午啪啪夜福利无码亚洲,亚洲欧美suv精品,欧洲尺码日本尺码专线美国,老狼影院成年女人大片

1、發(fā)掘數(shù)據(jù)價(jià)值 優(yōu)化客戶關(guān)系 促進(jìn)業(yè)務(wù)發(fā)展 大數(shù)據(jù)精準(zhǔn)營(yíng)銷(xiāo)推薦系統(tǒng) 2014年10月 行業(yè)背景 數(shù)據(jù)規(guī)模5年將增長(zhǎng)7倍 微型企業(yè)貸款逐漸被侵蝕 銀行與零售客戶越來(lái)越遠(yuǎn) 目前，中國(guó)電子商務(wù)約占中國(guó)零售額的10%，Celent預(yù)計(jì)2020年將達(dá)到50%。這個(gè)趨勢(shì)對(duì)于銀行來(lái)說(shuō)是非常不利的，銀行處于電子商務(wù)產(chǎn)業(yè)的最末端，正在逐漸被邊緣化。銀行業(yè)面臨的大數(shù)據(jù)帶來(lái)的業(yè)務(wù)挑戰(zhàn) 行業(yè)背景 同業(yè)銀行的應(yīng)對(duì)案例 中信銀行信用卡中心：實(shí)時(shí)營(yíng)銷(xiāo) 光大銀行：社交網(wǎng)絡(luò)信息數(shù)據(jù)庫(kù) 例：您剛消費(fèi)了X元，如您再消費(fèi)一筆超過(guò)Y元,即可在樓上的商戶享受一次五折優(yōu)惠。把社交網(wǎng)絡(luò)上的用戶跟光大銀行用戶匹配起來(lái),實(shí)現(xiàn)對(duì)應(yīng),以便于進(jìn)行針對(duì)某2、個(gè)客戶群的營(yíng)銷(xiāo)。把用戶在社交網(wǎng)絡(luò)上的言論捕捉下來(lái),并進(jìn)行相關(guān)的營(yíng)銷(xiāo)活動(dòng),目前,進(jìn)展并不順利。抓取客戶的各方面信息,包括:基本信息、愛(ài)好信息、行為信息、地理信息、電話、語(yǔ)音、網(wǎng)絡(luò)的監(jiān)控錄像和在線交易信息等。招商銀行：小微貸款 分析交易記錄：招商銀行可以根據(jù)客戶交易記錄分析,有效地識(shí)別小微企業(yè)客戶,然后用遠(yuǎn)程銀行來(lái)實(shí)施交叉銷(xiāo)售。2012年,有1.6 萬(wàn)筆貸款就是通過(guò)這種方式實(shí)現(xiàn)的。跟蹤搜索記錄：招商銀行還根據(jù)客戶搜索記錄,發(fā)布營(yíng)銷(xiāo)信息。2012 年,招商銀行憑這個(gè)辦理小微企業(yè)業(yè)務(wù)將近3萬(wàn)筆。客戶細(xì)分：招行銀行通過(guò)分析客戶信息來(lái)細(xì)分客戶,這些客戶數(shù)據(jù)包括:行為數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)、區(qū)域地理信息、瀏覽內(nèi)容信3、息。大數(shù)據(jù)時(shí)代的精準(zhǔn)化營(yíng)銷(xiāo) 多渠道多渠道/接觸點(diǎn)營(yíng)銷(xiāo)營(yíng)銷(xiāo)接觸點(diǎn)營(yíng)銷(xiāo)營(yíng)銷(xiāo) 事件式營(yíng)銷(xiāo)事件式營(yíng)銷(xiāo) 交互式營(yíng)銷(xiāo)交互式營(yíng)銷(xiāo) 目標(biāo)目標(biāo)/細(xì)分營(yíng)銷(xiāo)細(xì)分營(yíng)銷(xiāo) 大眾營(yíng)銷(xiāo)大眾營(yíng)銷(xiāo) (Mass Marketing)21-62%18-34%8.2-14.6%2.0-4.9%0.2-3.1%響應(yīng)率 模型觸發(fā)式營(yíng)銷(xiāo) 大數(shù)據(jù)預(yù)測(cè)營(yíng)銷(xiāo) 