当前位置:首页 > 新闻 > 正文

人工智能助力金融个性化营销

发布时间: 2018-10-29 14:30   作者: 杜晓梦 呼迪   来源: 人工智能杂志

  在大数据、区块链、人工智能等新一代技术的推动下,金融领域的科技应用有了较快的发展。无论是人脸识别、自动化信审、大数据风控还是智能投顾,我们看到越来越多的人工智能与金融场景的结合,促进了金融行业的业务拓展和效率提升。在大数据和人工智能时代,技术可以帮助金融机构极大地改善和优化营销的流程,用更低的成本完成更精准的营销。

  人工智能在实际业务的应用上,有不同的层次,大体可以分为计算智能、感知智能、认知智能与决策智能。从计算智能的角度,我们看到很多的金融机构已经开始部署大数据底层平台,采用分布式的存储和计算架构,还有些银行证券公司科技部门开始小规模应用GPU集群,从而提升计算的效能和效率。从感知智能的角度,无论是人脸识别解锁APP,还是自动语音应答服务,都开始在金融行业应用起来。本文着重要讨论的是AI的认知与决策智能层次在金融行业营销领域的应用。具体来说,也就是如何让系统和机器认识客户,并且智能、自动化地触发对于他们的营销刺激,以便达到精准获客、精细化运营、个性化服务的目标。

  对于传统金融机构来说,准备一次营销活动至少需要1个月的时间,如果规模大一点的营销活动可能会慎重准备2-3个月。这其中涉及到需要市场部门提出需求,数据分析部门分析客户行为及提取名单,数据管理部门配合写代码提取数据等复杂的流程和工作。而随着人工智能的普及,这些工作流程都可以被优化和自动化。那么,我们希望的营销活动准备工作需要多久呢?答案是1天之内。如何做到呢?我们试想一下有一个AI助理来协助市场部门人员准备某次营销活动的场景。

  市场部人员可以向AI助理提出各种问题并得到实时的反馈。例如,“我们有哪些高价值群体客户?他们的消费偏好和消费能力是怎样的?我们有哪些营销权益?如何给这些客户匹配不同的权益?不同客户的渠道偏好度是什么?通过哪些渠道触发这些权益给不同的客户?”在得到满意的答案后,市场部人员可以指导AI助理进行权益的部署上线和推送,并通过每天的监控报告获取客户对权益的反馈。

  在人工智能的帮助下,未来我们会看到金融机构的营销决策流程越来越精简、实时和自动化。为了达成这样的效果,我们需要让机器具备充分的客户认识、产品和权益认知,通过对客户和产品的了解,进行个性化、千人千面的产品和服务推荐,以及基于用户行为的自动化营销触发。在这些要素都具备的基础上,我们只需要构建一层人机交互界面就可以达成上述的结果了。以下我们就来谈谈如何构建未来金融营销的这些核心要素。

  一、了解你的客户,建立全面立体的用户画像

  随着金融科技和互联网金融的异军突起,传统的金融市场环境今非昔比;同时,客户的特征偏好、消费行为和习惯也随着科技和服务的发展发生改变。传统金融机构在各种第三方理财机构、P2P网贷等的冲击下,产生了强烈的紧迫感。以客户为中心,改善客户服务的渠道,拉近与客户的距离,提升客户体验;从各种维度去了解客户、理解客户的真实诉求,尤其是为了让机器和系统认识客户,从而进行精准地、自动化地营销,是大势所趋,迫在眉睫。

  以90后、00后为主体的客户群体无论是在消费价值观、金融需求还是渠道偏好等方面和传统70后、80后都有显著差异,他们面临的金融产品选择也更加丰富。在这样的趋势下,传统金融机构面临的最大的问题就是如何更全面精准地刻画用户画像,通过构建用户标签体系来了解不同的个体和群体用户。这是后续产品设计、营销运营和客户服务等一切日常经营活动的基础。

  为了构建立体的、全面的用户画像,我们需要拉通用户的全渠道数据,建立完善的用户标签体系。这里,我们将标签定义为:用户特征的符号表示,例如性别、年龄、生命周期阶段等。而用来描述一个人的标签的集合就构成了这个人的用户画像。构建用户标签体系具有三个重要而基本的原则,这是所有金融机构在设计和构建自身标签体系中需要牢记以及不断自省的因素。第一,标签画像是面向业务的。所有的标签和用户画像的构建都要遵循和符合业务的需求,标签需求来源于业务部门,服务于业务部门的调用。例如,营销人员需要查看VIP客户的理财偏好度标签。金融机构经常会出现的一个情况是技术部门在构建用户标签体系的时候,忽略了和业务部门的调研和沟通,凭自己的想象和认知构建用户标签体系,这样就会导致构建出来的用户标签体系应用难以落地。

