大数据营销-理论与实践 课件 李季 第6-10讲 大数据客户关系管理-娱乐大数据营销

大数据客户关系管理

客户的概念

客户的类型现有客户和潜在客户个人客户和组织客户付费客户和免费客户客户（Customer）即企业服务的对象，是市场营销的客体。企业所提供的产品和服务只有满足了客户的需要，企业才能获得利润。市场营销的任务则是与客户进行有效的沟通，以提高企业满足客户需求的能力，更好地为客户服务。

客户价值

客户价值是企业从客户行为中所获得的企业收益，即客户为企业贡献的利益。对于企业来说，在资源有限的情况下，识别出高价值客户、低价值客户和无利客户，并且能够针对不同价值的客户进行差异化投入，这样才能实现企业收益的最大化。

客户关系管理的目标

客户数量增长客户关系质量深度成长客户关系延长企业可以通过获取新客户，赢回流失的客户、识别新的细分市场等来增加客户数量客户关系质量深度成长主要指客户价值的提高，即增加客户对企业的产品和服务的购买或使用行为，企业可通过交叉销售和升级销售等手段实现企业可以通过增加客户忠诚度，保持客户等不断延长客户生命周期

客户关系管理的内容

客户的选择与获取客户的保持与价值提升客户的流失与挽回潜在用户注册用户活跃用户流失用户拉新促活留存防止流失召回互联网用户管理泛关系

消费者广告投放扫码防伪扫码拆红包门店活动海报弱关系

用户精准触达积分互通权益互通邀请体验强关系

会员企业会员权益积分商城会员活动任务中心会员社群会员经营升值留存获客裂变邀请好友赠送卡券活动分享数字化用户经营的价值是拉近企业与消费者的距离沉淀用户资产挖掘会员价值用户运营用户生命周期模型用户价值模型产品偏好渠道偏好营销偏好消费偏好会员管理用户画像用户洞察分群营销运营管理活动运营积分运营平台运营营销管理会员分级自动化营销个性化推荐数据挖掘模型运营管理及应用将泛关系消费者转化为核心会员

大数据在客户关系管理中的作用

指导客户关系管理活动衡量客户关系管理的效果企业可通过具体的数据指标衡量客户关系管理的工作效果和目标实现情况，例如客户价值、各渠道获取客户的转化率、用户活跃度等大数据为企业提供决策依据，优化客户关系管理策略。用户画像与精准获客客户流失分析与客户保持

客户数据体系

用户基本数据用户行为数据指用户的静态数据，包括性别、年龄、地区、婚姻情况等，这类数据描述了用户是谁，主要来源于用户的基本信息填写。另外，静态数据还包括用户的来源，是基于用户访问的网页端产生的，这类数据描述了用户从哪儿来，主要集中在第三方服务商的数据库中指用户的动态数据，是用户在产品上一系列操作行为的集合，这类数据描述了用户做了什么

客户价值的计算

（1）客户成本：包括客户获取成本和客户维护成本（2）客户收入

客户获取成本（CAC）指获取一个用户的成本CAC=（营销总费用+销售总费用）/同时期新增用户数客户维护成本指留存和促活新阶段对客户的投入企业从客户身上获取的收入来源于多个方面，具体取决于企业的商业模式和运营行为

免费客户的价值分析

（2）用户活跃度如何评估？（1）免费客户是如何产生价值的？双边市场效应大量活跃用户带来直接和间接的消费免费客户的价值分析实际是免费用户活跃度的评估活跃度的评估取决于用户的行为，具体来说用户的哪些行为更有可能为企业带来更多的收入企业评估用户活跃程度需要利用客户行为数据，建立用户活跃度数据指标，通过数据指标来区分用户活跃程度，从而评估客户价值。用户活跃度数据指标可以是单个关键的用户行为，也可以是多个用户行为的加权汇总企业可以利用算法模型来选取用户活跃行为，并获取多个行为的权重，从而构建用户活跃度指标，评估免费客户的价值。RFM分析

（2）消费频率（Frequency,F）（3）消费金额（MonetaryValue,M）

代表一段时间内顾客购买产品或服务的频率

代表一段时间内顾客消费的金额（1）最近一次消费（Recency,R）

代表最近一次消费距现在的时间RFM分析根据这三个指标来对客户进行细分，并将分组与客户回应营销活动的可能性等行为相联系。运用RFM分析的前提假设是：1）最近有过购买行为的客户再次购买的可能性要高于最近没有购买行为的客户；2）与购买频率较低的客户相比，购买频率较高的客户更有可能再次购买企业的产品；3）总购买金额较高的客户再次购买的可能性较高并且是价值较高的客户。

营销实践：航空公司客户价值分析-LRFMC模型

L：会员入会时间距观测窗口结束的时间（月数）R：客户最近一次乘坐公司飞机距观测窗口结束的时间（月数）F:客户在观测窗口内乘坐公司飞机的次数M：客户在观测窗口内累计的飞行里程C：客户在观测窗口内乘坐舱位所对应的折扣系数的平均值根据末次飞行日期从某航空公司系统内抽取2012年4月1日至2014年3月31日内所有乘客的详细数据，共62988条记录。首先从原始数据中筛选出需要的数据，删除了不相关和冗余的数据属性，并对数据进行了指标构造和标准化处理。

采用K-Means办法对所有客户进行聚类分析，将客户数据聚为5类，并根据航空公司业务定义为五个等级的客户类别：重要保持客户、重要发展客户、重要挽留客户、普通价值客户、低价值客户，从而实施针对性的策略。

潜在客户识别

对于一个新产品来说，企业需要了解自身产品特点，并参考同类产品的客户，利用市场调研和活动实验来识别潜在客户。在此阶段，企业需要综合调研实验数据分析和定性分析来判断。当企业积累了一定的用户之后，企业可利用各种数据挖掘技术来分析现有客户的数据，从而帮助企业提高潜在客户判断的准确性，降低企业成本。Look-like（相似人群拓展）模型基于相似性的方法基于回归的方法基本原理以企业的现有客户作为种子用户，通过一定的算法找到与种子用户具有相似特性的人群，即为潜在用户

