2017大数据解决方案在保险行业的应用实践PPT学习课件.ppt

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,2,#,目录,大数据在保险行业的机遇与挑战,针对保险行业的大数据解决方案,保险及金融行业的成功案例介绍,华夏人寿实施大数据的建议路径,1,3/28/2025,以用户为中心建设互联网保险,客户获取,客户转化,客户服务,客户挽回,战略,&,规划,明确并聚焦目标,分析,&,洞察,全方位深入分析,应用,&,营销,&,交互,多渠道协同，数据应用,客户体验,建设可靠信任关系,DATA,DATA,DATA,DATA,DATA,DATA,DATA,DATA,数据,整合,用户,画像,数据,分析,客户细分模型,客户价值模型,忠诚度模型,受众群体扩展模型,社会网络模型,客户获取,客户转化,客户服务,数据,应用,业务转型,大数据技术与平台支撑,大数据分析技术和工具,保险企业客户分析模型,不断优化的管理闭环,外部数据,内部数据,数据模型,业务应用,用户行为偏好数据匹配,DATA,01,：建设思路,02,：建设目标,03,：业务规划,04,：技术实现,2,3/28/2025,保险行业发展大数据的难点,数据多,整合困难,客户多,分析困难,需求多,应用困难,数据来源的多样性,数据类型的复杂性,数据特征的多元化,数据处理方法的差异化,组织内部数据的分散性,数据共享机制的缺乏,怎么识别客户全方位的特征？,怎样有效细分客户？,怎样提取客户的共同需求？,怎样利用不同模型,/,算法生成客户多样化标签？,怎样进行客户行为偏好分析？,如何与客户实时交互,如何及时响应客户的需求,如何提供满意的客户体验,如何降低客户流失,如何控制客户维系成本,如何对客户进行精准营销,3,3/28/2025,大数据管理平台,应用平台,大数据采集,业务数据汇集系统,用户行为数据采集系统,互联网公开数据抓取系统,大数据清洗,业务数据清洗系统,用户行为数据清洗系统,互联网公开数据清洗系统,大数据标准化,用户多重,ID,归一化系统,商品归一化系统,大数据结构化,用户标签管理系统,商品标签管理系统,管理平台,基础平台,可视化数据操作平台,大数据操作系统（,BD-OS,）,数据全生命周期管理,业务流程全生命周期管理,业务价值挖掘建模,数据访问,资源管控,分布式存储（磁盘及内存）,数据接入,安全,(,认证 权限,ACL),监控 配置及报警,安装及云服务,电子商城,个性化,系统,移动商城,个性化,系统,媒体网站,个性化,系统,在线营销,支持系统,门店营销,支持系统,会员营销,支持系统,全网市场,监控系统,舆情管家,商情管家,用户洞察系统,个性化推荐引擎（,BRE,）,自动化营销引擎（,BME,）,大数据分析引擎（BAE,）,媒体网站,个性化,系统,4,3/28/2025,目录,大数据在保险行业的机遇与挑战,针对保险行业的大数据解决方案,保险及金融行业的成功案例介绍,华夏人寿实施大数据的建议路径,5,3/28/2025,以用户为中心建设互联网保险,客户获取,客户转化,客户服务,客户挽回,战略,&,规划,明确并聚焦目标,分析,&,洞察,全方位深入分析,应用,&,营销,&,交互,多渠道协同，数据应用,客户体验,建设可靠信任关系,DATA,DATA,DATA,DATA,DATA,DATA,DATA,DATA,数据,整合,用户,画像,数据,分析,客户细分模型,客户价值模型,忠诚度模型,受众群体扩展模型,社会网络模型,客户获取,客户转化,客户服务,数据,应用,业务转型,大数据技术与平台支撑,大数据分析技术和工具,保险企业客户分析模型,不断优化的管理闭环,外部数据,内部数据,数据模型,业务应用,用户行为偏好数据匹配,DATA,6,3/28/2025,为保险企业提供端到端的整体解决方案,DATA,DATA,DATA,DATA,DATA,