清單篩選式營(yíng)銷(xiāo) 平臺(tái) 模型篩選 客戶清單 規(guī)則庫(kù) 模型篩選 事件觸發(fā) 潛力挖掘 事前營(yíng)銷(xiāo) 客戶體驗(yàn) 平臺(tái) 渠道 內(nèi)容 大數(shù)據(jù)平臺(tái) 數(shù)據(jù)倉(cāng)庫(kù)平臺(tái) 營(yíng)銷(xiāo)管理平臺(tái) 物理網(wǎng)點(diǎn) 電子銀行 移動(dòng)終端 微博微信 電子商務(wù) 金融產(chǎn)品、服務(wù) 金融資訊 消費(fèi)資訊 賬戶服務(wù) 結(jié)算平臺(tái) 貫穿消費(fèi)者行為始終的主體參與4、者 大數(shù)據(jù)精準(zhǔn)營(yíng)銷(xiāo)推薦系統(tǒng)產(chǎn)品介紹 產(chǎn)品產(chǎn)品 關(guān)系關(guān)系 模型庫(kù)模型庫(kù) 標(biāo)簽庫(kù)標(biāo)簽庫(kù) 客戶客戶 算法庫(kù)算法庫(kù) 推薦時(shí)機(jī) 推薦內(nèi)容 推薦渠道 規(guī)則庫(kù)規(guī)則庫(kù) 事件 場(chǎng)景化 量化 精準(zhǔn) 實(shí)時(shí) 客戶畫(huà)像 營(yíng)銷(xiāo)方案 特點(diǎn) 平臺(tái) 引擎 產(chǎn)品目標(biāo) 發(fā)掘銀行產(chǎn)品潛在客戶，實(shí)現(xiàn)交叉銷(xiāo)售 完成銀行產(chǎn)品營(yíng)銷(xiāo)場(chǎng)景的多渠道協(xié)同 完善個(gè)人銀行客戶畫(huà)像 促進(jìn)個(gè)人銀行業(yè)務(wù)的發(fā)展 外部數(shù)據(jù) 根據(jù)客戶畫(huà)像特征，識(shí)別并分析客戶特征，決策產(chǎn)品推薦和營(yíng)銷(xiāo)活動(dòng) 告知客戶經(jīng)理該客戶適合的營(yíng)銷(xiāo)產(chǎn)品和活動(dòng) 咖啡廳 碎片化時(shí)間 運(yùn)營(yíng)商 平臺(tái) 爬蟲(chóng)系統(tǒng) 網(wǎng)點(diǎn)大堂 1 互聯(lián)網(wǎng) 得到他行產(chǎn)品信息 得到金融或投資機(jī)構(gòu)的分析資訊 得到線上的投資輿情 客戶經(jīng)5、理 自然屬性 社會(huì)屬性 價(jià)值屬性 行為體系 客戶畫(huà)像 排隊(duì)機(jī) 2 實(shí)時(shí)識(shí)別客戶，并推送個(gè)性化產(chǎn)品和資訊 通過(guò)微信、短信等渠道發(fā)布、或者推送營(yíng)銷(xiāo)產(chǎn)品和活動(dòng) 移動(dòng)營(yíng)銷(xiāo) 3 外呼營(yíng)銷(xiāo) 4 產(chǎn)品應(yīng)用范圍 金融 消費(fèi) 營(yíng)銷(xiāo) 資訊 信用 風(fēng)險(xiǎn)-客戶畫(huà)像-渠道協(xié)同-營(yíng)銷(xiāo)閉環(huán)-精準(zhǔn)營(yíng)銷(xiāo)-金融資訊-宏觀經(jīng)濟(jì)-政策法規(guī)-消費(fèi)資訊-行業(yè)動(dòng)態(tài)-網(wǎng)絡(luò)輿情-個(gè)人信用-企業(yè)信用-信用評(píng)估-授信體系-信用風(fēng)險(xiǎn)-市場(chǎng)風(fēng)險(xiǎn)-操作風(fēng)險(xiǎn)-流動(dòng)性風(fēng)險(xiǎn)-零售業(yè)務(wù)/個(gè)人銀行業(yè)務(wù)-銀行卡業(yè)務(wù)-電子渠道業(yè)務(wù) 