新客户获取方式

付费渠道免费渠道用户推荐企业不需要直接花费广告费用的获客渠道通过付费广告获取用户的渠道获取成本低、转化比例高的渠道

新客户获取方式——免费渠道

企业不需要直接花费广告费用的获客渠道内部免费渠道企业官网、自有广告位，营销沟通工具等外部免费渠道自媒体平台：两微一抖搜索引擎：企业可通过搜索引擎优化（SEO）来提高网站在搜索引擎的自然排名应用商店：企业可通过应用商店优化（ASO）来提升自身APP在各类APP应用市场的排行榜和搜索结果排名

新客户获取方式——付费渠道

通过付费广告获取用户的渠道众多企业通过各大广告平台购买在线广告的方式来获取新用户，实现付费增长。这些广告平台包括各大搜索引擎、应用商店、社交平台、手机厂商、论坛贴吧、视频网站、短视频平台、网络联盟等。同时随着社交媒体和自媒体的发展，关键意见领袖（KeyOpinionLeader,简称KOL）也成为企业的主要广告媒介渠道。

新客户获取方式——用户推荐

获取成本低、转化比例高的渠道病毒传播：适合内容型产品社交网络产品推荐：提高双方产品体验补贴推荐单向补贴：只对推荐人有奖励对推荐人和被推荐人都有奖励企业可通过用户数据分析对用户进行分类，对不同的用户采取不同的补贴推荐策略可有效降低补贴费用K因子（病毒系数）则是衡量用户推荐效果的方法，即计算平均每个老用户可以带来几个新用户

营销归因（Attribution）

企业如何判断哪些获取渠道有效促成了潜在用户的转化呢？营销归因（Attribution）：企业识别所有对用户最终稿转化有贡献的渠道，并确定每个渠道的价值贡献，一个有效的归因模型能帮助企业准别识别渠道价值，提高获客效率，降低获客成本。

精准营销

历史用户数据机器学习调配参数获得各特征权重值，产出模型预测潜在用户转化率实施营销方案反馈营销结果输入潜在用户数据产品化营销工具和策略更新数据经验，机器学习自我迭代，优化模型精准营销流程

精准营销

前置精准利用海量用户数据对用户行为进行分析，以形成对用户行为整体性趋势的判断，从而保证精准营销的实现。前置精准分析帮助企业确定广告投放时机、投放地点、投放人群、投放渠道和投放内容。后置精准企业通过海量的广告投放效果数据来对企业的投放算法模型进行修正，并形成系统的数据分析流程，从而保证投放效果的精准。

客户维系

改进产品与服务企业对自身产品功能与服务的改进大多都是基于用户反馈实现的。企业通过各种渠道收集用户对产品或服务的反馈信息（如客户的投诉信息），利用文本分析等数据分析技术对其进行分类整合，提取关键信息，从而指导企业及时有效改进自身产品与功能。

大数据与产品改进

用户反馈数据多样化不仅仅包括企业自有渠道的用户反馈入口，社交网络上用户的评论也是重要的反馈数据用户行为实现间接反馈对于互联网产品来说，产品功能和服务的实际使用情况也侧面反映了企业产品与服务的改进空间利用实验测试改进方案在具体实施产品或服务的改进时，企业可通过实验来测试不同改进方式，分析实施效果数据来确定最终改进方向，从而真正有效地改进产品与服务。

客户维系

建立用户成长体系用户成长体系其实也是用户激励体系，通过各种激励方式引导用户完成企业所期望的行为，从而使用户长期地留下来。用户成长体系增加用户离开成本对于大部分有自己核心产品的公司来说，用户成长体系的作用是增加用户的离开成本，从而留住客户，此时用户的成长是用户行为的产物。用户行为体系直接带来收益对于很多互联网企业来说，用户成长体系诱导了用户的行为，它为公司直接带来收益。此时用户成长体系相当于企业的一种产品，用户为了获得成长而付出行为，企业要做的就是让用户的行为转化成用户的成长。

客户维系

用户成长体系成长的级数升降级的条件激励方式成长级数无固定的标准，企业结合自身的实际情况制定即可企业需要先设定关键指标，关键指标其实就是企业希望从用户身上获得的，并量化围绕关键指标的各种用户行为，再把量化好的数值和成长体系中的升降级数值进行匹配。企业可利用客户画像数据和客户行为数据来对不同的用户实施不同的激励方式多变的奖赏持续的投入游戏化

客户价值提升

交叉销售交叉销售是指企业向其现有客户销售多种相关的产品或服务，交叉销售又分为横向和纵向交叉销售。横向交叉销售：在现有的时刻，某个特定的消费者在购买A产品的同时可能还会购买B产品纵向交叉销售是对于某个特定的消费者来说，他在购买A产品之后的某一个时刻可能会购买产品B。企业如企业应在何时向哪些顾客交叉销售什么产品企业可以利用客户的历史行为数据通过各种关联分析方法解决不同的问题，包括相关分析、协同过滤以及基于神经网络算法的预测模型等

营销实践：网易云音乐的客户留存战术

2017年，网易云音乐这款音乐社交软件的用户数量已经突破4亿，除了常见的听歌用户外，还包含4万多名独立音乐人，是国内独立音乐人入驻最多的音乐平台之一。网易云音乐认为，音乐APP的主要功能就是满足用户的倾听需求，听通过从外界汲取的旋律来抒发自己的喜怒哀乐，治疗心底的伤痛，或者纯粹打发时光。因此，除了收听和下载正版音乐之外，网易云音乐还为客户提供了下列功能体验：“私人FM”是根据用户的听歌习惯，运用算法推荐用户可能感兴趣的歌曲，没有曲目列表，一首接一首地播放，并且没有返回按钮，听过之后没有收藏的话就只能在播放记录里才能找到歌曲名字。“每日推荐”也是利用算法给用户推荐合适曲目。每天早上6点更新20首歌，它像是一个特定的精选歌单，展示20首歌曲列表，用户可以在里面寻找感兴趣的歌曲播放。“歌单”和“排行榜”这两块是根据热度选出的，歌单包含的种类多种多样，由用户自己创建，收藏人数多的会被推荐到首页，排行榜里面包含官方榜、全球榜和用户榜，可以帮助用户发现更多好歌，收听不同类型的音乐。

