互聯(lián)網(wǎng)金融營銷中大數(shù)據(jù)技術(shù)的應(yīng)用

陳瓊

大數(shù)據(jù)與互聯(lián)網(wǎng)金融完美融合，深刻影響著互聯(lián)網(wǎng)金融營銷。對于互聯(lián)網(wǎng)金融營銷而言，其不只是簡單地把互聯(lián)網(wǎng)金融、金融營銷結(jié)合起來，而是金融營銷模式的全面更新。大數(shù)據(jù)技術(shù)作為一種十分典型的互聯(lián)網(wǎng)技術(shù)，在互聯(lián)網(wǎng)金融營銷中的滲透，有利于推動互聯(lián)網(wǎng)金融營銷實現(xiàn)高質(zhì)量發(fā)展的目標(biāo)，并形成新業(yè)態(tài)。

從2014年開始，在每年的政府工作報告中均可見“大數(shù)據(jù)”的身影，且政府工作中的很多任務(wù)均與之聯(lián)系緊密，使得大數(shù)據(jù)逐漸演變成國家戰(zhàn)略。2019年的《國務(wù)院政府工作報告》中更是明確要求加強(qiáng)研發(fā)運(yùn)用大數(shù)據(jù)，從數(shù)據(jù)大國走向數(shù)據(jù)強(qiáng)國。金融行業(yè)的發(fā)展需要海量數(shù)據(jù)，存在信息化程度高、數(shù)據(jù)運(yùn)用場景廣、數(shù)據(jù)維度多等特點，但因為金融行業(yè)數(shù)據(jù)較為復(fù)雜，需通過先進(jìn)信息處理技術(shù)方可確保行業(yè)發(fā)展的穩(wěn)定性、持續(xù)性。所以，大數(shù)據(jù)和金融業(yè)之間的結(jié)合，被運(yùn)用到了金融行業(yè)的很多細(xì)分領(lǐng)域之中，不僅改變了傳統(tǒng)金融模式，而且還能夠提高整個金融服務(wù)的效率與質(zhì)量。

一、互聯(lián)網(wǎng)金融概述

謝平等研究人員率先提出了互聯(lián)網(wǎng)金融這一說法，隨后上海市政府在《關(guān)于促進(jìn)本市互聯(lián)網(wǎng)金融產(chǎn)業(yè)健康發(fā)展的若干意見》中也提到了互聯(lián)網(wǎng)金融，并將其界定為一種新的金融業(yè)態(tài)，以社交平臺、移動通信、互聯(lián)網(wǎng)、大數(shù)據(jù)等先進(jìn)技術(shù)為支撐，普惠金融為重點。對于互聯(lián)網(wǎng)金融，我國研究人員的觀點較為一致，均覺得其是第三者金融融資模式?；ヂ?lián)網(wǎng)金融覆蓋面廣，內(nèi)容多樣，如互聯(lián)網(wǎng)融資、金融信息服務(wù)、互聯(lián)網(wǎng)支付、互聯(lián)網(wǎng)金融產(chǎn)品銷售等。其中，互聯(lián)網(wǎng)融資則主要是P2P、小微企業(yè)貸款、眾籌融資；互聯(lián)網(wǎng)支付則是移動支付、手機(jī)銀行與第三方支付等。另外，網(wǎng)絡(luò)銷售理財、保險等相關(guān)金融產(chǎn)品與彩票，都是互聯(lián)網(wǎng)銷售金融產(chǎn)品。

20世紀(jì)末期，我國互聯(lián)網(wǎng)金融興起，并實現(xiàn)了迅速發(fā)展，可劃分成三個階段，如表1所示。

縱觀互聯(lián)網(wǎng)金融發(fā)展歷程，第一階段則是金融行業(yè)剛剛接觸互聯(lián)網(wǎng)的時候，形成了許多新金融功能，但只表現(xiàn)為金融營銷渠道存在差異。第二個階段是互聯(lián)網(wǎng)金融行業(yè)發(fā)展的關(guān)鍵轉(zhuǎn)折點。第三階段在技術(shù)因素的促進(jìn)下，實現(xiàn)了迅速發(fā)展。iiMedia Research（艾媒咨詢）數(shù)據(jù)顯示，截至2021年我國互聯(lián)網(wǎng)理財用戶達(dá)到了6.3億人，這釋放出我國互聯(lián)網(wǎng)金融發(fā)展前景良好的信號。