買(mǎi)家-消費(fèi)結(jié)構(gòu)-消費(fèi)金額-支付行為 賣(mài)家-銷(xiāo)售量-資金流水-融資貸款行為 產(chǎn)品價(jià)值 大數(shù)據(jù)平臺(tái)架構(gòu) 為進(jìn)一步優(yōu)化客戶關(guān)系、促進(jìn)其他業(yè)務(wù)發(fā)6、展打下堅(jiān)實(shí)平臺(tái)基礎(chǔ) 相對(duì)低廉的成本極具推廣價(jià)值 Structured Data Non-Structured Data Semi-Structured Data Hadoop Ecosystem HDFS Hbase+Hive Mahout/R MapReduce Pig/Sqoop Zookeeper Oozie MongoDB Pre System/App System Apache Storm Real Data interface interface interface interface PC Mobile Numbering machine Apache Spark 爬蟲(chóng)系統(tǒng) In7、ternet 產(chǎn)品價(jià)值 多渠道協(xié)同閉環(huán)營(yíng)銷(xiāo) 有效利用分行營(yíng)銷(xiāo)渠道，構(gòu)建客戶營(yíng)銷(xiāo)閉環(huán) 逐步完善、整合總分行渠道協(xié)同，增加多種新技術(shù)體驗(yàn)渠道，全方位提升客戶感知體驗(yàn) 總 行 渠 道 分 行 渠 道 電話銀行 微信平臺(tái) 短信平臺(tái) 郵件系統(tǒng) 手機(jī)銀行 柜臺(tái)/ATM 叫號(hào)機(jī) 短信平臺(tái) Wifi/LBS 網(wǎng)上銀行 產(chǎn)品研發(fā) 市場(chǎng)細(xì)分 目標(biāo)定位 市場(chǎng)營(yíng)銷(xiāo) 行為搜集 客戶評(píng)價(jià) Hadoop 數(shù)據(jù)倉(cāng)庫(kù) 大數(shù)據(jù) 平臺(tái) Mahout 推薦系統(tǒng) 交叉銷(xiāo)售管理系統(tǒng) 總行 爬蟲(chóng)系統(tǒng) BANCS 核心數(shù)據(jù) 信用卡集中平臺(tái)數(shù)據(jù) 產(chǎn)品價(jià)值 多維度立體客戶畫(huà)像 客戶統(tǒng)一視圖 基本信息 聯(lián)系信息 關(guān)系信息 合約信息 事件信息 資源8、信息 信用風(fēng)險(xiǎn) 評(píng)價(jià)信息 Mahout/R 數(shù)據(jù)挖掘系統(tǒng) 客戶畫(huà)像 行為體系 能力評(píng)估 偏好分析 自然屬性 社會(huì)屬性 價(jià)值屬性 態(tài)度分析 評(píng)價(jià)信息 互聯(lián)網(wǎng)生活行為信息 線下生活行為信息 產(chǎn)品、服務(wù)、資訊、活動(dòng) 時(shí)間 地點(diǎn) 渠道 充分利用現(xiàn)有數(shù)據(jù)，計(jì)算客戶指標(biāo)體系，完善客戶統(tǒng)一視圖 不斷吸納行外客戶行為信息，包括線上、線下行為信息，發(fā)現(xiàn)新的客戶特征，發(fā)掘潛在客戶，構(gòu)建多維度立體客戶畫(huà)像 逐步積累、優(yōu)化數(shù)據(jù)挖掘模型，不斷清晰化客戶畫(huà)像 為個(gè)性化產(chǎn)品推薦、事件營(yíng)銷(xiāo)提供決策依據(jù) 行為/事件 應(yīng)用場(chǎng)景 客戶評(píng)價(jià) 產(chǎn)品價(jià)值 CRISP-DM 數(shù)據(jù)挖掘模型建設(shè)流程 客戶畫(huà)像 