智能营销

更多详情
  • 智能获客

由于零售业务存在客户规模大、长尾客户服务不足、客户结构分化等特征,拓展多元化服务渠道,借助手机APP,H5,微信小程序等多种方式触达长尾客户。通过大数据实现非接触客户营销,实时、智能化地处理客户行为数据,根据客户的信用资质、收入水平、风险承受能力、行为特征、使用习惯、使用偏好综合考量,利用积累的内外部数据及成熟的算法进行个性化的界面展示,实现“千人千面”。同时,基于对客户行为特征的分析挖掘,按照为客户群体打好的标签,展现因人而异个性化广告,实现精准营销。提高以大数据为基础的个性化服务能力,可以帮助银行增加获客精准度,降低获客成本,提升客户交互体验和产品转化率,并实现个性化定价。主要步骤如下:

  1. 即刻捕捉数据,海量获取数据,这些数据包括银行内部数据和外部数据,结构化和非结构化数据,清洗处理后提取特征信息,为客户画像做准备;
  2. 按照客户基本信息、兴趣爱好、社会特征、消费行为等维度,建立标签化的客户模型;
  3. 通过客户特征、产品需求等参数,对客户进行分类;
  4. 采用协调过滤、关联规则、知识推荐等算法,使产品和服务智能触达客户
  • 智能客户触达

      银行开展互联网信贷业务痛点之一即为“触达难”,因为银行的存量用户大多为线下用户,而一旦信贷业务在线上开展,通过何种渠道、以何种触点在线上触达客户,向其推送对应的信贷产品,在线完成申请、支用、还款等操作就是项目成功的关键因素之一。

 

      我们金融服务产品专家和银行业务部门共同分析客群、设计信贷产品及客户触点、触达渠道,根据行内客群分层及可触达客群分层建立立体的产品体系,确定多触点的行内产品客户触点及触达渠道(短信/屏幕弹出/APP弹出/APP静默等),对客户进行客群划分,通过职业、年龄、生活区域、互联网行为等客户属性信息,对客户形成不同的标签,并结合银行实际业务场景,把针对性的产品营销信息推送给目标客群。

 

      以某上市城商行的合作为例,合作之前,该行每笔借款利息收入不到10元,而每户分摊数据查询成本高达14元,整条业务线严重亏损。我们对该行的互联网流量联合运营后,平均额度从不足3000上升至约5000,通过率从不足20%上升至40%,不良从4%降低至2%,每户数据成本降低至不足5元(数据查询费包含在联合运营费中)。整体收益提升300%以上,联合运营上线当月即实现该条业务线的盈利。

所有文章
×