客户价值提升

升级销售升级销售则指的是企业向其现有客户销售或提供更多的同种产品或服务，例如向客户销售某一特定产品或服务的升级品或附加品。互联网企业的增值服务就是升级销售的典型应用。企业如企业应在何时向哪些顾客升级销售什么产品企业对客户可利用客户数据建立数据模型来评估升级销售潜力，通过数据分析评估顾客的需求，进而实现升级销售。

客户流失预警

客户流失预警的关键步骤就是识别哪些客户有可能流失。对于不同的产品而言，流失的定义也不一样。确定流失标准根据标准收集用户数据建立用户流失模型确定流失规则集建立训练样本预测未流失用户建立流失评分体系根据规则打上标签优化模型

客户挽回

在挽回已流失的客户时，企业要选择有价值的用户。企业在召回用户时需要选择召回时间点、召回渠道和召回内容召回时间点可选择用户操作行为后、某个时间后和某个场景触发后，根据用户数据反馈选择召回时间点召回渠道可选择短信、邮件和APP推送召回内容企业需要根据推送的目的，结合推送的时间点，来设计需要推送的内容，通过对已流失用户的画像数据和行为数据分析，针对用户的和特征设计推送内容并分类推送Q&A第七讲零售大数据营销

本讲主要内容

零售以及零售营销零售大数据零售大数据的应用新零售简介

零售的概念和分类

传统零售新型零售线上网店、线上线下深度融合百货商店、超级市场、便利商店等

零售是为最终用户提供商品或者服务的所有经营活动。作为连接生产和消费的重要环节，零售为企业与消费者提供了重要的流通渠道。

零售营销的内容

选址决策产品管理店面、仓库促销管理客户管理忠诚计划、个性化推荐店面广告、定价/促销策略、人员推销品类决策、产品决策、采购决策、产品陈列

零售大数据的产生

零售终端有着服务与销售的双重性质，也有着交易频繁的特点，这些使得零售企业在日常运营中产生了大量的数据。此过程中，数据量级上升、数据维度增加。这些数据包括运营数据、交易数据、用户数据、交互数据等，这样的数据集合称为零售大数据。

零售大数据的演变

20世纪80年代手工记录和电子收款机阶段20世纪80年代后期PC机和POS系统阶段21世纪初期用户为中心的互联网阶段21世纪初期之后移动和感知式物联网阶段

零售大数据的类型

运营数据交易数据用户数据店铺、供应链、流量、转化、财务数据产品信息、促销信息、订单信息、支付记录基本信息、浏览和购买数据、评论信息

线下零售数据的采集

现场设备唯一ID:

XXXX1初次到访到访时间:

07/21/18

19:22年龄:

35性别:男唯一ID:

XXXX2第3次到访到访时间:

07/21/18

20:01年龄:

29性别:女

零售大数据的应用——内部

个性化推荐用户画像选址决策精准营销

商品陈列与管理

客户流失预警与干预

个性化推荐

评分、浏览、购买或搜索历史等数据推测目标消费者的需求和偏好推荐或展示目标消费者可能喜欢的商品或服务

个性化推荐的过程

数据的输入个性化推荐算法推荐列表

个性化推荐的分类

根据采用数据类型的不同基于显式反馈（ExplicitFeedback）的个性化推荐基于隐式反馈（ImplicitFeedback）的个性化推荐根据产生个性化推荐所采用的算法不同基于内容的推荐基于协同过滤的推荐混合推荐

基于协同过滤的推荐算法

基于协同过滤的推荐基于记忆的协同过滤推荐基于用户的协同过滤推荐基于项目的协同过滤推荐基于模型的协同过滤推荐

基于协同过滤的推荐算法

基于用户的协同过滤推荐基于项目的协同过滤推荐

基于项目的协同过滤算法示例

以基于“最近邻居”的协同过滤推荐方法为例对于任意的用户c∈C

：用户c对其未评过分的商品s的预测评分s’：选择使用户c效用最大的商品进行推荐

基于项目的协同过滤算法示例

商品-用户评分矩阵商品/用户用户1用户2用户3用户4用户5……商品11231.……商品2122..……商品34..23……商品412.5.…………………………………………

基于项目的协同过滤算法示例

：分别指用户c对商品s和s'的评分：分别指所有用户对商品s和s'的平均评分Css'：同时对商品s和s'评分的用户集合基于项目的协同过滤算法示例

给定用户c对商品s的评分，预测其对商品s'的评分根据预测评分进行排名，依照企业需要向用户推荐排名靠前的产品与服务

亚马逊：个性化推荐始祖

1998年，推出基于项目的协同过滤算法（item-basedcollaborativefiltering）用户标注“已经买了、已经有了、已经打分了”的商品“我的亚马逊”页面充分赋予用户“被推荐的自由”

“为该商品打分以改善为我推荐”“不再为我推荐”

“为什么推荐给我”……

零售大数据的应用——外部

商圈分析个人征信竞品分析广告投放新零售的概念

通过大数据，人工智能等先进技术手段对商品的生产、流通与销售过程进行升级改造重塑业态结构与生态圈线上和线下深度融合

新零售的特点

线上线下深度融合消费者体验的升级信息化技术的革新数据化运营的革新

新零售领域的大数据价值

运用大数据实现全供应链利益相关者的无缝对接依托大数据提升线上线下消费服务体验运用大数据推动线上线下配送无缝融合

新零售领域的大数据营销应用

交叉销售基于位置的营销消费者商店行为分析倾向分析定价优化商品陈设优化客户再细分

消费者商店行为分析

消费者商店行为大数据改进商店布局、产品搭配和货架摆放方案针对性地评估营销实施效果

客户再细分

丰富的数据量和数据维度先进的数据处理和分析工具客户细分市场实现个性化

定价优化

复杂的需求弹性模型在SKU级别获得对定价的洞察便于分析促销活动效果

商品陈设优化

SKU级别的销售大数据挖掘网站交互数据优化商品陈设及视觉效果设计

盒马鲜生如何践行“新零售”概念？讨论：盒马鲜生Q&A服务大数据营销

服务与服务业：定义及特点

服务与服务业的定义：服务是一个过程，不是某一个可见的交易物，它是那些能够满足消费者需求的可以识别的，但却无形的活动。例如在大学接受教育、公共交通、银行服务等。我国明确第三产业即服务业。服务的五大特性：无形性、不可分离性、不可储存性、异质性、消费者参与

