京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Big Data大数据重塑营销3_数据分析
开篇提到的花旗银行聘请了I B M的明星分析师“Watson”事件,是银行界对大数据处理能力渴求的一个侧面表现。
金融业对数据的需求,以及数据能力建设都在大多数行业之上,在大多数金融机构里面,对大数据的应用多集中在预防欺诈、制裁洗钱交易等方面,这些业务中,哪怕是看起来非常简单的一个任务,在实际执行层面,也是一项非常复杂的数据任务:比如对照顾客姓名看其是否处在制裁黑名单之上这件事情,因为一家银行可能会有数千位顾客和这些制裁黑名单上的顾客重名,如果稍有不慎,就可能毁掉一份顾客关系。
因此,处理这件事情银行业需要从各种不同数据源获取信息的电脑,通过搜集顾客的国籍、地址、家庭成员的姓名,以及他们是否曾经在某些国家旅游或者从这些地方收到过汇款等记录,来确定这个顾客是否正是制裁黑名单上的那位。因此,更不用提随着支付从电脑转向移动终端等变革给银行的数据处理能力带来的挑战了,大数据可以说是银行应对这些挑战的利器。
而除了预防欺诈等功能外,银行也正在发现,顾客数据能给他们带来更多的价值,比如,西班牙国际银行Santander就利用数据研究,每周给顾客发送信息,里面有顾客可能感兴趣的产品和优惠。但有些银行所尝试的领域已经开始超越自身的产品和服务,比如新加坡花旗银行会基于消费者的信用卡交易记录,针对性地给他们提供商家和餐馆优惠。
如果消费者订阅了这项服务,他刷了卡之后,花旗银行系统将会根据此次刷卡的时间、地点和消费者之前的购物、饮食习惯,为其进行推荐。比如此时接近午餐时间,而消费者喜欢意大利菜,花旗银行就会发来周边一家意大利餐厅的优惠信息,更重要的是,这个系统还会根据消费者采纳推荐的比率,来不断学习从而提升推荐的质量。花旗在亚洲有超过250名的数据分析人员,去年它在新加坡新开了一个“创新实验室”。
除花旗外,一些全球信用卡组织也开始了利用数据的进程。在美国,Visa就和Gap合作,来给在Gap店附近进行刷卡的消费者提供折扣优惠。
数据甚至能够改变这个行业的竞争格局,使得一些白手起家的新手找到自己的机会,杀入市场。比如创业公司ZestCash,它的主要业务是给那些信用记录不好或者没有信用卡历史的人提供贷款服务,它的创办人Douglas Merrill是谷歌前首席信息官。
ZestCash和一般银行最大的不同在于其依赖的数据数量。大多数美国银行依靠FICO信用卡记录得分来做出贷款与否的决策,这个FICO信用卡记录得分大概只有15到20个变量,诸如信用卡的使用比率,是否有没有还款的情形等,而ZestCash考察的却是数千个信息线索,这造就了它独特的竞争力。比如如果一个顾客打电话过来说他可能无法完成一次还款,大多数银行会把他视为高风险贷款对象,但是ZestCash经过研究发现这种顾客其实更有可能全额付款;ZestCash甚至还会考察顾客在提出贷款之前在ZestCash网站上停留的时间。“单看一个数据可能是个无用的噪音,但是当你以非常聪明的方式把它们聚合到一起的时候,你能将垃圾变成宝贝。”
塔吉特读心术
美国第二大零售商“塔吉特”通过多年精细的数据挖掘,建立用户的数据库,能够清楚地知道用户的人群信息,甚至能做到比顾客的家属更清楚她们的预产期。
“塔吉特”的孕妇营销之道
那么,“塔吉特”是如何比顾客的家属更清楚预产期的呢?这件事看起来非常不可思议,但背后却是有规律可循。“塔吉特”的统计师们通过对孕妇的消费习惯进行一次次的测试和数据分析得出一些非常有用的结论:孕妇在怀孕头三个月过后会购买大量无味的润肤露;有时在头20周,孕妇会补充如钙、镁、锌等营养素;许多顾客都会购买肥皂和棉球,但当有人除了购买洗手液和毛巾以外,还突然开始大量采购无味肥皂和特大包装的棉球时,说明她们的预产期要来了。在“塔吉特”的数据库资料里,统计师们根据顾客内在需求数据,精准地选出其中的25种商品,对这25种商品进行同步分析,基本上可以判断出哪些顾客是孕妇,甚至还可以进一步估算出她们的预产期,在最恰当的时候给她们寄去最符合她们需要的优惠券,满足她们最实际的需求。这就是“塔吉特”为什么能够清楚地知道顾客预产期的原因。
以上情形被美国商业记者查尔斯·杜希格披露在其著作《习惯的力量:我们生活、就业行为之原因》中,掀起了轩然大波。据作者说,塔吉特公司把婴儿相关的促销信息发给某个十多岁的少女,而她的父亲尚不知道她已怀孕。
怀孕预测模型固然有些极端,但事实上,包括塔吉特在内的其他零售商确实正在不断地分析顾客的人口群体及其他信息,特别是他们购买什么。
零售商的购买者分析
目前的某些领先零售商店,从顾客走进商店那一刻起,其脚步、视觉移动、选择、对减价的反应,已经被密切监控。通过这一分析,商店能够决定是否需要做出改变以提高销售,例如:改装、特价、更多销售员等。
购买者分析不一而足,从平平无奇的统计到高科技的数字标牌均有,前者如统计放学后步行回家的学生,后者如数字标牌配以摄像头侦测到观众的眼球运动、在屏幕的那一部分播出促销信息。通过计算何人、何时、哪些人口群体在购物,商店能够针对其做出更精准的促销。
商店及其供应商在不停地分析销售数据,数据与顾客的会员卡相关联。商店对顾客的了解,大部分基于其获取会员卡时提供的信息、甚至来自电子邮件清单。商店想知道你的年龄,以便能更了解如何对该年龄段的人做营销。即使顾客不买时,通过复审安全监控录像,商店也知道谁在浏览其货架以及在店内闲逛的路线。商店就能够把产品和促销放在显著位置吸引最多的顾客。
零售商也在迅速改用能以中心控制频繁变更的电子标牌。标牌可包括摄像头侦测谁在注视标牌上的哪个部位(或者快餐的菜单板),根据其性别甚至年龄度身定制促销。例如,在百货公司化妆品区的数字标牌可以确定走过的是位男人,就显示车或其他可吸引其注意的画面,再插入男用香水的广告。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13