大数据解决方案在保险行业的应用实践过程PPT文件格式下载.pptx

1、业务规划,保险行业发展大数据的难点,3,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,大数据管理平台,4,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

2、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,数据全生命周期管理,大数据操作系统（BD-OS）可视化数据操作平台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,（,限,安全监认控证配权置,及,ACL）报警,安 装 及 云 服 务,在线营销 门店营销 会员营销 全网市场 支持系统 支持系统 支持系统 监控系统,舆情管家 商情管家,用户洞察 系统,自动化营销引擎（BME）,大数据分析引擎（BAE）,媒体网站 电子商城 移动商城 媒体网站 个

3、性化个性化个性化个性化 系统系统系统系统个性化推荐引擎（BRE）,目录,5,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,以用户为中心建设互联网保险,6,客户获取客户转化,客户服务,客户挽回,战略&交互多渠道协同，数据应用,客户体验建设可靠信任关系,获取服务,环,为保险企业提供端到端的整体解决方案,7,分析,外部数据,内部数据,6,01：海量多源异构数据的整合,8,第一方数据,实时用户行为采集内容：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、,日志数据采集内容：Txt、CSV、Excel

4、、XML、Word、PDF、Socket独特优势：支持非结构化数据、实时、高效,数据探头系统,业务系统数据采集内容：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 操控性数据桥接系统,日志收集系统,抓取系统抓取内容：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,互联网开放数据,SDK/API/接口采集内容：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,合作方数据,大数据平台

5、,01：海量多源异构数据的整合,9,第一方数据,独特优势：灵活、易扩展、高,实时用户行为采集内容：用户行为轨迹,数据格式：自定义、高度灵活,览器、跨设备、,Socket,实时、高效,日志数据采集内容：Txt、CSV、Excel、,据（Json）,数据探头系统,数据桥接系统,抓取系统抓取内容：媒体资讯、贴吧、微博、搜索引擎、,数据格式,独特优势：支持多种数据格式，,合作方数据,大数据平台,全网画像：,9 大 维独度特优势：实时、跨站、跨浏,500+子维度,1,100 万+用户标签,5.5 亿+操用控性户日活跃,4,000+万 UV：,XML、W日ord活、跃P访DF次、：3,700 万,PV 1

6、.2,日：支活持跃非结：构化数亿据、,独特优势日推荐次数：6,000 万,2/,并发推荐：万次 秒,日志单收次集响应系时统间：200ms,数据格式：将H2T1M大L转类换为格式化数,4,000+子 类,独特优势：精确4的00流+量商控品制标、J签S引维度,全面、操作简单100 万+商品标签数互联网开放数据,1 亿+商品,全网画像擎：、模拟登录、模拟用户行为、功能,1,000 万+媒体,标签：,SDK/API/接口采集内容：央行征信、银联交 易等合作方数据20 大数类据格式：可支持各种第二方,1,000+子 类,200+按媒需体采标集，签灵维活度、易扩展,业第务三系统方数数据 据采集内容：关系型

7、数据库,客户盘点：1,500+,10,互联网企业客户,02：跨渠道用户ID归一,11,03：用户画像,12,.,客户基本信息客户收入支出信息,客户持有产品客户渠道使用,客户历史交易客户资金往来,客户风险等级,事实 标签,原始 数据,预测 标签,模型 标签,人口属性 资金往来趋势,账户历史趋势 产品购买次数,渠道使用频率 投诉次数,.,人口属性 消费能力,用户画像标签人群属性 违约概率,用户流失概率 用户近期需求,.,建模分析,统计分析,03：用户画像,13,客户持有产品,客户风险等级,事实 标签,预测 标签,模型 标签,.,.,用户画像标签人群属性 违约概率,.,人口属性 产品购买偏好 用户关

8、联关系,模型预测,建模分析,用户流交失概易率信息,用户近基期需于求现有各个业务系统和渠道.产生 的数据,原始 客户行为偏客好户信基本息信息,数据 包含客户即客时户偏收入好支分出析信息和长期偏好分析，客形户渠道使用 成客户兴趣偏好标签,客户社会 关系网统计分析,客户历客史交户易交互信息,客户资基金往于来分析客户对内对外的各.类.数据，形成完 整的客户交互标签,人口统计学人口标属签性基本属性，消源费于能现力有客户基本信息 以及外部数据源,性别,家庭住址,工作单位用户价值 渠道使用偏好用户满意度,年龄,收入和支出用户兴趣爱好用户活跃度 用户风险评分,交易流水,.产品和.服.务,购买历史,近期金融产,

9、品需求 人口属性,未来服务预,资金往来期趋势,账户历史趋势客户行为产品客购户买意次见数偏好反馈,客户沟通记录,（邮件/短信/QQ）,客户讨论 倾向,渠道使用频率 投客诉户次态数度和观点,基于企业业务需求、场景构建标签，划分主题、颗粒度等,14,04：商业建模,15,分类聚类算法,预测算法相似度计算 推荐算法文本挖掘算法,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,16,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,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、保单数排名前矛的客户2、分析两个样本的群体特征，找

10、出高价值客户群相,对高价值客户进行画像，归纳总结高价 对非高价值客户群的区别，并进行画像,对性的销售以提升转化率,值客户群体特征，从现有客户中挖掘有 3、根据画像结果，按照营销跟进并根据效果进行持 潜力的客户，使其转化为高价值客户续优化1、提供付费和非付费客户样本群进行初步分析，取 通过分析付费客户和非付费客户，画得差异化特征维度付费像两个群体的差异特征，并从非付费2、针对差异化维度进行建模测试，训练并达到预期 客户画像客户中寻找符合付费客户的特征，针建模效果,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,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

11、宣传。,17,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,用户的“异质性”与产品的“差异化”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。,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,18,最高金额

12、 得分,平均金额 得分,最近购物 得分,活跃家数 得分,购买比数 得分5.004.003.002.001.00,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,模型四：受众群体的扩散模型筛选最

13、具购买倾向的客户名单,19,模型五：社会网络模型引流&重新建立失联客户,20,业务,客户引流与获 客,描述实现步骤结合双方共同的合作方，协助A公司引流1、从合作方获取客户资料合作方的客户到自身平台，借以获客并取 2、通过双盲拨打/短信或其他方式触达客户端，得二次营销的机会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 针对区域内客户的全网行为特征和偏好，有针对 进行发放性的配置赠品进行发放,失联客户联系 重建,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 保险存在大量的失联客户（客户换手机或 2、对清洗后的失联数据，在平台的数据库中进

14、手机号不正确），可通过平台的用户数据 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,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,21,05: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,22,06:反复迭代、持续性的优化,23,持续优化,投放报表,图形化的显示为领导层的决策提供支撑效果监测洞察报表,新老访客分析，网页热度分析，用户忠诚度分析效果报表,媒体分析,受众筛选标签体系（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 精准的受众筛选实时优化,效果优化系统使用基于OnlineLearn

15、ing,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 渠道优化效果策略调查问卷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,目录,24,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,金融行业部分客户,25,注：规划中,泰康保险：互联网用户行为采集和网站数据统计分析项目,26,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用户行为数据采集 用户数据拉通模块 用户行为分析模块网站数据统计分析,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,泰康保险：1.1用户行为数据采集,27,网站概况 实时统计 访客分析 转化追踪设备信息 保险产品信息,每天网站PV、UV、独立IP、活跃度等基本指标统计 达到以10 分钟为粒度，进行