互联网金融营销中大数据技术的应用

陈琼

大数据与互联网金融完美融合，深刻影响着互联网金融营销。对于互联网金融营销而言，其不只是简单地把互联网金融、金融营销结合起来，而是金融营销模式的全面更新。大数据技术作为一种十分典型的互联网技术，在互联网金融营销中的渗透，有利于推动互联网金融营销实现高质量发展的目标，并形成新业态。

从2014年开始，在每年的政府工作报告中均可见“大数据”的身影，且政府工作中的很多任务均与之联系紧密，使得大数据逐渐演变成国家战略。2019年的《国务院政府工作报告》中更是明确要求加强研发运用大数据，从数据大国走向数据强国。金融行业的发展需要海量数据，存在信息化程度高、数据运用场景广、数据维度多等特点，但因为金融行业数据较为复杂，需通过先进信息处理技术方可确保行业发展的稳定性、持续性。所以，大数据和金融业之间的结合，被运用到了金融行业的很多细分领域之中，不仅改变了传统金融模式，而且还能够提高整个金融服务的效率与质量。

一、互联网金融概述

谢平等研究人员率先提出了互联网金融这一说法，随后上海市政府在《关于促进本市互联网金融产业健康发展的若干意见》中也提到了互联网金融，并将其界定为一种新的金融业态，以社交平台、移动通信、互联网、大数据等先进技术为支撑，普惠金融为重点。对于互联网金融，我国研究人员的观点较为一致，均觉得其是第三者金融融资模式。互联网金融覆盖面广，内容多样，如互联网融资、金融信息服务、互联网支付、互联网金融产品销售等。其中，互联网融资则主要是P2P、小微企业贷款、众筹融资；互联网支付则是移动支付、手机银行与第三方支付等。另外，网络销售理财、保险等相关金融产品与彩票，都是互联网销售金融产品。

20世纪末期，我国互联网金融兴起，并实现了迅速发展，可划分成三个阶段，如表1所示。

纵观互联网金融发展历程，第一阶段则是金融行业刚刚接触互联网的时候，形成了许多新金融功能，但只表现为金融营销渠道存在差异。第二个阶段是互联网金融行业发展的关键转折点。第三阶段在技术因素的促进下，实现了迅速发展。iiMedia Research（艾媒咨询）数据显示，截至2021年我国互联网理财用户达到了6.3亿人，这释放出我国互联网金融发展前景良好的信号。

二、大数据分析功能与构成

大数据概念出现于20世纪90年代，而互联网行业“大数据”正式被人们所重视是在2009年前后。2011年，麦肯锡发表了《大数据：创新、竞争和生产力的下一个新领域》，自此，学术界也开始更多地注意“大数据”。诸多学者表示，大数据特征主要涉及4V，如表2所示。

近年来，各行业逐渐意识到大数据价值，纷纷参与到数据分析中。例如，谷歌搜集与分析了用户搜索相关数据，从而精准地判断分析出流感情况；阿里巴巴则利用对用户在线上平台的诸多数据进行分析，包括购物行为、人脉关系、信用历史，评估用户信用值。由此可见，现阶段大数据分析在互联网金融业中实现了广泛运用，其不仅将巨大价值带给了互联网金融营销，也深刻影响了其发展。

针对大数据，其一般可分为结构化、半结构化以及非结构化三种不同的类型，三者对相对应模型数据库的需求也有所不同。其中，结构化数据获取大数据之前，已经明确了模型结构，且关系模型数据库比较完善，在保存数据与设计表格方面，相关理论尚存在不足，数据处理比较轻松。对于半结构化数据而言，只有掌控了数据才可明确相对应的模型结构。针对自描述性半结构化数据而言，主要包含了XML、HTML等，只有當数据处于完整状态下才能够对结构进行明确，但是变化频繁，且数据模型大多数都是树、图等形式，内容十分繁杂，结构混乱。非结构化数据无需数据模型为支撑，也不需要接受结构化处理，如互联网进入企业所掌握的图片、视频、音频等资料，这一类数据能够重复，且长度可随意调整。对于互联网金融行业而言，图像、视频、文本和音频较为常见，且都属于非结构化数据，随着该行业数据持续增长，形成了巨大挑战。立足于功能层面进行分析，大数据分析主要涉及描述与预测功能。其中，大数据分析的关键在于描述数据相关特征，并在将基础性数据得到后对其进行分类；预测性大数据分析则是基于相关数据，对未来走向进行准确预测。且明确目标后，凭借对比确定算法，寻找有价值的信息，掌握隐藏于海量数据后的一些价值比较大的信息。