服务业中消费者体验

个人体验对购物决策的影响最大消费者购买旅程（CustomerPurchaseJourney）中应当抓住每一个与消费者接触的机会，让消费者感到满意案例：星巴克与大数据

星巴克成立于1971年，总部设在美国西雅图。目前星巴克已经发展成为全球最大的咖啡连锁店，在全世界有超过28000家分店，粉丝不计其数。星巴克对大数据的应用体现在以下方面：个性化体验为了延长消费者生命周期（CustomerLifeTimeValue），星巴克推出了基于云计算的“数字飞轮”（DigitalFlywheelprogram）程序，旨在通过人工智能（AI）和大数据的支持下，为消费者提供个性化的服务（如提供尝试新产品的建议、生日折扣等），让消费者“形成”购买咖啡的良性循环。新店选址采用由Esri开发的绘图和商业智能工具Atlas进行选址规划。这款工具会评估与其他星巴克位置的邻近度、人口统计数据、流量模式等数据后推荐新店位置。菜单更新星巴克会根据数据显示酒精消费量最高的地区来决定哪些店可以提供酒精饮料，从而成功更新菜单。此外星巴克还会根据当时的情况推出限量发售的菜单项。

星巴克与大数据

现代服务业有两个转型要素：第一个是你必须拥有能创造出色消费者体验的实体门店，第二个是你必须在数字化消费者关系中创造同样出色的体验。如果你不具备其中任何一个要素，那你会面临经营困难。——星巴克CEO

凯文·约翰逊

大数据赋能传统服务业更好地识别目标消费者更立体地了解消费者梳理服务流程，提高服务效率改善消费者体验进行个性化营销

酒店业的大数据营销

从订房那一刻起到退房那一刻，消费者留下的每一条数据痕迹，都可以被分析人员转变成可付诸行动的洞察力。

准确预测房间需求，进行动态定价和促销

了解消费者反馈，改进服务质量

了解消费者需求，提供增值服务

拓宽合作渠道，增加收入来源

分析竞争对手，制定竞争策略

大狼屋酒店的人工智能可以准确识别住客的情绪

大狼屋酒店（GWL）正在使用人工智能软件，以更好地了解住客在其以冒险为主题的小屋中的体验。数字技术的激增使连锁酒店可以精确衡量客人对服务的感受。大狼屋酒店的首席信息官EdwardMalinowksi和他的团队创建了大狼屋人工智能词法编辑器（或简称GAIL），GAIL筛选了住客在月度大狼屋调查中发表的大量评论，用以识别消费者对酒店的态度，帮助业务运营团队完善大狼屋的服务。

医疗行业的大数据营销

医疗大数据的常见应用有四类：医保控费慢性病管理临床科研质量监管我国对发展医疗大数据和人工智能非常重视，近几年颁布了一系列指导意见和措施。《关于促进和规范健康医疗大数据应用发展的指导意见》《国家健康医疗大数据标准、安全和服务管理办法（试行）》……

IBMWatson

2011年，IBMWatson在美国老牌电视智力竞赛节目《危机边缘（Jeopardy!）》里战胜人类一举夺冠，奠定了它在人工智能发展史上的重要地位。Watson是做什么的呢？简单来说，在医生输入患者的医疗记录后，这款超级计算机会从已经发表的研究成果里搜索与该病例相关的信息、对这些信息进行分析，然后提出治疗建议。相比于一队专家要花费平均160小时的分析，Watson只需要10分钟便能得出结论。

通信行业的大数据营销

我国通信行业三大巨头——移动、联通、电信运营商（1）大数据在运营商内部的典型建设和应用领域

大数据基础架构集中化建设中国联通在全国建设了12个国家级的数据中心，31个省级数据中心和超过300个本地数据中心经营分析决策系统建设和应用

某省移动公司流量运营分析系统，通过监控用户使用流量的情况，辅助制定流量业务策略客户精准营销与维系应用

通信行业的大数据营销

（2）大数据在运营商外部的一些应用场景——实现数据的商业化征信领域中国联通大数据公司研发“数盾风控”征信产品交通、旅游领域为旅游管理部门和景区商家提供精准营销支持，助力交管部门及时疏导交通其他领域中国电信的终端大数据魔方为手机厂商提供行业分析报告、支持终端设计和生产，中国联通还向汽车、服装、烟草等领域提供类似的数据服务

平台商业模式

平台商业模式是指为连接两个或更多特定群体，为他们提供互动机制，满足所有群体的需求，并巧妙地从中赢利的商业模式。销售分成会员收入广告收入其他服务收入

平台商业模式

平台类商业模式有很多，典型的领域包括：……O2O模式

O2O（Online-to-Offline,从线上到线下）是指消费者从线上购买服务，而后到线下接受服务，或者由平台联系商家提供上门服务的商业模式。产品本地生活服务所属企业基于平台PC端企业网站聚焦产品，为企业所拥有（例如Nike官网）电商平台聚焦产品，以平台为基础（例如Amazon）移动端企业APP为企业所拥有，提供各类服务（例如麦当劳APP）

O2O平台以平台为基础，连接需求和供给端（例如DeliveryHero）O2O平台与PC端企业网站、电商平台、移动端企业APP的对比

O2O平台与线下（实体店）对比

O2O渠道线下渠道地理范围更广泛较小服务效率高效低效营销沟通迅速，价格低廉

迟缓，价格昂贵消费者洞察较深入较少

基于地理位置大数据的服务（LBS）

LBS（Location-BasedService）是指利用移动端的地理定位技术获取当前的位置信息来为消费者提供某项服务。对于大部分平台类企业来说，位置数据则是维系其日常运营必不可少的资产，例如滴滴出行、高德地图、美团外卖、携程等。企业需要充分利用供需双方的地理位置数据，经确匹配两端需求，提升运营效率。

基于大数据的个性化营销

精准匹配需求端和供给端，进行个性化推荐根据不同的服务场景动态地为服务进行定价获取消费者、商家以及骑手的位置，并规划最优路径

滴滴出行与大数据

滴滴出行利用人们出行的位置数据对城市商圈分布、市民和商圈之间的关系进行挖掘和呈现。滴滴出行数据与阿里和美团数据的相互补充，双方可以共建用户画像体系，如工作地点、家庭地点、消费情况、价格敏感度等。在完整的用户画像下，广告推送会更加精准，例如定位到一个北京用户打车去三里屯，在分析出其消费偏好的基础上，就可以针对性地在行驶过程中发送特定商场特定店铺的某一类产品的优惠信息。思维拓展