個(gè)性化的精準(zhǔn)營(yíng)銷(xiāo)推薦 Mahou9、t/R 推薦系統(tǒng) 客戶 統(tǒng)一視圖 模型 指標(biāo)體系 Mahout/R 數(shù)據(jù)挖掘系統(tǒng) 瀏覽 喜歡 購(gòu)買(mǎi) 不喜歡 點(diǎn)評(píng) 分享 個(gè)性化推薦 遵循CRISP-DM數(shù)據(jù)挖掘模型建設(shè)流程，提高模型的有效性 個(gè)性化的行為和個(gè)性化的社會(huì)關(guān)系，決定了營(yíng)銷(xiāo)方案的個(gè)性化 個(gè)性化推薦能增強(qiáng)客戶體驗(yàn)，提高客戶忠誠(chéng)度 推薦系統(tǒng)，能有效激發(fā)潛在客戶，提高交叉銷(xiāo)售的規(guī)模 產(chǎn)品信息 產(chǎn)品邏輯體系架構(gòu) 客戶統(tǒng)一視圖 產(chǎn)品統(tǒng)一視圖 外部采集數(shù)據(jù) 反饋評(píng)價(jià)數(shù)據(jù) 相關(guān)性算法 聚類(lèi)算法 判別算法 預(yù)測(cè)算法 客戶畫(huà)像 指標(biāo)體系 客戶標(biāo)簽庫(kù) 產(chǎn)品標(biāo)簽庫(kù) 判別規(guī)則庫(kù) 主體推薦算法 補(bǔ)足推薦算法 過(guò)度推薦控制 過(guò)濾排序控制 參數(shù)傳入接口 數(shù)據(jù)輸出10、接口 實(shí)時(shí)信息接口 推薦客戶清單 推薦時(shí)機(jī) 推薦渠道 推薦內(nèi)容 應(yīng)用場(chǎng)景庫(kù) 推薦交互&反饋優(yōu)化 數(shù)據(jù)層 后臺(tái)算法層 算法模型層 前臺(tái)算法層 接口層 應(yīng)用層 產(chǎn)品算法模型庫(kù) 協(xié)同過(guò)濾 協(xié)同過(guò)濾推薦算法 協(xié)同過(guò)濾推薦（Collaborative Filtering recommendation）是在信息過(guò)濾和信息系統(tǒng)中正迅速成為一項(xiàng)很受歡迎的技術(shù)。與傳統(tǒng)的基于內(nèi)容過(guò)濾直接分析內(nèi)容進(jìn)行推薦不同，協(xié)同過(guò)濾分析用戶興趣，在用戶群中找到指定用戶的相似（興趣）用戶，綜合這些相似用戶對(duì)某一信息的評(píng)價(jià)，形成系統(tǒng)對(duì)該指定用戶對(duì)此信息的喜好程度預(yù)測(cè)。用戶相似度 其中，u、v表示用戶u、用戶v N(u)表示用戶u曾經(jīng)11、有過(guò)正反饋的物品集合 用戶產(chǎn)品興趣度 其中，u表示用戶，i表示產(chǎn)品 S(u,K)包含和用戶u興趣最接近的K個(gè)用戶 N(i)表示對(duì)產(chǎn)品i有過(guò)行為的用戶集合 表示用戶v對(duì)產(chǎn)品i的興趣，一般令 =1 Wuv=|N(u)N(v)|N(u)|N(v)p(u,i)=WuvrvivS(u,K)N(i)rvirvi產(chǎn)品算法模型庫(kù) 協(xié)同過(guò)濾 案例：性別：男 年齡：30 資產(chǎn)：30w 簽約：a1、a2、a3 性別：男 年齡：25 資產(chǎn)：10w 簽約：a1 性別：男 年齡：35 資產(chǎn)：50w 簽約：a2、a3 性別：女 年齡：28 資產(chǎn)：20w 簽約：a1、a2 產(chǎn)品興趣度 78 34 85 80 用戶相似度 9012、 25 75 50 性別：男 年齡：32 資產(chǎn)：40w 簽約：a1、a2、a3 產(chǎn)品興趣度：82 案例：某行貴金屬營(yíng)銷(xiāo)目標(biāo)客戶 建模建模 評(píng)估評(píng)估 部署部署 數(shù)據(jù)數(shù)據(jù) 理解理解 數(shù)據(jù)數(shù)據(jù) 準(zhǔn)備準(zhǔn)備 數(shù)據(jù)挖掘全過(guò)程 商業(yè)商業(yè) 理解理解 1 2 3 4 5 6 1、貴金屬的產(chǎn)品特征有哪些？