
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
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16