迪士尼乐园由华特·迪士尼于1955年创办，是世界上最具知名度和人气的主题公园，至2016年底共在全世界开设6个度假区。除了乐园外，通常情况下，“迪士尼度假区“一般还包括主题酒店、迪士尼小镇和一系列休闲娱乐设施。而我们常说的”迪士尼乐园“里则包含许多”主题园区“，不同主题园区内则有不同游乐设施。截止目前，迪士尼大家庭已拥有6个世界顶级的家庭度假目的地，分别是美国的加州迪士尼乐园度假区，奥兰多华特迪士尼世界度假区，日本的东京迪士尼乐园度假区，法国的巴黎迪士尼乐园度假区，中国的香港迪士尼乐园度假区，上海迪士尼度假区。

迪士尼乐园可以利用大数据做什么？Q&A金融大数据营销

金融大数据的兴起

金融行业有丰富的数据资源，数据应用由来已久。大数据技术在银行、保险、互联网支付和网络借贷等诸多领域的具体业务中得到大量应用。这些应用包括精准营销、风险评估、智能投顾、反欺诈、舆情分析等。大数据的分析应用能力，逐渐成为金融行业未来发展的核心竞争要素。金融数据正在不断强化与其他跨领域数据的融合应用，金融行业数据的整合、共享和开放正在成为趋势。

金融大数据的获取

从自有系统中沉淀数据。金融机构一般会部署数以百计的应用系统，这些应用系统在日常经营中不断产生和储存数据，经过持续的数字化运营沉淀，数据的规模已经日趋庞大。波士顿咨询的相关调研显示，银行业每创收100万美元左右，平均就有820GB的数据产生。在第三方购买数据。金融机构主要是对企业的数据进行购买，而对购买个人数据通常比较谨慎。因为对待个人数据的交易，大型金融机构通常认为涉及隐私，要谨慎以待。因此现阶段，大型金融机构更多的是从政府侧对公共数据进行购买，比如公积金、社保和税务方面的数据等。从网上采集数据。在网上，金融机构主要对企业的舆情数据和个人的行动数据进行采集。企业舆情数据概括为两个方面：一是政府对外公开的数据；二是企业日常经营活动过程中产生的数据。个人行动数据也表现在两个方面：一是基本属性的数据；二是个人喜好方面的数据。

互联网金融概述

中国人民银行等十部委2015年7月18日下发《关于促进互联网金融健康发展的指导意见》(下称“《指导意见》”)，将互联网金融定义为“传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式”。包括两部分：一是传统金融机构运用互联网技术和信息通信科技从事金融业务，二是互联网企业投身资金融通、支付、投资和信息中介服务等金融业务。

传统金融和互联网金融的区别

模块传统金融互联网金融存线下吸收存款、柜台发行各种金融产品等（已能够网络化，但部分中老年用户仍习惯用柜台交易）互联网银行吸收行款、P2P等企业在线上发售理财产品募集资金贷通过线下审核发放贷款、将金融产品募集的资金投向企业或证券P2P、互联网小贷公司、互联网银行等公司的线上放款(日前正能实现纯在线放款的企业非常少，如妈蚁微贷等)汇已充分网络化银行（结算端）、各清算结构（清算端）、第三方支付撮经纪业务、承销证券（其实已经能够实现网络化，但仍然有部分线下业务，所以一般不视为互联网金融）纯网络经纪商、仅做撮合的纯P2P、众筹等

互联网金融业态

传统金融机构：互联网保险、互联网基金销售、互联网信托中和消费金融互联网企业金融业务：网络借贷、互联网支付和股权众筹融资这两大类并非严格割裂的，随着传统金融机构不断的互联网化，互联网企业也不断进军金融业务，融合的趋势越来越明显。金融大数据营销应用场景：精准营销、风险控制、智能投顾、反欺诈和舆情分析。

金融大数据营销存在的问题和展望

存在的问题数据质量不足数据获取方式单一数据系统分散对于营销需求的响应不足未来展望：分阶段推动金融数据开放、共享和统一平台建设开展跨行业、跨领域大数据应用合作

互联网保险

互联网保险：保险机构依托互联网和移动通信等技术，通过自营网络平台、第三方网络平台等订立保险合同、提供保险服务的业务。发展现状2011年到2017年，高速增长时期，保费收入的年均复合增长率高达16.9%2018年，行业进入发展平缓期，保费收入增长仅3.9%粗放式的发展模式已经不适合未来行业发展需要在产品和渠道创新上深耕细作，同时提升服务水平，加强保险公司大数据的应用将是未来行业发展的主旋律。互联网保险中的大数据营销

预测客户转化概率，基于准客户的海量行为数据，建立预测模型识别其开发潜力；识别客户差异化需求，洞察客户兴趣、偏好，为不同客群制定差异化营销策略；识别高价值客户，通过大数据进行全程个性化追踪，有限的营销资源投入到最有可能转化的目标客户。

互联网基金销售模式及大数据营销

传统基金销售机构互联网化：银行、证券公司、保险机构等传统基金销售机构在具备基金销售资格的情况下，可以开展网销，还包括基金公司自身开展网上直销方面的业务。基金代销模式：独立基金销售机构的网络销售平台，已经获取证监会颁发的基金销售牌照，可以合法合规地进行非金融机构的基金销售业务，如天天基金、好买基金。此类模式就是以分取佣金为主要的盈利来源。引流模式：互联网平台销售基金，如阿里的支付宝、腾讯的理财通，此模式主要是帮基金公司或三方基金销售平台引流，本身不触及用户资金，也不处理相关业务。智能投顾

互联网信托

含义：由委托人依照契约或网站条款的规定，为自己的利益，将自己财产上的权利通过受托人（即互联网平台）转给受益人（即中小微企业）作为资金周转，受益人按规定条件和范围通过受托人转给委托人其原有财产以及过程中所产生的收益。涉及当事人：投入信用的委托人，受信于人的受托人，以及受益于人的受益人。在互联网信托营销场景中，大数据经常被用于用户画像、精准营销、风险管理等，如陆金所的投资者适当性管理体系。