2、貴金屬投資者的特征有哪些？投資門(mén)檻低 交易成本低 交易時(shí)間長(zhǎng) 當(dāng)天多次交易 受政治經(jīng)濟(jì)影響大 年齡特征 學(xué)歷特征 資產(chǎn)特征 投資偏好特征 其他金融行為 特征 消費(fèi)特征 時(shí)間特征 評(píng)級(jí)特征 案例：某行貴金屬營(yíng)銷(xiāo)目標(biāo)客戶 建模建模 評(píng)估評(píng)估 部署部署 數(shù)據(jù)數(shù)據(jù) 理解理解 數(shù)據(jù)數(shù)據(jù) 準(zhǔn)備準(zhǔn)備 數(shù)據(jù)挖掘全過(guò)程 商業(yè)商13、業(yè) 理解理解 1 2 3 4 5 6 1、哪些系統(tǒng)可以提供數(shù)據(jù)？2、能提供哪些相關(guān)數(shù)據(jù)？3、數(shù)據(jù)是否完備？4、數(shù)據(jù)質(zhì)量是否好？5、總行是否可以補(bǔ)充提供數(shù)據(jù)？6、互聯(lián)網(wǎng)上是否可以補(bǔ)充提供數(shù)據(jù)？1、數(shù)據(jù)源如何提供？2、數(shù)據(jù)格式怎樣？3、是否需要清洗？4、映射、計(jì)算規(guī)則如何？5、應(yīng)用平臺(tái)如何使用數(shù)據(jù)？案例：某行貴金屬營(yíng)銷(xiāo)目標(biāo)客戶 建模建模 評(píng)估評(píng)估 部署部署 數(shù)據(jù)數(shù)據(jù) 理解理解 數(shù)據(jù)數(shù)據(jù) 準(zhǔn)備準(zhǔn)備 數(shù)據(jù)挖掘全過(guò)程 商業(yè)商業(yè) 理解理解 1 2 3 4 5 6 1、如何做變量篩選？2、如何做變量標(biāo)準(zhǔn)化？3、如何做影響分析，確定權(quán)重？4、如何做客戶聚類(lèi)？5、如何做客戶判別？6、如何計(jì)算客戶相似度？7、如何14、計(jì)算客戶投資興趣度？8、通過(guò)對(duì)用戶屬性、行為的分析和聚類(lèi)，描述用戶畫(huà)像 1、政治事件對(duì)貴金屬投資是否有影響？2、宏觀經(jīng)濟(jì)對(duì)貴金屬投資是否有影響？3、貴金屬投資是否存在周期性因素？4、如何評(píng)估挖掘模型對(duì)營(yíng)銷(xiāo)是有促進(jìn)效果的？案例：數(shù)據(jù)挖掘過(guò)程 客戶 客戶 最近幾年是否最近幾年是否買(mǎi)過(guò)紀(jì)念幣 買(mǎi)過(guò)紀(jì)念幣 是否買(mǎi)過(guò)貴是否買(mǎi)過(guò)貴金屬 金屬 是否買(mǎi)過(guò)理是否買(mǎi)過(guò)理財(cái)產(chǎn)品 財(cái)產(chǎn)品 年齡是否年齡是否3045 是否是否VIP客客戶 戶 鉑金卡客戶 鉑金卡客戶 A 0 1 1 1 1 1 B 1 0 1 1 1 1 C 0 0 1 1 0 1 D 1 1 1 0 0 0 E 0 0 0 1 1 0 F 0 0 1 15、1 0 0 A B C D E F A B =0.8 C =0.77 =0.77 D =0.51 =0.51 =0.33 E =0.63 =0.63 =0.41 =0 F =0.63 =0.63 =0.81 =0.41 =0.5 變量篩選（略）客戶畫(huà)像 相似度矩陣 根據(jù)客戶統(tǒng)一視圖構(gòu)建多元邏輯回歸方程，通過(guò)向后剔除法判斷和篩選顯著變量 425315215210210315215210210191626061614過(guò)程有諸多簡(jiǎn)化。