談?wù)劸珳薁I銷

最近有個客戶咨詢銀行銷售模型，我看了一下需求，主要是想實現(xiàn)精準營銷。精準營銷的相似名詞很多，例如智慧營銷，用戶精準畫像等等。我手機號每日被諸多廣告營銷騷擾，今天就談?wù)劸珳薁I銷。我也真心期待每個互聯(lián)網(wǎng)公司都做好精準營銷，減少廣告對客戶騷擾。

精準營銷很難

精準營銷是很難的，國內(nèi)做好的互聯(lián)網(wǎng)公司并不多。銀行領(lǐng)域精準營銷做得好的有招商銀行，消費金融公司做的好的有馬上消費金融有限公司，電商平臺有京東。蘇寧金融聽說做的還不錯。

精準營銷難度非常高，精準營銷需要搭建多個平臺，包括數(shù)據(jù)科學計算平臺，數(shù)據(jù)倉庫平臺，風控系統(tǒng)平臺。底層數(shù)據(jù)是很臟的，包括諸多錯誤數(shù)據(jù)和缺失數(shù)據(jù)，我們不僅要清洗，整合這些底層數(shù)據(jù)，我們還要給每個客戶打上標簽，例如學生，教授，高收入，公務(wù)員等等。這些標簽是實現(xiàn)精準營銷模型的關(guān)鍵。

成熟精準營銷往往是一代一代總監(jiān)和技術(shù)人員經(jīng)驗累積成功。一代人幾乎是不可能完成精準營銷建設(shè)。當然這并不難阻擋我們的勇氣，至少我們可以把精準營銷框架搭建好。

精準營銷目的

精準營銷目的是降低運營成本。但精準營銷可以帶來很多額外收益，例如提高銷售利潤，提高客戶忠誠度，降低客戶流失率，提升運營能力和策略管理能力。

精準營銷興起背景

精準營銷興起并非偶然，而是時代背景決定。隨著手機在每個家庭普及，我們的生活購物很多可以在線上實現(xiàn)。隨著新冠疫情不斷持續(xù)，線下消費不斷萎縮。最好的例子就是捷信和雪球的戰(zhàn)略調(diào)整，即砍掉絕大部分線下業(yè)務(wù)。我認為新冠疫情是壓垮捷信線下業(yè)務(wù)最后一根稻草。

精準營銷就是從粗放式運營進化到精準運營。之前談到精準營銷是很難的，國內(nèi)做好的互聯(lián)網(wǎng)公司并不多。精準營銷做得差的例如拉卡拉，我手機幾乎每周都被拉卡拉廣告騷擾，來電是虛擬號，顯示從不同省份打來。這讓我對拉卡拉公司產(chǎn)品感到厭惡，甚至想投訴。精準營銷做得好的有g(shù)oogle和我之前呆過的生物醫(yī)藥公司。他們發(fā)的郵件很多是我感興趣內(nèi)容，我還時不時點擊鏈接了解。

之前部分聯(lián)網(wǎng)公司找我建模時，需要客戶流失預(yù)警模型，并好奇問我客戶是怎么流失的。我心里想很多客戶其實就是被他們廣告惡心走的，當然這些話沒說出來。粗放營銷造成高運營成本，客服反感，客戶流失。

精準營銷關(guān)注模型

精準營銷貫穿獲客，活客和留客三個環(huán)節(jié)。我建議重點關(guān)注交叉銷售模型，提額模型，沉默激活模型，流失預(yù)警模型等等。其中交叉銷售模型是核心，例如銀行場景，銀行可以精準向存款客戶推銷信用卡，理財產(chǎn)品和保險。例如銀行客戶最近有一比大額存款，銀行可以向客戶推薦理財產(chǎn)品或保險。理財產(chǎn)品收益比存款高，部分客戶會選擇理財產(chǎn)品。通過交叉銷售，銀行提高了收益。

