展使用開發(fā)者/系統(tǒng)工程師高處理能力大規(guī)模分布式的底層架構(gòu)，滿足高業(yè)務(wù)復(fù)雜度和數(shù)據(jù)量的存儲和處理需求快速定制作為通用開發(fā)平臺，開發(fā)者可快速依托平臺的組件庫和架構(gòu)完成專屬的人工智能業(yè)務(wù)系統(tǒng)的定制和對接模型全生命周期管理準(zhǔn)備數(shù)據(jù)分析處理數(shù)據(jù)建模價值應(yīng)用數(shù)據(jù)接入數(shù)據(jù)處理數(shù)據(jù)分析特征49?

業(yè)務(wù)專家：利用大數(shù)據(jù)和機器學(xué)習(xí)獲得提升?

關(guān)心：模型效果、與業(yè)務(wù)結(jié)合、可解釋性?

數(shù)據(jù)科學(xué)家：處理數(shù)據(jù)&模型調(diào)研?

關(guān)心：算法、靈活性、可擴展性、性能?

系統(tǒng)管理人員：維護大量數(shù)據(jù)流&線上模型服務(wù)?

關(guān)心：資源使用、一致性、可管理性人工智能參與人員的角色?業(yè)務(wù)專家：利用大數(shù)據(jù)和機器學(xué)習(xí)獲得提升?數(shù)據(jù)科學(xué)家50以用戶為中心建設(shè)互聯(lián)網(wǎng)＋保險客戶獲取客戶轉(zhuǎn)化客戶服務(wù)客戶挽回戰(zhàn)略&規(guī)劃明確并聚焦目標(biāo)分析&洞察全方位深入分析應(yīng)用&營銷&交互多渠道協(xié)同，數(shù)據(jù)應(yīng)用客戶體驗建設(shè)可靠信任關(guān)系DATADATADATADATADATADATADATADATA數(shù)據(jù)整合用戶畫像數(shù)據(jù)分析客戶細(xì)分模型客戶價值模型忠誠度模型受眾群體擴展模型社會網(wǎng)絡(luò)模型客戶獲取客戶轉(zhuǎn)化客戶服務(wù)數(shù)據(jù)應(yīng)用業(yè)務(wù)轉(zhuǎn)型大數(shù)據(jù)技術(shù)與平臺支撐大數(shù)據(jù)分析技術(shù)和工具保險企業(yè)客戶分析模型不斷優(yōu)化的管理閉環(huán)外部數(shù)據(jù)內(nèi)部數(shù)據(jù)數(shù)據(jù)模型業(yè)務(wù)應(yīng)用用戶行為偏好數(shù)據(jù)匹配DATA01：建設(shè)思路02：建設(shè)目標(biāo)03：業(yè)務(wù)規(guī)劃04：技術(shù)實現(xiàn)以用戶為中心建設(shè)互聯(lián)網(wǎng)＋保險客戶獲取客戶轉(zhuǎn)化客戶服務(wù)客戶挽回51保險行業(yè)發(fā)展大數(shù)據(jù)的難點數(shù)據(jù)多整合困難客戶多分析困難需求多應(yīng)用困難數(shù)據(jù)來源的多樣性數(shù)據(jù)類型的復(fù)雜性數(shù)據(jù)特征的多元化數(shù)據(jù)處理方法的差異化組織內(nèi)部數(shù)據(jù)的分散性數(shù)據(jù)共享機制的缺乏…怎么識別客戶全方位的特征？怎樣有效細(xì)分客戶？怎樣提取客戶的共同需求？怎樣利用不同模型/算法生成客戶多樣化標(biāo)簽？怎樣進行客戶行為偏好分析？