案例：數(shù)據(jù)挖掘過(guò)程 客戶 客戶 紀(jì)念幣 紀(jì)念幣 貴金屬 貴金屬 理財(cái)產(chǎn)品 理財(cái)產(chǎn)品 A 0.8-B-0.8-C 0.77 0.77-D-E 0.63 0.63 0.6316、 F 0.63 0.63-興趣度矩陣 K 準(zhǔn)確率 準(zhǔn)確率 召回率 召回率 覆蓋率 覆蓋率 流行度 流行度 3 16.99%8.21%51.33%6.81 10 20.59%9.95%41.49%6.97 20 22.99%11.11%33.17%7.10 40 24.50%11.83%25.87%7.20 80 25.20%12.17%20.29%7.28 160 24.90%12.03%15.21%7.36 K均值最佳性能 令K1 過(guò)程有諸多簡(jiǎn)化。案例：客戶畫(huà)像指標(biāo)體系 基本信息 性別 年齡 生肖 星座 學(xué)歷 婚姻 職業(yè) 職級(jí) 關(guān)系信息 人人關(guān)系 關(guān)系類(lèi)型 交易類(lèi)型 交易頻度 人商關(guān)系 商戶17、類(lèi)型 交易頻度 交易額度 商商關(guān)系 商戶類(lèi)型 貴金屬類(lèi)型 交易頻度 合約信息 借記卡開(kāi)戶歷史 貸記卡開(kāi)戶歷史 第三方存管RFM信息 基金業(yè)務(wù)RFM信息 理財(cái)業(yè)務(wù)RFM信息 國(guó)債業(yè)務(wù)RFM信息 網(wǎng)上銀行開(kāi)戶歷史 手機(jī)銀行開(kāi)戶歷史 結(jié)售匯業(yè)務(wù)RFM信息 貴金屬RFM信息 紙黃金RFM信息 事件信息 單比轉(zhuǎn)賬 單比借記卡消費(fèi) 單比貸記卡消費(fèi) 貴金屬交易價(jià)格 貴金屬交易類(lèi)型 評(píng)價(jià)信息 VIP等級(jí) ECIF等級(jí) 卡片等級(jí) 信用額度 五大類(lèi)、180個(gè)變量 相關(guān)性分析 老客戶交叉銷(xiāo)售 社會(huì)化協(xié)同過(guò)濾 案例：解讀客戶畫(huà)像 變量相關(guān)性 用相關(guān)性分析判斷變量的相關(guān)性系數(shù) 用主成分分析消除變量間的多重共線性 客戶等18、級(jí)的高低不同，會(huì)影響到貴金屬的消費(fèi) 1貴金屬購(gòu)買(mǎi)的歷史行為，會(huì)影響到貴金屬的消費(fèi) 2客戶黏度，包括客戶的投資理財(cái)行為，會(huì)影響到貴金屬的消費(fèi) 3客戶的忠誠(chéng)度、賬齡，會(huì)影響到貴金屬的消費(fèi) 4客戶的生命周期，會(huì)影響到貴金屬的消費(fèi) 5案例：解讀客戶畫(huà)像 客戶生命周期 客戶數(shù) 交易次數(shù) 19歲以下 1924歲 2453歲 5464歲 64歲以上 916歲 貴金屬的目前的消費(fèi)主題是年輕人和中年人 未成年人對(duì)貴金屬熱度非常高，體現(xiàn)出父母的對(duì)子女的喜愛(ài)或鼓勵(lì)；未成年人的消費(fèi)潛力巨大 案例：解讀客戶畫(huà)像 賬齡黏度（忠誠(chéng)度）0 1 2 3 4 5 6 7 8 1 25 50 75 100 125 150 175 19、210 購(gòu)買(mǎi)概率加權(quán)平均 結(jié)論：黏度越高，購(gòu)買(mǎi)概率更大 黏度比賬齡，對(duì)購(gòu)買(mǎi)概率的影響更大 