DATA,DATA,DATA,数据,整合,用户,画像,数据,分析,客户细分模型,客户价值模型,忠诚度模型,受众群体扩展模型,社会网络模型,客户获取,客户转化,客户服务,数据,应用,业务转型,外部数据,内部数据,数据模型,持续优化,DATA,客户,归一,1,2,3,4,5,6,7,3/28/2025,01,：,海量多源异构数据的整合,第一方数据,实时用户行为,采集内容,：,CRM,、信用卡等业务系统数据,数据格式,：关系型数据库,独特优势,：灵活、易扩展、高操控性,业务系统数据,采集内容,：用户行为轨迹,数据格式,：自定义、高度灵活,独特优势,：实时、跨站、跨浏览器、跨设备、,采集内容,：,Txt,、,CSV,、,Excel,、,XML,、,Word,、,PDF,、,Socket,独特优势,：,支持非结构化数据、实时、高效,日志数据,抓取内容,：媒体资讯、贴吧、微博、搜索引擎、,数据格式,：将,HTML,转换为格式化数据（,Json,）,独特优势,：精确的流量控制、,JS,引擎、模拟登录、模拟用户行为、功能全面、操作简单,数据探头系统,数据桥接系统,日志收集系统,抓取系统,互联网开放数据,采集内容,：央行征信、银联交易等合作方数据,数据格式,：可支持各种第二方数据格式,独特优势,：支持多种数据格式，按需采集，灵活、易扩展,SDK/API/,接口,合作方数据,第二方数据,第三方数据,大数据平台,8,3/28/2025,01,：,海量多源异构数据的整合,第一方数据,实时用户行为,采集内容,：,CRM,、信用卡等业务系统数据,数据格式,：关系型数据库,独特优势,：灵活、易扩展、高操控性,业务系统数据,采集内容,：用户行为轨迹,数据格式,：自定义、高度灵活,独特优势,：实时、跨站、跨浏览器、跨设备、,采集内容,：,Txt,、,CSV,、,Excel,、,XML,、,Word,、,PDF,、,Socket,独特优势,：,支持非结构化数据、实时、高效,日志数据,抓取内容,：媒体资讯、贴吧、微博、搜索引擎、,数据格式,：将,HTML,转换为格式化数据（,Json,）,独特优势,：精确的流量控制、,JS,引擎、模拟登录、模拟用户行为、功能全面、操作简单,数据探头系统,数据桥接系统,日志收集系统,抓取系统,互联网开放数据,采集内容,：央行征信、银联交易等合作方数据,数据格式,：可支持各种第二方数据格式,独特优势,：支持多种数据格式，按需采集，灵活、易扩展,SDK/API/,接口,合作方数据,第二方数据,第三方数据,大数据平台,5.5,亿,+,用户,全网画像：,9,大维度,500+,子维度,1,100,万,+,用户标签,日活跃,4,000+,万,UV,：,日活跃访次：,3,700,万,日活跃,PV,：,1.2,亿,日推荐次数：,6,000,万,并发推荐：,2,万次,/,秒,单次响应时间：,200ms,21,大类,4,000+,子类,400+,商品标签维度,100,万,+,商品标签数,1,亿,+,商品,全网画像：,1,000,万,+,媒体,标签：,20,大类,1,000+,子类,200+,媒体标签维度,第 三 方 数 据,9,3/28/2025,客户盘点：,1,500+,互联网企业客户,10,3/28/2025,02,：跨渠道用户,ID,归一,11,3/28/2025,03,：用户画像,客户收入支出信息,客户渠道使用,客户资金往来,.,客户基本信息,客户持有产品,客户历史交易,客户风险等级,事实,标签,用户画像标签,原始,数据,预测,标签,模型,标签,资金往来趋势,产品购买次数,投诉次数,.,人口属性,账户历史趋势,渠道使用频率,.,用户关联关系,用户满意度,用户风险评分,.,产品购买偏好,渠道使用偏好,用户活跃度,.,消费能力,违约概率,用户近期需求,.,人口属性,人群属性,用户流失概率,.,人口属性,用户价值,用户兴趣爱好,.,模