…如何與客戶實時交互如何及時響應(yīng)客戶的需求如何提供滿意的客戶體驗如何降低客戶流失如何控制客戶維系成本如何對客戶進行精準(zhǔn)營銷…保險行業(yè)發(fā)展大數(shù)據(jù)的難點數(shù)據(jù)多客戶多需求多數(shù)據(jù)來源的多樣性怎52大數(shù)據(jù)管理平臺應(yīng)用平臺大數(shù)據(jù)采集業(yè)務(wù)數(shù)據(jù)匯集系統(tǒng)用戶行為數(shù)據(jù)采集系統(tǒng)互聯(lián)網(wǎng)公開數(shù)據(jù)抓取系統(tǒng)大數(shù)據(jù)清洗業(yè)務(wù)數(shù)據(jù)清洗系統(tǒng)用戶行為數(shù)據(jù)清洗系統(tǒng)互聯(lián)網(wǎng)公開數(shù)據(jù)清洗系統(tǒng)大數(shù)據(jù)標(biāo)準(zhǔn)化用戶多重ID歸一化系統(tǒng)商品歸一化系統(tǒng)大數(shù)據(jù)結(jié)構(gòu)化用戶標(biāo)簽管理系統(tǒng)商品標(biāo)簽管理系統(tǒng)管理平臺基礎(chǔ)平臺可視化數(shù)據(jù)操作平臺大數(shù)據(jù)操作系統(tǒng)（BD-OS）數(shù)據(jù)全生命周期管理業(yè)務(wù)流程全生命周期管理業(yè)務(wù)價值挖掘建模數(shù)據(jù)訪問資源管控分布式存儲（磁盤及內(nèi)存）數(shù)據(jù)接入安全(認(rèn)證權(quán)限ACL)監(jiān)控配置及報警安裝及云服務(wù)電子商城個性化系統(tǒng)移動商城個性化系統(tǒng)媒體網(wǎng)站個性化系統(tǒng)在線營銷支持系統(tǒng)門店營銷支持系統(tǒng)會員營銷支持系統(tǒng)全網(wǎng)市場監(jiān)控系統(tǒng)輿情管家商情管家用戶洞察系統(tǒng)個性化推薦引擎（BRE）自動化營銷引擎（BME）大數(shù)據(jù)分析引擎（BAE）媒體網(wǎng)站個性化系統(tǒng)大數(shù)據(jù)管理平臺應(yīng)用平臺大數(shù)據(jù)采集業(yè)務(wù)數(shù)據(jù)匯集系統(tǒng)用戶行為數(shù)據(jù)53針對保險行業(yè)的大數(shù)據(jù)解決方案02針對保險行業(yè)的大數(shù)據(jù)解決方案0254以用戶為中心建設(shè)互聯(lián)網(wǎng)＋保險客戶獲取客戶轉(zhuǎn)化客戶服務(wù)客戶挽回戰(zhàn)略&規(guī)劃明確并聚焦目標(biāo)分析&洞察全方位深入分析應(yīng)用&營銷&交互多渠道協(xié)同，數(shù)據(jù)應(yīng)用客戶體驗建設(shè)可靠信任關(guān)系DATADATADATADATADATADATADATADATA數(shù)據(jù)整合用戶畫像數(shù)據(jù)分析客戶細(xì)分模型客戶價值模型忠誠度模型受眾群體擴展模型社會網(wǎng)絡(luò)模型客戶獲取客戶轉(zhuǎn)化客戶服務(wù)數(shù)據(jù)應(yīng)用業(yè)務(wù)轉(zhuǎn)型大數(shù)據(jù)技術(shù)與平臺支撐大數(shù)據(jù)分析技術(shù)和工具保險企業(yè)客戶分析模型不斷優(yōu)化的管理閉環(huán)外部數(shù)據(jù)內(nèi)部數(shù)據(jù)數(shù)據(jù)模型業(yè)務(wù)應(yīng)用用戶行為偏好數(shù)據(jù)匹配DATA以用戶為中心建設(shè)互聯(lián)網(wǎng)＋保險客戶獲取客戶轉(zhuǎn)化客戶服務(wù)客戶挽回55為保險企業(yè)提供端到端的整體解決方案DATADATADATADATADATADATADATADATA數(shù)據(jù)整合用戶畫像數(shù)據(jù)分析客戶細(xì)分模型客戶價值模型忠誠度模型受眾群體擴展模型社會網(wǎng)絡(luò)模型客戶獲取客戶轉(zhuǎn)化客戶服務(wù)數(shù)據(jù)應(yīng)用業(yè)務(wù)轉(zhuǎn)型外部數(shù)據(jù)內(nèi)部數(shù)據(jù)數(shù)據(jù)模型持續(xù)優(yōu)化DATA客戶歸一123456為保險企業(yè)提供端到端的整體解決方案DATADATADATAD5601：