案例：解讀客戶畫(huà)像 購(gòu)買(mǎi)時(shí)機(jī) 1季度 2季度 3季度 4季度 女性 男性 結(jié)論：1、2、5月份購(gòu)買(mǎi)人群較多，尤其是1月底、2月初 佩戴品 投資品 紀(jì)念品 藝術(shù)品 案例：解讀客戶畫(huà)像 消費(fèi)行為 265個(gè)商戶類(lèi)型與貴金屬消費(fèi)的相關(guān)性 MCC 商戶類(lèi)型 相關(guān)性系數(shù) 0000 婚慶 7.02 4722 旅行社 8.70 5094 貴重珠寶、首飾，鐘表零售 8.09 5271 活動(dòng)房車(chē)經(jīng)銷(xiāo)商 8.03 5441 糖果及堅(jiān)果商店 8.30 5933 當(dāng)鋪 10.89 5945 玩具、游戲店 8.11 5946 照相器20、材商店 8.12 5947 禮品、卡片、裝飾品、紀(jì)念品 8.06 5992 花店 6.93 7230 美容理發(fā)店 8.83 8021 牙科醫(yī)生 8.75 8351 兒童保育服務(wù)（含學(xué)前教育）8.11 9402 國(guó)家郵政服務(wù) 9.01 相關(guān)性較高的商戶類(lèi)型 案例：解讀客戶畫(huà)像 社會(huì)關(guān)系 123未成年人關(guān)系 夫妻情人關(guān)系 父子母子關(guān)系 篩選條件：年齡=3，and，雙方性別不同，and，年齡相差10歲以內(nèi)篩選條件：信用卡存在主副卡，and，雙方性別不同，and，年齡相差10歲以內(nèi) 輸出：客戶號(hào)、年齡、性別、是否貴金屬客戶，對(duì)方客戶號(hào)、年齡、性別、是否貴金屬客戶 篩選條件：自動(dòng)轉(zhuǎn)帳業(yè)務(wù)，and，年齡相21、差2540歲 篩選條件：備注信息匹配“贍養(yǎng)費(fèi)”輸出：轉(zhuǎn)入人客戶號(hào)、年齡、性別，轉(zhuǎn)出人客戶號(hào)、年齡、性別，轉(zhuǎn)賬備注，轉(zhuǎn)入人是否貴金屬客戶，轉(zhuǎn)出人是否貴金屬客戶 篩選條件：信用卡還款業(yè)務(wù)次數(shù)=3，and，年齡相差2540歲 篩選條件：信用卡存在主副卡，and，年齡相差2540歲 輸出：客戶號(hào)、年齡、性別、是否貴金屬客戶，對(duì)方客戶號(hào)、年齡、性別、是否貴金屬客戶 自動(dòng)轉(zhuǎn)賬 1自動(dòng)還款 2主副卡 3案例：解讀客戶畫(huà)像 客戶分群 案例：客戶興趣度反饋 客戶號(hào) 客戶號(hào) 客戶姓名 客戶姓名 聯(lián)系方式 聯(lián)系方式 興趣度反饋 興趣度反饋 溝通日期 溝通日期 1 XXX xxx 強(qiáng)烈感興趣 有一點(diǎn)興趣 不太感興趣 厭惡 2 XXX xxx 強(qiáng)烈感興趣 有一點(diǎn)興趣 不太感興趣 厭惡 3 XXX xxx 強(qiáng)烈感興趣 有一點(diǎn)興趣 不太感興趣 厭惡 興趣度說(shuō)明：強(qiáng)烈感興趣：-確定近期有購(gòu)買(mǎi)計(jì)劃，想了解更多產(chǎn)品信息 有一點(diǎn)興趣：-近期無(wú)購(gòu)買(mǎi)計(jì)劃、或者沒(méi)有表示購(gòu)買(mǎi)意愿，但想了解一些產(chǎn)品信息 不太感興趣：-近期無(wú)購(gòu)買(mǎi)計(jì)劃，也沒(méi)有意愿了解產(chǎn)品信息 厭惡：-拒絕了解產(chǎn)品信息 案例：營(yíng)銷(xiāo)評(píng)估 召回率 覆蓋率 準(zhǔn)確率 0%30%100%0%100%0%100%80%40%準(zhǔn)確率 召回率 覆蓋率