型预测,建模分析,统计分析,12,3/28/2025,03,：用户画像,客户收入支出信息,客户渠道使用,客户资金往来,.,客户基本信息,客户持有产品,客户历史交易,客户风险等级,事实,标签,用户画像标签,原始,数据,预测,标签,模型,标签,资金往来趋势,产品购买次数,投诉次数,.,人口属性,账户历史趋势,渠道使用频率,.,用户关联关系,用户满意度,用户风险评分,.,产品购买偏好,渠道使用偏好,用户活跃度,.,消费能力,违约概率,用户近期需求,.,人口属性,人群属性,用户流失概率,.,人口属性,用户价值,用户兴趣爱好,.,模型预测,建模分析,统计分析,客户全景视图,交易信息,基于现有各个业务系统和渠道产生的数据,客户行为偏好信息,包含客户即时偏好分析和长期偏好分析，形成客户兴趣偏好标签,客户社会,关系网,客户交互信息,基于分析客户对内对外的各类数据，形成完整的客户交互标签,人口统计学标签,基本属性，源于现有客户基本信息以及外部数据源,性别,家庭住址,工作单位,年龄,收入和支出,交易流水,产品和服务,购买历史,近期金融产品需求,客户意见,反馈,未来服务预期,客户行为,偏好,客户沟通记录,(,邮件,/,短信,/QQ,),客户讨论,倾向,客户态度和观点,KAM,13,3/28/2025,基于企业业务需求、场景构建标签，划分主题、颗粒度等,示,例,14,3/28/2025,04,：商业建模,相似度计算,推荐算法,文本挖掘算法,分类聚类算法,预测算法,15,3/28/2025,模型一：客户细分模型,挖掘高价值客户，提升非付费客户到付费客户的转化率,客户分类,描述,实现步骤,高价值,客户画像,高价值客户可定义为：,1,、件均保费高的期缴保单客户,2,、保单数排名前矛的客户,对高价值客户进行画像，归纳总结高价值客户群体特征，从现有客户中,挖掘有潜力的客户,，使其转化为高价值客户,1,、抽取,A,公司高价值客户和非高价值客户两个数据样本,2,、分析两个样本的群体特征，找出高价值客户群相对非高价值客户群的区别，并进行画像,3,、根据画像结果，按照营销跟进并根据效果进行持续优化,付费,客户画像通过分析付费客户和非付费客户，画像两个群体的差异特征，并从非付费客户中寻找符合付费客户的特征，针对性的销售以,提升转化率,1,、提供付费和非付费客户样本群进行初步分析，取得差异化特征维度,2,、针对差异化维度进行建模测试，训练并达到预期建模效果,3,、从非付费客户群中抽取与付费客户特征相似的客户进行有针对性的营销,16,3/28/2025,模型二：客户的价值模型,精准的营销,不存在错误的客户，只存在错误的宣传。,个性化推荐和营销就是在,最合适的时间,、,以最恰当的方式,、向客户推荐或营销他,最需要的,资讯、产品或服务。,场景,1,：个性化精准营销,场景,2,：实时的精准营销,不同的用户,不同的产品,个性化推荐和营销,出行之前，看到的不再是重复的广告，而是针对性的旅行保险广告,进入系统，伴之而来的广告不再是千篇一律的“垃圾”广告，而是考虑了职业、性别、年龄、收入等因素的针对性产品,市场细分是解决用户异质性的一种方法，而个性化则是市场细分的极致，即把每一个用户看成一个细分市场，这也是营销的终极目标。,用户的“异质性”与产品的“差异化”,17,3/28/2025,模型三：客户的忠诚度模型,针对不同类型用户采用不同的营销策略,购买比数,得分,最高金额,得分,平均金额,得分,最近购物,得分,活跃家数,得分,5.00,4.00,3.00,2.00,1.00,消费能力,用户粘性,低活跃低价值用户，综合考虑是否有必要花成本,活跃用户，提高服务质量进行引导,一般保持客户,一般挽留客户,重要保持客户,重要挽留客户,重要发展客户,重要价值客户,一般发展客户,一般价值客户,高价值低活跃，花成本搞活,最近一次消费,(,Recency),消费频率,(,Frequency