二、大數(shù)據(jù)分析功能與構(gòu)成

大數(shù)據(jù)概念出現(xiàn)于20世紀(jì)90年代，而互聯(lián)網(wǎng)行業(yè)“大數(shù)據(jù)”正式被人們所重視是在2009年前后。2011年，麥肯錫發(fā)表了《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個新領(lǐng)域》，自此，學(xué)術(shù)界也開始更多地注意“大數(shù)據(jù)”。諸多學(xué)者表示，大數(shù)據(jù)特征主要涉及4V，如表2所示。

近年來，各行業(yè)逐漸意識到大數(shù)據(jù)價值，紛紛參與到數(shù)據(jù)分析中。例如，谷歌搜集與分析了用戶搜索相關(guān)數(shù)據(jù)，從而精準(zhǔn)地判斷分析出流感情況；阿里巴巴則利用對用戶在線上平臺的諸多數(shù)據(jù)進(jìn)行分析，包括購物行為、人脈關(guān)系、信用歷史，評估用戶信用值。由此可見，現(xiàn)階段大數(shù)據(jù)分析在互聯(lián)網(wǎng)金融業(yè)中實現(xiàn)了廣泛運(yùn)用，其不僅將巨大價值帶給了互聯(lián)網(wǎng)金融營銷，也深刻影響了其發(fā)展。

針對大數(shù)據(jù)，其一般可分為結(jié)構(gòu)化、半結(jié)構(gòu)化以及非結(jié)構(gòu)化三種不同的類型，三者對相對應(yīng)模型數(shù)據(jù)庫的需求也有所不同。其中，結(jié)構(gòu)化數(shù)據(jù)獲取大數(shù)據(jù)之前，已經(jīng)明確了模型結(jié)構(gòu)，且關(guān)系模型數(shù)據(jù)庫比較完善，在保存數(shù)據(jù)與設(shè)計表格方面，相關(guān)理論尚存在不足，數(shù)據(jù)處理比較輕松。對于半結(jié)構(gòu)化數(shù)據(jù)而言，只有掌控了數(shù)據(jù)才可明確相對應(yīng)的模型結(jié)構(gòu)。針對自描述性半結(jié)構(gòu)化數(shù)據(jù)而言，主要包含了XML、HTML等，只有當(dāng)數(shù)據(jù)處于完整狀態(tài)下才能夠?qū)Y(jié)構(gòu)進(jìn)行明確，但是變化頻繁，且數(shù)據(jù)模型大多數(shù)都是樹、圖等形式，內(nèi)容十分繁雜，結(jié)構(gòu)混亂。非結(jié)構(gòu)化數(shù)據(jù)無需數(shù)據(jù)模型為支撐，也不需要接受結(jié)構(gòu)化處理，如互聯(lián)網(wǎng)進(jìn)入企業(yè)所掌握的圖片、視頻、音頻等資料，這一類數(shù)據(jù)能夠重復(fù)，且長度可隨意調(diào)整。對于互聯(lián)網(wǎng)金融行業(yè)而言，圖像、視頻、文本和音頻較為常見，且都屬于非結(jié)構(gòu)化數(shù)據(jù)，隨著該行業(yè)數(shù)據(jù)持續(xù)增長，形成了巨大挑戰(zhàn)。立足于功能層面進(jìn)行分析，大數(shù)據(jù)分析主要涉及描述與預(yù)測功能。其中，大數(shù)據(jù)分析的關(guān)鍵在于描述數(shù)據(jù)相關(guān)特征，并在將基礎(chǔ)性數(shù)據(jù)得到后對其進(jìn)行分類；預(yù)測性大數(shù)據(jù)分析則是基于相關(guān)數(shù)據(jù)，對未來走向進(jìn)行準(zhǔn)確預(yù)測。且明確目標(biāo)后，憑借對比確定算法，尋找有價值的信息，掌握隱藏于海量數(shù)據(jù)后的一些價值比較大的信息。