  第二,标签画像是分不同层次的。有事实层级的标签,例如姓名、性别等,从客户填写材料里可以直接获得。有统计层级的标签,例如月存款余额、APP周登录次数等。有预测层级的标签,通常需要算法和模型进行支持,例如通过在积分商城里浏览的商品,判断其婚姻、子女状况。也有业务组合层级的标签,例如高净值人群标签、房车一族人群标签等,通常是由多个标签经过业务规则组合而形成。在构建用户画像标签体系的时候要充分考虑到不同层级都有哪些标签,以及用什么方法来构建不同层级的标签最为合理。

  第三,标签画像是需要动态更新的。这里说的动态有两个层面的含义。一方面,标签体系构建不是一次性的工作,而是需要长期经营和维护的。随着业务需求和业务方向的变化调整,新的客户洞察需求会被提出来,那么就需要构建新的用户标签来满足这些新的需求。有的金融机构经常会犯的一个错误就是希望一次性构建一个大而全的标签体系,满足所有部门的所有需求,不需要再做变更,这种理念和思路是不对的。反之,从一个小而精的、充分满足业务需求的标签体系做起,不断扩充标签树的做法才是值得被提倡的、合理的做法。另一方面,某一个用户标签生成后,并不是静态不变的,而是随着客户行为和偏好的变化而自动调整的。例如,三年前某个客户存款规模低,但随着时间变化,存款规模不断提高,那么他身上的存款额标签也应该随之进行调整。再例如,我们通过流失预警模型计算出一个客户的流失概率标签为高,但当我们的运营人员进行维护后,他的行为出现了明显的调整,体现出了一定的粘性,那么新的行为数据进入流失预警模型,生成的标签就应该显示出流失概率标签为低。

  基于以上三个原则,我们再来谈谈构建用户画像标签体系的流程。大体上包括以下几个步骤:

  第一步,完善的标签体系规划。这一步包括标签需求及业务场景调研、源系统调研、标签体系设计及用户权限调研等具体工作。这一步是至关重要的一步,也是对标签体系构建能否成功的决定性因素。值得注意的是,一定要做充分的业务调研,才能保证构建的标签体系可以落地应用,不走弯路。只有设计和规划好用户标签体系的构成、数据来源和技术实现手段后,才能进入到后续的数据收集和开发环节。图2展示了一个基本的银行业用户画像包含的大体标签维度,可以看到标签体系中不同的一级类目和二级类目。

  第二步,充分的数据盘点和拉通。这一步涉及到金融机构内外部数据渠道的盘点、数据融合及基于单一用户的数据拉通等具体工作。大部分金融机构都积极拓展线上、线下全渠道多触点的客户接触和经营,客户行为也逐渐从只集中在线下网点,扩展到出现在网站、APP端、社交平台等多种渠道上。因此,利用不同的数据采集工具,将客户数据从这些渠道采集下来,并基于一个客户进行行为数据拉通,就成为构建用户画像标签体系之前的至关重要的一步。很多时候,如果没有做充分的数据融合和拉通,会极大程度上影响用户画像的准确性。

  第三步,标签体系的构建、测试及场景验证。在标签规划设计和数据准备充分的基础上,就可以通过各种技术方法构建标签体系了。在这里我们不详细讨论标签体系构建的技术过程,而值得注意的是完成标签体系构建之后的步骤。在完成标签体系构建之后,工作并没有结束,而是应该邀请测试团队和业务人员对客户标签的准确性、有效性、稳定性和应用性等进行测试。可以通过构建一两个标签支撑的业务场景进行业务侧的评估。例如,经过标签筛选出的人群和盲选的人群组做A/B test,通过营销反馈判断标签的价值度。

  构建全面的用户画像,了解与认知自有客户,是金融企业构建智能营销、布局人工智能的重要基础。那么如何应用数据整合的结果拉进与用户的距离,如何通过标签的持久化建设来助力营销?金融企业的传统营销模式,在人工智能领域遭遇到哪些挑战,又必须尽快思考哪些转变呢?接下来让我们了解一下关于智能营销领域的现状。