海量多源異構(gòu)數(shù)據(jù)的整合第一方數(shù)據(jù)實時用戶行為采集內(nèi)容：CRM、信用卡等業(yè)務(wù)系統(tǒng)數(shù)據(jù)數(shù)據(jù)格式：關(guān)系型數(shù)據(jù)庫獨特優(yōu)勢：靈活、易擴展、高操控性業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集內(nèi)容：用戶行為軌跡數(shù)據(jù)格式：自定義、高度靈活獨特優(yōu)勢：實時、跨站、跨瀏覽器、跨設(shè)備、…采集內(nèi)容：Txt、CSV、Excel、XML、Word、PDF、Socket…獨特優(yōu)勢：支持非結(jié)構(gòu)化數(shù)據(jù)、實時、高效日志數(shù)據(jù)抓取內(nèi)容：媒體資訊、貼吧、微博、搜索引擎、…數(shù)據(jù)格式：將HTML轉(zhuǎn)換為格式化數(shù)據(jù)（Json）獨特優(yōu)勢：精確的流量控制、JS引擎、模擬登錄、模擬用戶行為、功能全面、操作簡單數(shù)據(jù)探頭系統(tǒng)數(shù)據(jù)橋接系統(tǒng)日志收集系統(tǒng)抓取系統(tǒng)互聯(lián)網(wǎng)開放數(shù)據(jù)采集內(nèi)容：央行征信、銀聯(lián)交易等合作方數(shù)據(jù)數(shù)據(jù)格式：可支持各種第二方數(shù)據(jù)格式獨特優(yōu)勢：支持多種數(shù)據(jù)格式，按需采集，靈活、易擴展SDK/API/接口合作方數(shù)據(jù)第二方數(shù)據(jù)第三方數(shù)據(jù)大數(shù)據(jù)平臺01：海量多源異構(gòu)數(shù)據(jù)的整合第一方數(shù)據(jù)實時用戶行為采集內(nèi)容5701：