優(yōu)秀的大數(shù)據(jù)分析，則是把一些無序原始數(shù)據(jù)朝著定義明確、通俗易懂的關(guān)系轉(zhuǎn)變。在大數(shù)據(jù)面前，用戶表現(xiàn)出來的全部行為均屬于“可視化”的。例如，近年來我國高年齡層次用戶運(yùn)用第三方支付的人數(shù)持續(xù)上升。因經(jīng)濟(jì)水平的制約，第三方支付使用人群地理分布有所不同，從東往西，使用率越來越低，其中北京、江蘇與浙江的覆蓋率最高。立足于大數(shù)據(jù)技術(shù)價值層面進(jìn)行分析，不同的企業(yè)，其大數(shù)據(jù)技術(shù)均有所不同，由此便決定了企業(yè)的經(jīng)營、生產(chǎn)和決策等存在一定差別。部分學(xué)者表示，應(yīng)通過耗費(fèi)資源對數(shù)據(jù)進(jìn)行獲取，記錄和分析。

四、大數(shù)據(jù)在互聯(lián)網(wǎng)金融營銷中的應(yīng)用策略分析

（一）通過大數(shù)據(jù)進(jìn)行用戶畫像

針對用戶畫像來講，主要包含了客戶社會屬性、行為、交易等一系列關(guān)聯(lián)性數(shù)據(jù)信息，對用戶模型進(jìn)行抽象刻畫，且各標(biāo)簽?zāi)軌驅(qū)δ骋惶卣鬟M(jìn)行高度凝煉，并進(jìn)行準(zhǔn)確標(biāo)識，主要用于對客戶類型進(jìn)行描述。比如，在支付寶中，某一客戶時常對“境外隨身WiFi”、自駕租車、代辦簽證等信息進(jìn)行查詢，支付寶便將這一客戶貼上“海外旅游達(dá)人”等標(biāo)簽，此用戶和全部標(biāo)簽進(jìn)行融合，就形成了較為完善的用戶畫像。用戶畫像描寫的前提則是借助大數(shù)據(jù)進(jìn)行深入分析。大數(shù)據(jù)在獲取方面，涉及以下途徑：第一，互聯(lián)網(wǎng)金融平臺中擁有大規(guī)模的交易數(shù)據(jù)，如互聯(lián)網(wǎng)信貸、第三方支付等；第二，生活繳費(fèi)以及電商購物平臺等數(shù)據(jù)；第三，社交平臺中的各類數(shù)據(jù)，諸如微博、微信等；第四，征信數(shù)據(jù)，如信息卡數(shù)據(jù)等；但對客戶的相關(guān)基礎(chǔ)數(shù)據(jù)進(jìn)行收集，不能將用戶畫像形成，原因在于其不只是描述或堆積客戶信息，引入大數(shù)據(jù)處理技術(shù)，構(gòu)建相關(guān)模型，如此可準(zhǔn)確地描繪出用戶畫像。通過前文分析可知，互聯(lián)網(wǎng)金融數(shù)據(jù)主要涉及三種類型，以非結(jié)構(gòu)化數(shù)據(jù)為例，應(yīng)通過大數(shù)據(jù)處理技術(shù)之中包含的文本挖掘與自然語言等技術(shù)，挖掘與整理基礎(chǔ)數(shù)據(jù)，構(gòu)建不同數(shù)據(jù)庫。在收集、整理各類數(shù)據(jù)的同時，通過分類和聚類等相關(guān)大數(shù)據(jù)分析模型，結(jié)合用戶數(shù)據(jù)建模，以此生成用戶畫像標(biāo)簽。以往，在開展?fàn)I銷時，用戶畫像主要借助線下，運(yùn)用會員管理、調(diào)查問卷等方法，收集客戶信息，然后對客戶價值進(jìn)行分析與挖掘，存在獲取信息不完整、效率低、利用率低等不足。比如，對于沒有信貸和賬戶活動的客戶，在傳統(tǒng)視角上會將其歸為低價值客戶。而憑借大數(shù)據(jù)技術(shù)，可利用用戶畫像了解此用戶對于信貸的需求較高，但受各方面因素的影響，如教育程度等，未被納入傳統(tǒng)金融觸及范圍中。所以，大數(shù)據(jù)技術(shù)可以全面、準(zhǔn)確地將客戶全景視圖呈現(xiàn)出來，有利于互聯(lián)網(wǎng)金融企業(yè)設(shè)計更具差異化、個性化的營銷策略。