還有例子是京東發(fā)現(xiàn)我最近購物比較頻繁，京東客服就給我交叉銷售銀行信用卡。如果我辦理某銀行信用卡，京東就會贈送n年會員。作為客戶，這是雙贏，因此我沒有拒絕。

關(guān)聯(lián)規(guī)則模型也很重要，有利于銷售產(chǎn)品深度挖掘，例如銀行場景可以用關(guān)聯(lián)規(guī)則模型分析買理財客戶與購買保險關(guān)聯(lián)程度強不強。關(guān)聯(lián)規(guī)則模型可以對客戶行為，不同產(chǎn)品進行關(guān)聯(lián)分析。經(jīng)典案例就是亞馬遜購物零售數(shù)據(jù)挖掘。

數(shù)據(jù)集：亞馬遜購物-雜貨數(shù)據(jù)，共50萬多萬數(shù)據(jù)

?

建立模型并分析結(jié)果

從上面的輸出可以看出，紙杯和紙盤是在法國一起買的。這是因為法國人有一種文化，即每周至少與朋友和家人聚會一次。此外，由于法國政府已禁止在該國使用塑料，人們不得不購買紙質(zhì)替代品。?

如果再深入分析一下英國的交易規(guī)則，就會發(fā)現(xiàn)英國人一起購買不同顏色的茶盤。這背后的一個原因可能是因為英國人通常非常喜歡喝茶，并且經(jīng)常為不同的場合收集不同顏色的茶盤。

在分析葡萄牙交易的關(guān)聯(lián)規(guī)則時，觀察到 Tiffin 集 (Knick Knack Tins) 和彩色鉛筆。這兩種產(chǎn)品通常屬于小學生。這兩種產(chǎn)品是學校的孩子們分別用來攜帶午餐和創(chuàng)造性工作的必需品，因此在邏輯上將它們配對在一起是有意義的。

分析上述規(guī)則，發(fā)現(xiàn)男孩和女孩的餐具是搭配在一起的。這是有實際意義的，因為當父母為他/她的孩子購買餐具時，他/她會希望根據(jù)孩子的意愿對產(chǎn)品進行一些定制。

客戶分群和產(chǎn)品分群

當通用模型得不到很好區(qū)分效果時，我們需要考慮客戶分群，產(chǎn)品分群。我們通過模型分把客戶分為高中低等不同風險等級人群。用戶年齡和收入也是分群的重要變量。產(chǎn)品也可以細分，例如貸款場景的現(xiàn)金貸，循環(huán)額度，商品貸。

不同客戶和產(chǎn)品不同組合就可以生成大量交叉銷售子模型。

精準銷售的技巧

產(chǎn)品豐富可以提高用戶粘度。例如招商銀行APP飯票和影票有龐大用戶，而且活躍度很高，其中部分用戶會購買APP中其他產(chǎn)品，例如理財產(chǎn)品，保險。通過交叉銷售，提高利潤，降低獲客成本。如果去開發(fā)一個新用戶，可能需要50-500元不等成本。

其他營銷技巧包括緊跟節(jié)假日活動，熱點話題，這可以提高銷售流水。我認為最重要的還是用戶標簽，通過對用戶精準標簽，我們可以有的放矢，實現(xiàn)長遠降低運營成本和提高收益。

具體分析方法

精準營銷有很多模型和統(tǒng)計學方法，包括全局測試和crosstest。shap最近比較流行，可以對單緯度分析，也可對多維度變量組合策略分析。

精準銷售模型項目前期最常見的是數(shù)據(jù)不充分，我們只能依靠專家策略規(guī)則。特別是通過統(tǒng)計方法用戶畫像，對年齡，收入等維度分段觀察與銷售數(shù)據(jù)關(guān)系。隨著數(shù)據(jù)不斷積累，我們有了客戶貸后表現(xiàn)。如果觀察期和表現(xiàn)期數(shù)據(jù)足夠，我們可以對客戶打標簽，然后建立人工智能自動化模型。