  二、自动触发的实时场景化营销

  近些年,随着金融行业日益成熟的数字化建设落地于应用,客户已经拥有了更加多元化的选择,他们不再局限于到访营业厅、区域网点来办理各类业务,更多客户会选择使用手机端的掌上银行、炒股APP、官方微信公众号等新兴渠道来完成阅读资讯、申报业务、账单查询甚至是线上的交易。这意味着传统金融领域获取的客户数据的来源渠道,不再单一化简单化。分布在线上、线下、CRM、客服中心的各类数据,将客户的消费偏好、交易意图等信息源全部打散,让传统金融企业难以聚合捕捉。然而,每次营销发起的时机、每刻用户所处的场景,又恰恰是营销效果最大化的制胜法宝。因此,能否有效利用数据触点管理工具、客户特征识别体系、自动化营销系统等应用工具的辅助,构建“实时性高、场景化准、自动化触发”的智能营销决策大脑,就显得至关重要。

  对于传统行业尤其是体量庞大的金融行业来说,惯用或现用的营销机制,通常是事件化的营销。营销计划从发起、到执行、再到总结是围绕着一次又一次独立的营销活动。这些营销活动相互之间没有依赖关系,是独立策划推广的,因此无论是活动规则,还是权益分配池,甚至活动效果评估都不存在复用性,不同的营销活动之间缺乏串联,相互不可借鉴。这种模式引发的最大困扰就是,营销转化率遇到上升瓶颈,改善用户体验也迟迟不见起色。

  那么,问题的源头究竟在何处,又该如何打破这种僵局呢?我们知道,在事件化营销的工作模式中,业务人员会首先完成活动策略的细则规划,然后去思考该活动可能受用的目标人群特征,最后通过画像匹配或外围数据补充,寻找到已经物色好的客群并完成推广,以此达到精准的目的。但是,我们不难发现,在这个过程中,目标人群与营销活动的匹配程度实际上是依赖于业务人员已有的业务知识或营销经验去推测的,而这种“依赖历史知识推测未来营销机会”的模式,对于瞬息万变的市场与众口难调的客户来说,显然不足以持久支撑。只有引入更多人工智能的大数据技术或预测类算法建模手段,开启更加全方位的“场景化营销”,勇于探索更加智能的“自动化营销”,才有可能在持久化的经营中赢得客户的青睐与尊重。

  引入实时的场景化营销模式,并不会与传统事件型营销相冲突,它只是另辟蹊径,从一个更新的视角来设计营销计划、预制触达动作。它需要实时性能较高的应用系统来支撑,它基于用户画像但又高于用户画像。它以“命中场景围栏”作为触发机关,由系统负责监听,在机关触发的第一时间自动化完成短信推送、权益发放、内容推荐等营销动作。那么,什么是构成场景围栏的条件呢,我们可以简单理解为“实时的动作”或“重要的变化”。举例子来说,“当客户注入一笔超过100万的资金到理财账户时”、“当客户的等级从普通客户升级为VIP客户时”都属于创建场景围栏的典型条件。当然,这些条件的设定,需要基于上文中反复提到的“触点数据接入与拉通”和“客户标签画像”等智能应用系统的支持。

  实时的场景化营销,需要用户画像的支持,但更强调场景的命中。无论拥有何种画像特征的客户,甚至是没有画像的陌生客户,只要命中围栏,系统就会在第一时间启动营销机关。当然,在执行营销动作的过程中,仍然有必要根据用户画像的特征属性,来差异化选择营销渠道或是制定个性化的营销内容。关于如何深度结合画像数据构建千人千面的推荐内容,我们在下一个段落中详细阐述。在这里,我们仅针对“实时化的场景捕捉”与“自动化营销执行”举一个真实的案例:

  上海一家某大型券商企业,其“线上开户”业务已经推广超过3年,引流渠道包括自主运营的各类APP、官微以及同花顺、大智慧等知名渠道,同时在线的引流渠道超过100条线路,可见其推广力度非常之大。业务团队密切关注着各类渠道引流的数量,却唯独忽略了引流的质量,他们更清楚各家渠道每天引来多少流量,但不清楚这些流量有多少转化为成功开户的用户,直到他们引入了基于大数据的智能营销系统之后,才开始拨开迷雾并逐渐获得极大的惊喜。

