在大數(shù)據(jù)營(yíng)銷領(lǐng)域，金融行業(yè)是典型的效果類客戶，說白了，它對(duì)廣告效果的期待就是為銷售業(yè)績(jī)帶來增長(zhǎng)，簡(jiǎn)單而直接。可是要達(dá)到這樣的目標(biāo)，并不那么簡(jiǎn)單。TalkingData以其豐富的數(shù)據(jù)源，強(qiáng)大的數(shù)據(jù)分析能力和廣泛的合作生態(tài)滿足金融業(yè)客戶多元化需求，出奇制勝。

    金融客戶的痛點(diǎn)，TalkingData最懂

    TalkingData的某券商客戶要在某大型媒體平臺(tái)（SSP、廣點(diǎn)通）上投放廣告，并選擇了該平臺(tái)自有的一些金融標(biāo)簽來進(jìn)行投放。依照行業(yè)規(guī)范，券商對(duì)用戶的數(shù)據(jù)嚴(yán)格保密，不能對(duì)外開放。所以，券商雖然清楚哪些是自己的用戶、哪些是活躍用戶、哪些是沉默用戶，卻無法將這些數(shù)據(jù)在媒體平臺(tái)上使用。于是，TalkingData確立了一方數(shù)據(jù)結(jié)合三方數(shù)據(jù)、并發(fā)揮自身技術(shù)算法優(yōu)勢(shì)這兩個(gè)要點(diǎn)，來保證投放效果。

    TalkingData在之前為此券商搭建移動(dòng)端統(tǒng)計(jì)分析平臺(tái)和數(shù)據(jù)管理平臺(tái)而建立的數(shù)據(jù)庫中，按高風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)、高收效、低收益等類別做好用戶分群。之后，再通過第三方數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，提取出一個(gè)目標(biāo)客群，作為依據(jù)指導(dǎo)媒體投放。比對(duì)直接使用媒體平臺(tái)自有標(biāo)簽的投放效果，使用TalkingData的客群分組進(jìn)行投放無論從點(diǎn)擊率還是轉(zhuǎn)化率來看，投放效果都更好。

    再一個(gè)案例，某銀行的數(shù)據(jù)顯示，其3%的用戶購(gòu)買了78%的資產(chǎn)。為了挖掘出更多這樣的優(yōu)質(zhì)用戶，TalkingData將這3%用戶的種子提取出來，通過機(jī)器學(xué)習(xí)在余下97%用戶的10億個(gè)活躍設(shè)備中篩選出2萬余用戶，銀行在根據(jù)我們算出來的數(shù)據(jù)向這些用戶推送理財(cái)產(chǎn)品信息，一個(gè)星期之內(nèi)就實(shí)現(xiàn)了2.2億的銷售額，人均購(gòu)買12萬。

    TalkingData所使用是Lookalike機(jī)器學(xué)習(xí)算法，F(xiàn)acebook、Google等國(guó)際頂尖科技公司也都使用這個(gè)算法尋找目標(biāo)客群。TalkingData對(duì)算法的模型參數(shù)持續(xù)進(jìn)行調(diào)整優(yōu)化，因而可以獲得極高的響應(yīng)度。

    精準(zhǔn)營(yíng)銷是吸引金融客戶的最大魅力之一。機(jī)器學(xué)習(xí)就好比是TalkingData手中的水晶球，總能準(zhǔn)確回答出“目標(biāo)客群在哪里”，助力金融客戶快速大幅拉升銷售業(yè)績(jī)的夢(mèng)想成真。

    洞察數(shù)據(jù)價(jià)值，客戶真實(shí)獲益

    除了精準(zhǔn)營(yíng)銷，大數(shù)據(jù)在金融風(fēng)控方面的能力也非常突出。

    為了幫助一家保險(xiǎn)公司降低理賠成本，TalkingData通過數(shù)據(jù)分析和模型篩選，從100萬個(gè)被保險(xiǎn)人中找到潛在的高風(fēng)險(xiǎn)客群，分析精確度比以往提高了三倍。在針對(duì)此客群提價(jià)后，成功降低了理賠成本。

    現(xiàn)在，越來越多的機(jī)構(gòu)和企業(yè)掌握著海量數(shù)據(jù)，但是如何讓這些數(shù)據(jù)活起來，產(chǎn)生真實(shí)價(jià)值，則很少有人能回答。TalkingData在一次次為客戶達(dá)成了提高效率、增加營(yíng)收和降低成本的核心目標(biāo)中證明了自己的能力，也廣泛贏得了證券、保險(xiǎn)和銀行等金融業(yè)客戶的信賴。