海量多源異構(gòu)數(shù)據(jù)的整合第一方數(shù)據(jù)實時用戶行為采集內(nèi)容：CRM、信用卡等業(yè)務(wù)系統(tǒng)數(shù)據(jù)數(shù)據(jù)格式：關(guān)系型數(shù)據(jù)庫獨特優(yōu)勢：靈活、易擴展、高操控性業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集內(nèi)容：用戶行為軌跡數(shù)據(jù)格式：自定義、高度靈活獨特優(yōu)勢：實時、跨站、跨瀏覽器、跨設(shè)備、…采集內(nèi)容：Txt、CSV、Excel、XML、Word、PDF、Socket…獨特優(yōu)勢：支持非結(jié)構(gòu)化數(shù)據(jù)、實時、高效日志數(shù)據(jù)抓取內(nèi)容：媒體資訊、貼吧、微博、搜索引擎、…數(shù)據(jù)格式：將HTML轉(zhuǎn)換為格式化數(shù)據(jù)（Json）獨特優(yōu)勢：精確的流量控制、JS引擎、模擬登錄、模擬用戶行為、功能全面、操作簡單數(shù)據(jù)探頭系統(tǒng)數(shù)據(jù)橋接系統(tǒng)日志收集系統(tǒng)抓取系統(tǒng)互聯(lián)網(wǎng)開放數(shù)據(jù)采集內(nèi)容：央行征信、銀聯(lián)交易等合作方數(shù)據(jù)數(shù)據(jù)格式：可支持各種第二方數(shù)據(jù)格式獨特優(yōu)勢：支持多種數(shù)據(jù)格式，按需采集，靈活、易擴展SDK/API/接口合作方數(shù)據(jù)第二方數(shù)據(jù)第三方數(shù)據(jù)大數(shù)據(jù)平臺5.5億+用戶全網(wǎng)畫像：●9大維度●500+子維度●1,100萬+用戶標(biāo)簽日活躍4,000+萬UV：●日活躍訪次：3,700萬●日活躍PV：1.2億●日推薦次數(shù)：6,000萬●并發(fā)推薦：2萬次/秒●單次響應(yīng)時間：<200ms●21大類●4,000+子類●400+商品標(biāo)簽維度●100萬+商品標(biāo)簽數(shù)1億+商品全網(wǎng)畫像：1,000萬+媒體標(biāo)簽：●20大類●1,000+子類●200+媒體標(biāo)簽維度第三方數(shù)據(jù)01：海量多源異構(gòu)數(shù)據(jù)的整合第一方數(shù)據(jù)實時用戶行為采集內(nèi)容58客戶盤點：1,500+互聯(lián)網(wǎng)企業(yè)客戶客戶盤點：1,500+互聯(lián)網(wǎng)企業(yè)客戶5902：跨渠道用戶ID歸一02：跨渠道用戶ID歸一6003：用戶畫像客戶收入支出信息客戶渠道使用客戶資金往來...客戶基本信息客戶持有產(chǎn)品客戶歷史交易客戶風(fēng)險等級事實標(biāo)簽用戶畫像標(biāo)簽原始數(shù)據(jù)預(yù)測標(biāo)簽?zāi)Ｐ蜆?biāo)簽資金往來趨勢產(chǎn)品購買次數(shù)投訴次數(shù)...人口屬性賬戶歷史趨勢渠道使用頻率...用戶關(guān)聯(lián)關(guān)系用戶滿意度用戶風(fēng)險評分...產(chǎn)品購買偏好渠道使用偏好用戶活躍度...消費能力違約概率用戶近期需求...人口屬性人群屬性用戶流失概率...人口屬性用戶價值用戶興趣愛好...模型預(yù)測建模分析統(tǒng)計分析03：用戶畫像客戶收入支出信息客戶渠道使用客戶資金往來..6103：用戶畫像客戶收入支出信息客戶渠道使用客戶資金往來...客戶基本信息客戶持有產(chǎn)品客戶歷史交易客戶風(fēng)險等級事實標(biāo)簽用戶畫像標(biāo)簽原始數(shù)據(jù)預(yù)測標(biāo)簽?zāi)Ｐ蜆?biāo)簽資金往來趨勢產(chǎn)品購買次數(shù)投訴次數(shù)...人口屬性賬戶歷史趨勢渠道使用頻率...用戶關(guān)聯(lián)關(guān)系用戶滿意度用戶風(fēng)險評分...產(chǎn)品購買偏好渠道使用偏好用戶活躍度...消費能力違約概率用戶近期需求...人口屬性人群屬性用戶流失概率...人口屬性用戶價值用戶興趣愛好...模型預(yù)測建模分析統(tǒng)計分析客戶全景視圖交易信息基于現(xiàn)有各個業(yè)務(wù)系統(tǒng)和渠道產(chǎn)生的數(shù)據(jù)客戶行為偏好信息包含客戶即時偏好分析和長期偏好分析，形成客戶興趣偏好標(biāo)簽客戶社會關(guān)系網(wǎng)客戶交互信息基于分析客戶對內(nèi)對外的各類數(shù)據(jù)，形成完整的客戶交互標(biāo)簽人口統(tǒng)計學(xué)標(biāo)簽基本屬性，源于現(xiàn)有客戶基本信息以及外部數(shù)據(jù)源性別家庭住址工作單位年齡收入和支出交易流水產(chǎn)品和服務(wù)購買歷史近期金融產(chǎn)品需求客戶意見反饋未來服務(wù)預(yù)期客戶行為偏好客戶溝通記錄(郵件/短信/QQ)客戶討論傾向客戶態(tài)度和觀點KAM03：用戶畫像客戶收入支出信息客戶渠道使用客戶資金往來..62基于企業(yè)業(yè)務(wù)需求、場景構(gòu)建標(biāo)簽，劃分主題、顆粒度等示例基于企業(yè)業(yè)務(wù)需求、場景構(gòu)建標(biāo)簽，劃分主題、顆粒度等示6304：商業(yè)建模相似度計算推薦算法文本挖掘算法分類聚類算法預(yù)測算法04：商業(yè)建模相似度計算推薦算法文本挖掘算法分類聚類算法預(yù)測64模型一：客戶細(xì)分模型