消费金融

消费金融公司向借款人发放的以消费（不包括购房和购车）为目的的贷款。居民部门的负债渠道众多，银行、消费金融公司、住房公积金、P2P、小额贷款公司等互联网金融平台等都是居民消费信贷的来源。截至2017年12月末，中国居民消费信贷规模9.5万亿左右。2009-2013年，两次发布《消费金融公司试点管理办法》，增加持牌消费金融公司试点城市。2015年，将试点推向全国。2016年3月，央行、银监会发布《关于加大对新消费领域金融支持的指导意见》，对互联网消费金融业务创新持鼓励态度，包括汽车金融、信息与网络消费、农村消费等诸多领域。2017年，发布一系列文件，校园贷、现金贷、网络小贷都受到了清理整顿，取缔风险过高产品、关闭无业务资质的公司。

各类消费金融平台对比

银行持牌消费金融大型电商和支付平台新兴互联网平台商业模式信用卡为核心消费贷、现金贷商品分期、账单分期商品分期、助贷典型代表招商银行、中信银行中银、捷信消费金融蚂蚁花呗、京东白条趣店、51信用卡监管机构银保监会银保监会地方金融办地方金融办牌照银行牌照消费金融牌照网络小贷牌照网络小贷牌照核心用户央行征信覆盖用户央行征信+长尾人群互联网长尾客户细分、垂直场景用户资金成本资金稳定、成本最低资金局限、成本高于银行资金有限、成本高于银行资金缺乏、成本最高消费场景相对较少，品牌入驻缺乏消费场景线上线下场景丰富单一、垂直场景为主风控数据丰富，模型成熟数据匮乏，依靠外部征信行为数据丰富，科技风控数据匮乏，科技风控核心优势资金、风控持牌合规场景、流量、大数据风控细分市场、垂直场景

网络借贷国家逐步

包括个体网络借贷（即P2P网络借贷）和网络小额贷款。其中，P2P网络贷款被定义为“个体和个体之间通过互联网平台实现的直接借贷”。由于现金贷、校园贷等问题风险较为严重，2017年11月互联网金融风险专项整治工作领导小组办公室向各省整治办下发特急文件《关于立即暂停批设网络小额贷款公司的通知》。2019年开始，国家逐步清理P2P平台。2020年11月中旬P2P平台清零。

网络借贷中的大数据营销

网络支付

通过计算机、手机等设备，依托互联网发起支付指令、转移货币资金的服务第三方支付行业因互联网支付时代的到来得以更加迅速地发展，而最具爆发潜力的新兴市场可谓是移动支付市场。支付宝和财付通依托于淘宝和微信，获得了庞大的用户群体和丰富的支付场景，因而二者在市场占据了绝对的优势。

营销实践：支付宝用户可信习惯体系

2011年，俞吴杰从国际知名支付公司PayPal加入支付宝，担任蚂蚁金服旗下芝麻信用首席大数据科学家。国内提升用户账户安全保障通常的做法是使用安全产品，比如登录密码、支付密码、U盾、手机令牌、数字证书，层层叠加。但是，支付宝希望尽量减少用户操作的麻烦。如果支付宝能判断出账户操作指令是否为用户本人发出，就可以在屏蔽被盗风险的同时，减少安全产品对用户体验的干扰，这是基于用户的可信行为习惯。

营销实践：支付宝用户可信习惯体系

比如，一个用户很频繁地从一个卖家买东西，这就说明他喜欢这家店铺，对于后来的购买指令来说，无论是发自手机终端还是PC终端，其是用户本人指令的可信度是非常高的，这时就不需要对它做极其复杂的风险判断。俞吴杰带领风险智能团队，协同多个团队开发“支付宝用户可信习惯体系”（AUTH）。与此同时，支付宝还利用各种前沿的生物识别技术来进行判断2012年，支付宝的用户保障体系项目正式开始运行。至此，支付宝在账户盗用上终于实现了“你敢付，我敢赔”。一段时间后的数据显示，在得到赔付的用户中，有2/3的人和以前一样继续使用支付宝，甚至比以前更为活跃。最终“100%盗用保障机制”也成为行业的新标准。

股权众筹融资

通过互联网形式进行公开小额股权融资的活动从2014年起，大规模的双创来了越来越多的融资需求，中产阶级积极寻求多元投资组合带来了大量的资金供给。在互金专项整治开展前，政府建立了双创支撑平台，大力鼓励开展互联网股权众筹融资试点，使得大量创业项目通过互联网非公开股权融资平台完成融资，从而推动国内互联网股权众筹融资行业进入高速成长期。小微企业的股权众筹融资项目数不胜数，如何能够更精准地匹配投资人，这也需要大数据进行个性化的项目推荐。

金融大数据营销应用场景——精准营销

大数据预测葡萄牙银行直销活动中定期存款认购情况

通过与葡萄牙银行机构的直销活动（电话）有关的一些数据，预测客户是否会认购定期存款（变量Y）。数据集包括：客户信息，如年龄、工作、婚姻、教育、违约情况、贷款情况；其他相关数据，如接触方式、最后联系时间、最后接触持续时间等；社会经济属性，如就业变化率、消费者价格指数、消费者信心指数、欧元同业拆借利率（3M）等；输出变量，即客户是否会认购定期存款。

抽取70%的训练集和30%的测试集。随后，分别采用支持向量机与随机森林进行分类，并且通过混淆矩阵来对模型进行评价，可以看到两个模型的预测效果都非常好，但是随机森林更胜一筹。我们可以从自变量的重要性程度了解到，社会环境整体对于销售的影响还是比较大的。销售人员与客户接触相关因素也影响非常大，为了有一个好的销售效果，接触持续时间应该达到200h以上；同时，和客户的联系要选择固定的执行人，频繁更换人选客户购买率会下降。其次就是老顾客率非常高，银行可以把更多精力放在老顾客的身上；而对于新客户，则可以着重关注年长退休人士。大数据预测葡萄牙银行直销活动中定期存款认购情况模型训练集准确率测试集准确率支持向量机0.97310.9691随机森林10.9749