),消费金额,(,Monetary),客户价值,重要价值客户,重要发展客户,重要保持客户,重要挽留客户,一般价值客户,一般发展客户,一般保持客户,一般挽留客户,18,3/28/2025,模型四：受众群体的扩散模型,筛选最具购买倾向的客户名单,19,3/28/2025,模型五：社会网络模型,引流,&,重新建立失联客户,业务,描述,实现步骤,客户引流与获客,结合双方共同的合作方，协助,A,公司引流合作方的客户到自身平台，借以获客并取得二次营销的机会,1,、从合作方获取客户资料,2,、通过双盲拨打,/,短信或其他方式触达客户端，进行营销宣传与获客,区域性保险赠品发放,根据客户偏好分析，有针对性的配置赠品进行发放,针对区域内客户的全网行为特征和偏好，有针对性的配置赠品进行发放,失联客户联系重建,保险存在大量的失联客户（客户换手机或手机号不正确），可通过,平台,的用户数据进行匹配，并反馈正确的信息,1,、整理,C,保险现有用户数据，进行必要的清洗,2,、对清洗后的失联数据，在平台的数据库中进行匹配,3,、对于匹配上的数据，平台反馈真实的联系方式及相关信息,20,3/28/2025,05:,洞察用户特征，精准触达高净值用户,实现从客户细分、营销策划、营销执行到效果评估的精准营销闭环管理,21,3/28/2025,05:,通过个性化推荐技术实现智能商品导购，提升交叉,/,向上销售,22,3/28/2025,06:,反复迭代、持续性的优化,图形化的显示为领导层的决策提供支撑,持续优化,洞察报表,效果报表,投放报表,效果监测,新老访客分析，网页热度分析，用户忠诚度分析,投放实时展示,多维度投放监控,媒体分析,渠道分析,受众分析,受众筛选,实时优化,调查问卷,标签体系（如人口的自然属性，人群兴趣、人群行为、购物行为等）协助广告主进行精准的受众筛选,效果优化系统使用基于,OnlineLearning,的算法思维，结合用户数据生成的各种特征（如,TF/IDF,、特征向量模型、,SVM,、决策树、,K-Means,、交叉特征、层次平滑体系树、用户实时反馈特征），帮助各种合作渠道优化效果策略,对于阶段性投放效果发布调查问卷，结合调研效果调整下一阶段的投放策略,23,3/28/2025,目录,大数据在保险行业的机遇与挑战,针对保险行业的大数据解决方案,保险及金融行业的成功案例介绍,华夏人寿实施大数据的建议路径,24,3/28/2025,金融行业部分客户,注：规划中,25,3/28/2025,泰康保险：互联网用户行为采集和网站数据统计分析项目,用户行为数据采集,用户数据拉通模块,网站数据统计分析,用户行为分析模块,用户行为分析与运营分析,用户画像,个性化推荐与精准营销,泰康人寿的业务痛点在于积累了大量的用户却不知道,如何使用用户数据？,如何了解客户、经营客户？,如何建立情感链接、实现有效互动，如何打造个性化的产品、服务？,如何增强客户黏性、提升客户满意度？,如何扩大保险覆盖面、提升保险渗透率？,解决方案,1,2,3,事实标签,模型标签,预测标签,跨站点用户偏好分析,兴趣扩散模型分析,消费者兴趣图谱分析,实时购物意图分析,26,3/28/2025,泰康保险：,1.1,用户行为数据采集,网站概况,每天网站,PV,、,UV,、独立,IP,、活跃度等基本指标统计,实时统计,达到以,10,分钟为粒度，进行,PV,、,UV,的统计计算,访客分析,记录访客设备信息、浏览轨迹、页面停留时间、地域、实时访客、用户拉通信息等,转化追踪,分析,推,广、搜索引擎转化率、外部链接,设备信息,分析客户设备信息：浏览器类型、操作系统、分辨率等等,保险产品信息,分析各个保险产品每日浏览量、趋势、客户兴趣度、转化率等指标,触点采集,传统,PC,站点,手机,WAP,站点,手机,APP,站点,移动端微信,27,3/28/2025,泰康保险：,1.2,用户数据拉通模块,:,用户,ID,价值,难点,整合所有接触点的用户数据,整合用户的所有,ID真正“认识,”,一个用户,用户不再,“,匿名,”,多源异构规整到统一标准精确定义的标签,如何理解并定义,“,同一个用户,”,不同标签体系的融合,用户与,ID,的多对多关系,28,3/28/2025,泰康保险：,1.3,用户行为分析模块,图,4,新增,/,沉默,/,活跃,/,流失用户,图 