挖掘高價值客戶，提升非付費客戶到付費客戶的轉(zhuǎn)化率客戶分類描述實現(xiàn)步驟高價值客戶畫像高價值客戶可定義為：1、件均保費高的期繳保單客戶2、保單數(shù)排名前矛的客戶對高價值客戶進行畫像，歸納總結(jié)高價值客戶群體特征，從現(xiàn)有客戶中挖掘有潛力的客戶，使其轉(zhuǎn)化為高價值客戶1、抽取A公司高價值客戶和非高價值客戶兩個數(shù)據(jù)樣本2、分析兩個樣本的群體特征，找出高價值客戶群相對非高價值客戶群的區(qū)別，并進行畫像3、根據(jù)畫像結(jié)果，按照營銷跟進并根據(jù)效果進行持續(xù)優(yōu)化付費客戶畫像通過分析付費客戶和非付費客戶，畫像兩個群體的差異特征，并從非付費客戶中尋找符合付費客戶的特征，針對性的銷售以提升轉(zhuǎn)化率1、提供付費和非付費客戶樣本群進行初步分析，取得差異化特征維度2、針對差異化維度進行建模測試，訓(xùn)練并達(dá)到預(yù)期建模效果3、從非付費客戶群中抽取與付費客戶特征相似的客戶進行有針對性的營銷模型一：客戶細(xì)分模型

挖掘高價值客戶，提升非付費客戶到付費客65模型二：客戶的價值模型

精準(zhǔn)的營銷,不存在錯誤的客戶，只存在錯誤的宣傳。個性化推薦和營銷就是在最合適的時間、以最恰當(dāng)?shù)姆绞?、向客戶推薦或營銷他最需要的資訊、產(chǎn)品或服務(wù)。場景1：個性化精準(zhǔn)營銷場景2：實時的精準(zhǔn)營銷不同的用戶不同的產(chǎn)品個性化推薦和營銷出行之前，看到的不再是重復(fù)的廣告，而是針對性的旅行保險廣告進入系統(tǒng)，伴之而來的廣告不再是千篇一律的“垃圾”廣告，而是考慮了職業(yè)、性別、年齡、收入等因素的針對性產(chǎn)品市場細(xì)分是解決用戶異質(zhì)性的一種方法，而個性化則是市場細(xì)分的極致，即把每一個用戶看成一個細(xì)分市場，這也是營銷的終極目標(biāo)。用戶的“異質(zhì)性”與產(chǎn)品的“差異化”模型二：客戶的價值模型

精準(zhǔn)的營銷,不存在錯誤的客戶，只存66模型三：客戶的忠誠度模型

針對不同類型用戶采用不同的營銷策略購買比數(shù)得分最高金額得分平均金額得分最近購物得分活躍家數(shù)得分5.004.003.002.001.00消費能力用戶粘性低活躍低價值用戶，綜合考慮是否有必要花成本活躍用戶，提高服務(wù)質(zhì)量進行引導(dǎo)一般保持客戶一般挽留客戶重要保持客戶重要挽留客戶重要發(fā)展客戶重要價值客戶一般發(fā)展客戶一般價值客戶高價值低活躍，花成本搞活最近一次消費(Recency)消費頻率(Frequency)消費金額(Monetary)客戶價值重要價值客戶重要發(fā)展客戶重要保持客戶重要挽留客戶一般價值客戶一般發(fā)展客戶一般保持客戶一般挽留客戶模型三：客戶的忠誠度模型