模型和規(guī)則并非一步到位。其閾值通過數(shù)據(jù)分析需要不斷調(diào)整。這時我們需要開發(fā)模型和規(guī)則的監(jiān)控系統(tǒng)。

美國對公民數(shù)據(jù)整合比較好，數(shù)據(jù)質(zhì)量好，部分美國公司主要依靠模型。國內(nèi)國情不同，不能照搬。國內(nèi)數(shù)據(jù)質(zhì)量不好，主要依靠政策組的規(guī)則。模型也是規(guī)則的一個變量。對業(yè)務(wù)線來說，模型就是一個參考工具。規(guī)則可以是單個邏輯語句，也可是多個邏輯語句。復(fù)雜規(guī)則包括邏輯語句和模型分。例如客群1規(guī)則為.模型分大于600分且年齡小于50歲，客群2規(guī)則為 模型分大于600分且學歷為本科。

招聘

實現(xiàn)精準營銷需要招聘相應(yīng)人才，國內(nèi)專業(yè)模型開發(fā)人員并不多，大多是數(shù)據(jù)分析師轉(zhuǎn)崗而來。因此招聘有若干經(jīng)驗的數(shù)據(jù)分析師非常重要。

作者認為模型和策略只是工具，邏輯學，邏輯思維能力，統(tǒng)計學，數(shù)學能力是基礎(chǔ)和內(nèi)功。公司招聘時要靈活，不要忽略這些精通數(shù)學，統(tǒng)計學，邏輯學的人才。但現(xiàn)實是HR一般會對招聘條件對號入座，再加上學歷限制，對人才誤殺率很高。電影《美麗心靈》講述了一個數(shù)學天才的故事，他沒有高等文憑，但在大學圖書館里自學成才，其才能遠超本校知名教授和學生，后來主角被推薦到類似蘭德公司的軍事戰(zhàn)略研究機構(gòu)。

結(jié)尾

?當我們把精準營銷做好后，額外收益是客戶流失減少很多。這是一個良性循環(huán)。銷售模型，不是良性循環(huán)就是惡性循環(huán)。

通過上述分享精準營銷經(jīng)驗，大家也不要過于恐慌，路都是探索出來的，做好以上幾點，可以逢兇化吉。

花絮

最近新冠病毒大潮襲來，我們小區(qū)也被風控，本樓被查出8名陽性患者。我也是第一次和新冠病毒這么近距離。美國人和歐洲人說新冠疫情已經(jīng)結(jié)束了，他們已經(jīng)躺平開放。這其實是自欺欺人，隔離如果沒有做好，新冠病毒持續(xù)不斷在人體中進化，出現(xiàn)更多未知的病毒。新進化病毒破壞力是未知的，而且根據(jù)不同種族有不同表現(xiàn)。進化后新冠可能破壞力更小，也可能某一天突然變得更強。

已經(jīng)厭倦了隔離和病毒威脅，送新冠病毒上路是我們這一代人的使命，是否原諒它或共存是上帝使命。接下來我會抽出大部分時間來建立生化模型，部分技術(shù)會發(fā)布到《python新冠病毒COVID-19數(shù)據(jù)分析和可視化》課程里。有個同事曾經(jīng)告訴我，一旦金融行業(yè)就出不去了。金融行業(yè)利潤是所有行業(yè)最高的。我相信科研轉(zhuǎn)型后，賺的錢會少很多，但生活會更平衡。金融領(lǐng)域因豐厚收入云集大量數(shù)據(jù)科學人才。我也呼吁金融領(lǐng)域的數(shù)據(jù)科學天才們也加入新冠科研項目。

如果大家以后期望在金融行業(yè)工作，下述課程《python金融風控評分卡模型和數(shù)據(jù)分析微專業(yè)課》也會帶來很多幫助，節(jié)省大量自我探索時間。

如果有機器學習論文專利定制服務(wù)，請聯(lián)系up主

版權(quán)聲明：文章來自公眾號(python風控模型),未經(jīng)許可，不得抄襲。遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。