金融大数据营销应用——风险控制

金融行业应用大数据技术进行风险控制主要集中在三个阶段，即贷前风险识别，贷中决策迭代和贷后预警催收。在贷前风险识别阶段，需要依托与众多平台机构合作获得多元化的流量和多维度的大数据支撑，建立了基于数据交换平台、实时处理平台、数据集成平台、数据开发和管理平台、即席查询平台的大数据平台，实时挖掘、分析数据。在贷中决策迭代过程中，利用实时反欺诈系统对贷款客户实施反欺诈风控。在贷后预警催收过程中，依靠精准、理性、基于大数据的沉淀，金融机构可以在贷后环节上进行全面的智能监控，增强对客户的认知，最终指导贷后管理。

金融大数据营销应用——智能投顾

广义定义：基于投资者的投资需求和风险偏好，为其提供数字化、自动化、智能化的财富管理服务。狭义定义：基于投资组合理论、资产定价理论以及行为金融学理论，将投资者的财务状况、收益目标以及风险偏好融合考虑，使用大数据、云计算等技术构建数据算法和模型，将相关资产配置建议、交易执行等基础服务以及税收盈亏分析等增值服务提供给投资者

传统投顾和智能投顾对比情况

对比维度传统投顾智能投顾服务人群仅针对高净值人群演盖高、中、低净值的多数人群，但以中产、大众投资者为主要目标客户投资门槛高，国内外平均在100万美元以上极低，甚至可实现零门槛服务模式一对一人工服务有限或无人工服务，纯线上服务服务内容全方位、个性化的财富管理智能资产配置及自动多样化投资资产配量涵盖大部分资产类别以ETF、基金为主的多资产类别投资投资依据公司及投资顾问经验和理论水平在传统投资理论基础上，信助新兴技术构建投资组合模型管理费率高，平均费率在1%-3%低，平均费率在0.25%-0.5%时效性会存在一定延迟性，无法实现；全程实时监控高，24小时/7天监控市场变化并及时响应风险控制存在道德风险，易受主观情绪影响严格遵守现代投资组合理论，分散投资，基于模型控制风险投资结果依据个人投资顾问水平而定基于MPT，赚取β收益用户体验流程繁项，所需时间较多流程简单清晰以实现快速投资建议及交易执行

智能投顾运用的大数据技术

相关技术具体描述数字化平台使得客户能够通过移动和网页端获取服务。实现简单、直接的流程设计，从用户引导、获取投资者资料、支付、投资，最终到投资报告。高阶及预测性数据分析利用来自多种渠道（包括社交媒体）的结构化和非结构化的大数据来更深刻、更立体地刻画客户的投资特征，从而更好地吸引和服务客户；同时，对金融数据持续监测分析，并对市场趋势做出判断，优化产品与组合。公开的应用程序被用来管理金融产品的开发到再平衡，实现海量客户资产仅由少量人工团队管理，实现批量性定制化服务方案。编程接口（APIs）提供实时客户数据及交易数据支持，分秒间实现客户的注册及其银行资金的划拨。数字聊天机器人回答客户疑问、教育投资者及普及投资知识。人工智能助力客户投资特征分析、投资组合构建和客户服务。

金融大数据营销应用——反欺诈

反欺诈是指金融机构为了防范恶意用户采取欺诈行为谋求额外利益而采取的应对措施。根据欺诈目的的不同，可以将欺诈分为营销作弊、支票欺诈、信贷欺诈、交易欺诈、账户欺诈等一个完整的反欺诈体系应该包括四大过程，欺诈特征检测、欺诈风险处置、欺诈指标监控和欺诈调查。

数据应用：通过关系网络进行金融欺诈检测和欺诈团伙发现

右图展示了由某一线城市抽样的20,000余条贷款申请数据所构成的关系网络。由于许多欺诈团伙会选择共享一些申请信息，如提供同一个皮包公司的地址作为公司信息，或者联系人电话重合程度高。因此，在关系网络中，大多数的正常的个体应该是独立的节点，或者与另一个节点组成规模为二的团体（在这种情况下，多数可能为家人或亲友关系）。若出现三个点以上甚至十几个点关系密切时，则这些团体可被归为异常。

除了异常值检测以外，还可以进行团体分群。一般来说，团体的特征可以分为（1）和网络结构相关的团伙拓扑特征以及（2）和个体信息相关的团伙实体特征这两个大的维度。其中，团体的拓扑特征包括团的节点的数量、平均自由度、团体中节点间最长的最短路径等；团的实体特征包括团中男女比例、最大年龄差，平均年龄、团体总资产、团体总负债等。用男女比例、最大年龄差、有车个体占比、有房个体占比、有贷款个体占比和买理财产品个体占比这六个维度对团伙进行描述。由下图可见，在低维空间中，确实存在明显分隔的集群。数据应用：通过关系网络进行金融欺诈检测和欺诈团伙发现

语义舆情分析

通过自然语言处理技术实现，包括语音识别、文字处理和舆情分析语音识别：判断用户兴趣/是否故意欺诈等文字处理：OCR，提高效率舆情分析：判断新闻评价/用户评价

Q&A

娱乐大数据营销

娱乐营销概述

娱乐（Entertainment）是一种活动形式，它指能够引起观众的注意和兴趣，或给观众带来快乐和愉悦感的一种活动形式。它可以是一个想法或一项任务活动，但更有可能是伴随人类文化产生，并在历史长河中不断发展、丰富从而成为了吸引观众的注意力的活动或事件。狭义上的娱乐营销（EntertainmentMarketing），是将娱乐产品作为一种体验性产品来设计、销售和传播的一系列活动的统称。更广义上的娱乐营销还包括了各种服务体验—将服务设计升级到娱乐体验设计。

娱乐平台的主要角色

媒体平台内容创造者广告商会在媒体平台上进行广告投放，以求分得一杯羹，利用媒体平台的流量从用户身上获取可观的广告观看量。广告商消费者是在娱乐平台上接收创作者内容的人。他们既是娱乐内容服务和供给的对象，更是广告商和品牌主实现品牌价值传递的目标人群。消费者内容创作者是娱乐平台的根基，创作者需要通过精良的创作内容吸引流量。媒体平台是传播信息的渠道，它们是将创作者的内容传递给消费者的媒介。