針對不同類型用戶采用不同的營銷策略67模型四：受眾群體的擴散模型

篩選最具購買傾向的客戶名單模型四：受眾群體的擴散模型

篩選最具購買傾向的客戶名單68模型五：社會網(wǎng)絡(luò)模型

引流&重新建立失聯(lián)客戶業(yè)務(wù)描述實現(xiàn)步驟客戶引流與獲客結(jié)合雙方共同的合作方，協(xié)助A公司引流合作方的客戶到自身平臺，借以獲客并取得二次營銷的機會1、從合作方獲取客戶資料2、通過雙盲撥打/短信或其他方式觸達(dá)客戶端，進行營銷宣傳與獲客區(qū)域性保險贈品發(fā)放根據(jù)客戶偏好分析，有針對性的配置贈品進行發(fā)放針對區(qū)域內(nèi)客戶的全網(wǎng)行為特征和偏好，有針對性的配置贈品進行發(fā)放失聯(lián)客戶聯(lián)系重建保險存在大量的失聯(lián)客戶（客戶換手機或手機號不正確），可通過平臺的用戶數(shù)據(jù)進行匹配，并反饋正確的信息1、整理C保險現(xiàn)有用戶數(shù)據(jù)，進行必要的清洗2、對清洗后的失聯(lián)數(shù)據(jù)，在平臺的數(shù)據(jù)庫中進行匹配3、對于匹配上的數(shù)據(jù)，平臺反饋真實的聯(lián)系方式及相關(guān)信息模型五：社會網(wǎng)絡(luò)模型

引流&重新建立失聯(lián)客戶業(yè)務(wù)描述實現(xiàn)步6905:洞察用戶特征，精準(zhǔn)觸達(dá)高凈值用戶

實現(xiàn)從客戶細(xì)分、營銷策劃、營銷執(zhí)行到效果評估的精準(zhǔn)營銷閉環(huán)管理05:洞察用戶特征，精準(zhǔn)觸達(dá)高凈值用戶

實現(xiàn)從客戶細(xì)分、營7005:通過個性化推薦技術(shù)實現(xiàn)智能商品導(dǎo)購，提升交叉/向上銷售

05:通過個性化推薦技術(shù)實現(xiàn)智能商品導(dǎo)購，提升交叉/向上銷售7106:反復(fù)迭代、持續(xù)性的優(yōu)化

圖形化的顯示為領(lǐng)導(dǎo)層的決策提供支撐持續(xù)優(yōu)化洞察報表效果報表投放報表效果監(jiān)測新老訪客分析，網(wǎng)頁熱度分析，用戶忠誠度分析投放實時展示多維度投放監(jiān)控媒體分析渠道分析受眾分析受眾篩選實時優(yōu)化調(diào)查問卷標(biāo)簽體系（如人口的自然屬性，人群興趣、人群行為、購物行為等）協(xié)助廣告主進行精準(zhǔn)的受眾篩選效果優(yōu)化系統(tǒng)使用基于OnlineLearning的算法思維，結(jié)合用戶數(shù)據(jù)生成的各種特征（如TF/IDF、特征向量模型、SVM、決策樹、K-Means、交叉特征、層次平滑體系樹、用戶實時反饋特征），幫助各種合作渠道優(yōu)化效果策略對于階段性投放效果發(fā)布調(diào)查問卷，結(jié)合調(diào)研效果調(diào)整下一階段的投放策略06:反復(fù)迭代、持續(xù)性的優(yōu)化

圖形化的顯示為領(lǐng)導(dǎo)層的決策提72保險及金融行業(yè)的成功案例介紹03保險及金融行業(yè)的成功案例介紹0373金融行業(yè)部分客戶注：規(guī)劃中金融行業(yè)部分客戶注：規(guī)劃中74泰康保險：互聯(lián)網(wǎng)用戶行為采集和網(wǎng)站數(shù)據(jù)統(tǒng)計分析項目用戶行為數(shù)據(jù)采集用戶數(shù)據(jù)拉通模塊網(wǎng)站數(shù)據(jù)統(tǒng)計分析用戶行為分析模塊用戶行為分析與運營分析用戶畫像個性化推薦與精準(zhǔn)營銷泰康人壽的業(yè)務(wù)痛點在于積累了大量的用戶卻不知道如何使