（二）結(jié)合大數(shù)據(jù)開展客戶分級

互聯(lián)網(wǎng)金融企業(yè)涉及的客戶數(shù)量龐大，為了能夠確保營銷活動將全部客戶覆蓋，同時提供給客戶優(yōu)質(zhì)服務(wù)和銷售是不可能的，會導(dǎo)致企業(yè)面臨成本方面的壓力，所以客戶分級極其關(guān)鍵。對于大數(shù)據(jù)分析中涉及的模型算法而言，可以對潛在客戶購買行為予以有效預(yù)測，結(jié)合模型預(yù)測結(jié)果，可以把潛在客戶劃分為若干等級，確保在營銷預(yù)算中，盡可能地向高潛力用戶開展針對性營銷，協(xié)助互聯(lián)網(wǎng)金融企業(yè)順利達(dá)到最大化運(yùn)用各類資源的目標(biāo)。比如，美國GEICO保險公司業(yè)務(wù)銷售過程中，積極引入大數(shù)據(jù)技術(shù)，廣泛進(jìn)行客戶關(guān)系管理，即建立客戶數(shù)據(jù)庫，參考客戶數(shù)據(jù)為其貼上標(biāo)注，諸如房產(chǎn)、車輛、信貸以及消費(fèi)能力狀況等，然后，結(jié)合客戶數(shù)據(jù)構(gòu)建邏輯回歸、XGBOOST等相關(guān)大數(shù)據(jù)模型，進(jìn)而對客戶響應(yīng)率和購買率進(jìn)行預(yù)測，以及分級客戶。所以，在開展?fàn)I銷活動的過程中，應(yīng)以營銷預(yù)算為基礎(chǔ)，把潛力高的客戶作為第一選擇，著重為其提供服務(wù)，如果有充足的預(yù)算，則再把潛力較低的客戶納入考慮范圍。這種方式可以為互聯(lián)網(wǎng)金融企業(yè)提供幫助，讓其更好地加大客戶差異化管理力度，最大化利用資源，確保營銷質(zhì)量更高。

（三）憑借大數(shù)據(jù)實現(xiàn)精準(zhǔn)營銷

互聯(lián)網(wǎng)金融企業(yè)在順利構(gòu)建擁有客戶基本屬性、消費(fèi)特點、購買水平、心理特點以及投資偏好等相關(guān)用戶畫像標(biāo)簽之后，就能夠向其開展具有個性化的精準(zhǔn)營銷活動，提供相應(yīng)產(chǎn)品與服務(wù)。在精準(zhǔn)營銷中，個性化推薦是不可或缺的一環(huán)，指的是將目標(biāo)客戶作為基礎(chǔ)，進(jìn)行歸類，與客戶需求信息和偏好相結(jié)合，對推薦列表進(jìn)行推薦，之后借助推薦算法，準(zhǔn)確地計算與篩選，并進(jìn)行相對應(yīng)的過濾重排，以此找到能夠使目標(biāo)客戶需求得到滿足的產(chǎn)品類別，確保推薦的精準(zhǔn)性。比如，廣發(fā)銀行金融超市針對訪問管網(wǎng)的客戶推薦基金、貴金屬等產(chǎn)品。和個人網(wǎng)銀用戶風(fēng)險以及投資偏好等畫像相結(jié)合，提供給用戶個性化服務(wù)和理財產(chǎn)品，大大提高了銷售額。引入大數(shù)據(jù)分析算法，不僅能夠為客戶提供個性化、精準(zhǔn)的產(chǎn)品與服務(wù)，同時還能為互聯(lián)金融企業(yè)提供幫助，進(jìn)一步強(qiáng)化營銷渠道與方式的個性化。比如App、郵件營銷、網(wǎng)頁推薦等均屬于線上營銷渠道，互聯(lián)網(wǎng)金融企業(yè)可將大數(shù)據(jù)作用發(fā)揮出來，對用戶的來源渠道和媒體偏好等進(jìn)行分析，從而將相應(yīng)的線上營銷渠道應(yīng)用到目標(biāo)客戶身上。針對不同的活動營銷模式，客戶表現(xiàn)出來的敏感度會有一定的差異。例如，部分客戶青睞于返現(xiàn)以及折扣券等方式，部分客戶則更喜歡贈送的增值服務(wù)，所以，如果想讓營銷效果更理想，就需借助大數(shù)據(jù)針對用戶在營銷活動方面的偏好進(jìn)行分析，根據(jù)客戶的不同實施差異化營銷。