  首先,通过埋码及在线行为分析技术的引入,帮助这家券商了解到一个惊人的数字,“引流成功进入开户流程”但“最终没有完成开户,中途退出”的人数占比高达76%。换句话说,这家企业在引流成本的投入,有三分之二都被无情的浪费掉了。

  接下来,针对这76%的流失新客,我们又结合智能系统做了更加细化的分析。该券商的线上开户办理流程分为“填写手机号、上传身份证、填写个人信息、视频认证”等共计7个必须顺序完成的步骤,我们发现在流失的新客中,有60%以上的退出都集中发生在“视频认证”这个环节。经过与业务部门沟通,了解到视频认证环节需要与开户者进行在线视频连接,完成真实身份与投资意愿的在线确认后,方可进入后续步骤。

  至此,我们终于摸索到流失的真相:出于网络带宽限制与服务人员接待能力的限制,视频认证环节通常需要开户者在线等待1分钟左右,而这,正是导致开户者放弃等待、中断开户的最大原因。然而,这些开户者是通过引流而来的陌生用户,券商对于这类新客户的画像数据几乎为零,传统惯用的事件型营销在此类场景中,显得黯然失色,因为完全无法通过任何已知画像数据,重新找到这群“刚刚接触到,却又刚刚流失掉”的宝贵潜在客户。

  那么,拥有自动化决策大脑的实时场景营销系统,又是如何派上用武之地的呢?很简单,我们只需要将“进入视频认证环节”但“10分钟内未进入下一环节”作为场景围栏的设定条件,即可让系统在第一时间捕捉到“正在流失”的人群。并且,依照开户的流程顺序,进入到“视频认证”环节之前,必须经过“填写手机号”的环节。因此,系统可以通过用户自行填写的手机号,与“正在流失”的人群取得联系,自动化发起最及时有效的“挽回”行动。

  系统将上述“开户流失挽回”场景,收录在自动化执行的引擎中,在毫无人工干预的情况下持续自动化的运转,“捕捉流失人群”、“发送挽回短信”、“重点顾客通知客服回访”、“开户转化率评估与预测”等一系列动作不再依赖业务人员的亲力亲为。经过一段时间的测评,在这样一个自动化执行的场景中,有58%的流失用户得到了最及时的挽留,他们在系统短信的提示下重返开户流程,获得优先视频认证的权益,并最终完成了开户。

  在上述的案例中,对挽回率起到最大作用的两个要素即为“实效性”和“自动化”,这两个要素相辅相成缺一不可。错过了开户流失的第一时间,无论怎样努力的挽回恐怕都显得苍白无力。但是要做到实时捕获,又必须依托于强大的智能系统的技术支持。面对如此复杂庞大的数据阵营,任何传统的人工监控都无法支撑,这也是“系统自动化营销”应运而生的必然趋势。

 

  以上内容精选于《人工智能》杂志第六期

  本文作者

  杜晓梦

  百分点公司首席数据科学家,数据科学事业部总经理。博士毕业于北京大学光华管理学院,荣获2018年北京市科技新星。组建并带领60多人的数据科学团队,研发出公司核心产品“百分点自动化营销引擎”、”百分点大数据建模平台”等。任北京大学新媒体营销研究中心主任助理;中财-百分点金融营销大数据研究中心联合主任;北大光华管理学院及国家发展研究院企业讲师。咨询及参与主导实施服务的企业包括:中信银行、宁波银行、建设银行、阳光保险、王府井百货、华润商业置地、国家市场监督管理总局、国家广电总局等。

  呼 迪

  百分点智能营销产品线负责人。先后就职于“视觉中国”、“湖南快乐购”、“爱点击”等互联网上市公司。2015年获得认证Linux软件工程师、网络工程师相关资质,是在线行为分析、个性化推荐、标签画像、自动化营销等领域的产品专家。在百分点期间,先后参与“浙商证券”、“第一创业证券”、“阳光保险”、“光大证券”等多个金融行业项目的前期规划与后期的实施建设,担任高级咨询与实施顾问。

  欲阅读完整文章,可通过以下方式购买《人工智能》杂志!

  订阅2018年《人工智能》杂志6期共计360元

  银行转账:北京赛迪出版传媒有限公司

  开户行及账号:中国建设银行股份有限公司北京紫竹桥支行11050170560000000152

  银行转账,请备注:人工智能

  接收详细信息请发到:aiview@ccidmedia.com;或是添加客服微信:13601092749

收藏