大数据在娱乐内容中的作用

帮助娱乐平台思考当下面临的业务问题，做出相对正确的决策，从而帮助平台优化产品和界面让用户获得更好的使用消费体验。用户行为视频音乐文章评论游戏采集、整理、分析

营销实践——《纸牌屋》：Netflix“算”出来的成功

“算”演员阵容。在决定投资拍摄《纸牌屋》之前，Netflix通过用户行为数据发现，有很多用户还在点播1991年的老版《纸牌屋》，他们尤其喜欢大卫•芬奇导演的作品，以及奥斯卡得主凯文•史派西主演的电影。

“算”宣传方式。Netflix根据潜在用户中不同受众的偏好，为这部原创剧集剪辑了十种不同的宣传片，每部宣传片都有不同的侧重点，根据用户过去的观看行为，从而精准地将不同的宣传片展现在不同观众的眼前。

“算”观众偏好。在《纸牌屋》播出之后，Netflix记录了用户在什么时候按下了暂停键，哪些用户没有耐心看完片尾滚动的演职人员表。Netflix会针对任何一帧画面的内容进行分析，并将内容和用户选择的音量、是否全屏播放等数据关联起来，深入了解用户喜欢的内容

娱乐行业的消费者行为

消费者注意力易分散消费者对于未知的产品内容和质量存在不确定性消费体验产品之前很难想象具体形式对内容是否符合自己的口味充满不确定性消费者对于持续性的娱乐产品会产生厌倦感持续地同质化的内容消费者娱乐体验当中的“峰末法则”人们主要根据自己在高峰时和结局时的感受来判断体验的好坏，而不是基于每一刻经验的总和或平均值特点

信息过载娱乐内容越来越多

消费者行为的现有分析手段

焦点小组试映调查内容评论与评分定性的数据采集方法将一群经过精心挑选的，能够真实反映目标群体看法的人们聚集起来，通过面对面的交流对某一问题或现象进行讨论旨在了解消费者对特定主题的看法，更能了解他们可能感兴趣的领域。电影或电视节目在正式上映前的预览放映从专业的业内人士中挑选出来预览观众通过试映，导演可以提前了解观众对于影片的评价，及时对影片做出调整，以求在正式放映时能给观众呈现最好的效果。平台提供的内容评论与评分渠道能够给后来的消费者以参考评价体系帮助消费者减少了观看作品前的不确定性，对作品的质量和内容有了提前的了解

现有分析手段的不足

内容创作和编辑还需要更精细化的数据分析例如导演需要知道电影每时每刻的消费者体验，而不是总体的分数，不尽人意之处是台词、人物，还是场面调度。总体上讲，他们需要更多信息来帮助他们在下一部作品中引起观众的共鸣

娱乐营销中的瞬时数据

瞬时数据技术，可以帮助娱乐平台精准的测量和分析消费者的体验，让看不见摸不到的“体验”无从遁形消费过程是持续一段时间的动态过程，消费者体验在这个过程中也会随娱乐内容的变化而变化为了了解消费者体验，营销实践者和营销学者会通过在娱乐体验的每一时刻，对消费者生理上和行为上反应进行连续的采集和测量

瞬时数据分类

实验环境下采集的瞬时数据实验室能够捕捉消费者丰富的生物反应。包括消费者细微的动作，如眼动，脑动和面部表情等，同时也包含生物信息如汗液、心跳等。通过对这些瞬时反应的分析能够获得许多容易被忽略的精细化的信息。野生瞬时数据，是指在自然状态下采集的消费者反应生成的瞬时数据。这种数据是基于消费者在自然状态下娱乐消费的过程中产生的一系列瞬时反应数据。野生瞬时数据有着低成本规模化分析的优势，通常在娱乐内容产生和发行之后进行采集和分析。根据数据采集的环境不同，瞬时数据可以大致分为两类：实验室采集的瞬时数据和野生的瞬时数据。野生的瞬时数据

瞬时数据分析的难点

数据粒度细数据采集频率高杂乱无章数据量大数据非结构化大数据的完备性娱乐产品种类繁多大量图片、音乐、视频、评论、弹幕数据不规则并且模糊不清

瞬时数据的分析方法

（1）总结式的量化指标分析峰值与尾值采用峰值与尾值分析消费者的拖拽行为瞬时数据相关性电视剧观看过程中，观众的瞬时打分呈现协调的趋势，“共鸣”越高，他们最后的评价会越高瞬时耦合度实时弹幕评论量与电影内容的变化在消费过程中的每时每刻的同步程度瞬时数据的分析方法

分析如何将消费过程中的消费者行为趋势和形态与消费者最后的感受相结合更加系统地捕捉瞬时数据中和消费者评价紧密相连的趋势信息探究消费者对消费过程的哪一段最看重（2）函数分析方法瞬时数据的分析方法

视频一般由三种非结构化数据构成：持续变化的图像，声音信号和视频中的文本信息。主要方法分为两种：解读内容本身、解读瞬时信息（3）视频内容解析视频内容解析

内容本身的解读解读视频内容的瞬时变化分析视频在每时每刻出现了什么人，物和场景。量化人脸出现的时间，面部表情的特点，可以让我们了解导演的意图，将电影传递的情绪更好的捕捉。如果说视频里面的人物和场景是要和剧本相符合，那么内容中的变化和变化的程度，很大程度上受到导演和视频制作者的控制。例如，视频中何时加入音乐，动作和拍摄剪辑。

数据应用——广告投放

中插广告：指插播在视频播放中的广告匹配消费者特征女性群体→化妆品广告匹配内容端看汽车视频的人→汽车广告

时机匹配：广告切入的时间节点应与用户内容消费过程的上下起伏进行匹配。该在非常精彩的时刻给用户插播广告，还是在平淡的时间节点（如下图）？是在叙述过程中，还是抒情的情节里插播广告？观影过程精彩程度精彩瞬间缓和情节数据应用——广告投放

以在一个视频网站上采集的用户数据为例。网站上，用户可以选择在5秒之后跳转广告。总体上广告曝光时长如图。通过回归分析发现，插播在精彩情节和信息密集的视频节点的广告有更高的跳转和更少的曝光时长。注：广告的时长约为15秒钟，右图中后面的峰值代表了完全看完广告的观众。处在7秒左右的峰值代表了广告可以跳转之后马上选择跳转