（四）結(jié)合大數(shù)據(jù)管控互聯(lián)網(wǎng)金融營銷風(fēng)險

互聯(lián)網(wǎng)金融營銷這種營銷模式同傳統(tǒng)金融營銷具有明顯不同，但不管是哪種金融營銷，其均具有金融風(fēng)險。盡管互聯(lián)網(wǎng)金融營銷讓金融效率得到了顯著的提高，但我們也必須看到由互聯(lián)網(wǎng)金融營銷所產(chǎn)生的風(fēng)險，其不僅跨越了地域和人際關(guān)系，且也是客觀存在和難以規(guī)范的。對于這部分較為明顯的問題，監(jiān)管部門結(jié)合實際情況制定相對應(yīng)的監(jiān)管，及明確違法營銷法律責(zé)任，要求金融企業(yè)一定要嚴(yán)格遵循行業(yè)規(guī)范，做到合規(guī)、守信以及公平競爭，重視對互聯(lián)網(wǎng)金融企業(yè)營銷的監(jiān)管，對營銷風(fēng)險進(jìn)行控制，創(chuàng)設(shè)良好的互聯(lián)網(wǎng)金融環(huán)境。另外，重視對異常大數(shù)據(jù)的檢測，確?；ヂ?lián)網(wǎng)金融行業(yè)維持在良好、穩(wěn)定的狀態(tài)中，讓由于監(jiān)管滯后以及法律缺失等原因所造成的不足得到有效彌補(bǔ)。比如，可借助大數(shù)據(jù)第一時間發(fā)現(xiàn)諸多異常數(shù)據(jù)，并對其實施監(jiān)控和分析，包括用戶多次利用POS機(jī)刷卡套現(xiàn)、又或是參與境外洗錢、網(wǎng)絡(luò)詐騙等，同時針對這部分?jǐn)?shù)據(jù)反映的問題立即進(jìn)行處理，有效預(yù)防陷入金融陷阱，避免遇到重大風(fēng)險，使用戶的金融產(chǎn)品安全得到充分保障。由此能夠看出，風(fēng)險和機(jī)遇是同時并存的，當(dāng)我們在對大數(shù)據(jù)分析能力進(jìn)行優(yōu)化，將數(shù)據(jù)分析效率提高的時候，就能夠?qū)⒕珳?zhǔn)度更高的欺詐趨勢分析、預(yù)測提供給用戶，最終讓互聯(lián)網(wǎng)金融營銷策略展現(xiàn)出更好的效果。

結(jié)語：

總之，在經(jīng)濟(jì)與社會發(fā)展過程中金融支持尤為必要，不可忽視。目前，我們正處于互聯(lián)網(wǎng)時代，互聯(lián)網(wǎng)金融模式逐漸興起，這不只是迎合了時代發(fā)展所需，更是金融行業(yè)轉(zhuǎn)型的主要方向，我們一定要對時代發(fā)展趨勢有一個清楚的認(rèn)識。但由于傳統(tǒng)數(shù)據(jù)處理技術(shù)與互聯(lián)網(wǎng)金融發(fā)展要求不符，因而就需加強(qiáng)應(yīng)用大數(shù)據(jù)技術(shù)，把一種過去所未有的互聯(lián)網(wǎng)金融發(fā)展模式建立起來。