1 客户生命周期,图,5,留存用户,图,2,用户分类及详情,图,3,回流用户分析,29,3/28/2025,泰康保险：,1.4,网站数据统计分析,图,1,页面浏览量分析,图,2,分时段统计信息,图,3,网页跳出率分析,图,4,分时段统计信息,图,5,用户来源分析,图,6,搜索关键词统计分析,30,3/28/2025,中信银行：高价值潜在客户挖掘,(,出国金融,),业务需求,通过大数据分析，找到存量客户中潜在的出国金融产品客户（以出国留学类金融产品为例），分析此类高价值客户的行为特征，并针对有相似特征的用户群进行精准营销，达到潜在客户转化为真正客群的目的。,营销方案制定与执行,找到精准营销切入点,找到高价值潜在客户,数据准备与匹配,将,该,银行北京分行的客户与第三方数据进行匹配，,匹配率,43%,；,剔除用户画像中，媒体关注类标签少于,100,个的用户；,剩余用户占比：,37.25%,。,选择出国留学类金融产品进行分析；,对该银行北京分行从,2013,年,2,月至,2014,年,12,月进行出国金融客户通过生存分析模型，发现,91%,的客户在申请学校之前就已是该行客户；,需要在用户申请学校之前先联系到客户。,对出国留学金融客户群进行分析，发现：,出国前,6-10,个月，出国金融客户较为关注学校所在目的地国家，经常逛留学社区论坛；,出国前,3-6,个月，出国金融客户的注意力会偏向签证、机票等。,进一步对客户群进行洞察和细分，了解同类用户的需求和关注重点；,与业务人员讨论，确定,17,个营销短名单，以定制短信广告和柜面人工询问（短名单提前收工录入）的方式进行营销。,解决方案,应用效果,相对于传统推广方式：,针对目标客户群的电话咨询率,提高,推广两个月内：,出国金融产品销售增长,新客户开户,出国留学保证金带来的存款超,过,41%,270%,1025,户,2.1,亿,31,3/28/2025,目录,大数据在保险行业的机遇与挑战,针对保险行业的大数据解决方案,保险及金融行业的成功案例介绍,华夏人寿实施大数据的建议路径,32,3/28/2025,华夏人寿电子商务大数据的实施建议,一阶段：,用户行为采集,分析及营销试点,三阶段：,个性化推荐,及精准营销应用,二阶段：,多源数据整合,及用户画像建模,目标,主要工作,补充第三方数据,PC,端官网用户行为,数据采集,用户行为分析,选择产品试点精准,营销,多触点数据整合（,App,、,WAP,等）,全网用户拉通,运营指标分析,基于用户行为的用户画,像,用户标签体系搭建,电子商务业务用户洞察,智能实时精准推荐,场景式营销,周期,三个月,六个月,迭代式,33,3/28/2025,一阶段建设思路,4.,基于采集的数据和补充的数据进行用户画像,用户行为分析,产品解构,用户画像建模,2.1,用户行为采集,官方网站部署采集的代码,收集用户浏览行为,收集用户交易行,2.2,采集公司内部数据,产品信息,产品持有人信息,5.,精准营销，获取新客,用户分群,针对特定人群进行,DSP,营销,采集,&,分析,用户行为,精准,营销试点,1.,明确项目范围、目标,数据源：华夏人寿,PC,端官方网站,确定试点营销的保险产品,确定试点营销的预算（投放广告成本）,明确,项目目标,一个月,一个月,一个月,3.1,与平台数据进行匹配,3.2,补充互联网用户行为数据,用户产品偏好,用户渠道偏好,用户交易偏好,用户媒体偏好,构建,用户画像,补充,互联网数据,34,3/28/2025,