优秀的大数据分析，则是把一些无序原始数据朝着定义明确、通俗易懂的关系转变。在大数据面前，用户表现出来的全部行为均属于“可视化”的。例如，近年来我国高年龄层次用户运用第三方支付的人数持续上升。因经济水平的制约，第三方支付使用人群地理分布有所不同，从东往西，使用率越来越低，其中北京、江苏与浙江的覆盖率最高。立足于大数据技术价值层面进行分析，不同的企业，其大数据技术均有所不同，由此便决定了企业的经营、生产和决策等存在一定差别。部分学者表示，应通过耗费资源对数据进行获取，记录和分析。

四、大数据在互联网金融营销中的应用策略分析

（一）通过大数据进行用户画像

针对用户画像来讲，主要包含了客户社会属性、行为、交易等一系列关联性数据信息，对用户模型进行抽象刻画，且各标签能够对某一特征进行高度凝炼，并进行准确标识，主要用于对客户类型进行描述。比如，在支付宝中，某一客户时常对“境外随身WiFi”、自驾租车、代办签证等信息进行查询，支付宝便将这一客户贴上“海外旅游达人”等标签，此用户和全部标签进行融合，就形成了较为完善的用户画像。用户画像描写的前提则是借助大数据进行深入分析。大数据在获取方面，涉及以下途径：第一，互联网金融平台中拥有大规模的交易数据，如互联网信贷、第三方支付等；第二，生活缴费以及电商购物平台等数据；第三，社交平台中的各类数据，诸如微博、微信等；第四，征信数据，如信息卡数据等；但对客户的相关基础数据进行收集，不能将用户画像形成，原因在于其不只是描述或堆积客户信息，引入大数据处理技术，构建相关模型，如此可准确地描绘出用户画像。通过前文分析可知，互联网金融数据主要涉及三种类型，以非结构化数据为例，应通过大数据处理技术之中包含的文本挖掘与自然语言等技术，挖掘与整理基础数据，构建不同数据库。在收集、整理各类数据的同时，通过分类和聚类等相关大数据分析模型，结合用户数据建模，以此生成用户画像标签。以往，在开展营销时，用户画像主要借助线下，运用会员管理、调查问卷等方法，收集客户信息，然后对客户价值进行分析与挖掘，存在获取信息不完整、效率低、利用率低等不足。比如，对于没有信贷和账户活动的客户，在传统视角上会将其归为低价值客户。而凭借大数据技术，可利用用户画像了解此用户对于信贷的需求较高，但受各方面因素的影响，如教育程度等，未被纳入传统金融触及范围中。所以，大数据技术可以全面、准确地将客户全景视图呈现出来，有利于互联网金融企业设计更具差异化、个性化的营销策略。

（二）结合大数据开展客户分级

互联网金融企业涉及的客户数量庞大，为了能够确保营销活动将全部客户覆盖，同时提供给客户优质服务和销售是不可能的，会导致企业面临成本方面的压力，所以客户分级极其关键。对于大数据分析中涉及的模型算法而言，可以对潜在客户购买行为予以有效预测，结合模型预测结果，可以把潜在客户划分为若干等级，确保在营销预算中，尽可能地向高潜力用户开展针对性营销，协助互联网金融企业顺利达到最大化运用各类资源的目标。比如，美国GEICO保险公司业务销售过程中，积极引入大数据技术，广泛进行客户关系管理，即建立客户数据库，参考客户数据为其贴上标注，诸如房产、车辆、信贷以及消费能力状况等，然后，结合客户数据构建逻辑回归、XGBOOST等相关大数据模型，进而对客户响应率和购买率进行预测，以及分级客户。所以，在开展营销活动的过程中，应以营销预算为基础，把潜力高的客户作为第一选择，着重为其提供服务，如果有充足的预算，则再把潜力较低的客户纳入考虑范围。这种方式可以为互联网金融企业提供帮助，让其更好地加大客户差异化管理力度，最大化利用资源，确保营销质量更高。

（三）凭借大数据实现精准营销

互联网金融企业在顺利构建拥有客户基本属性、消费特点、购买水平、心理特点以及投资偏好等相关用户画像标签之后，就能够向其开展具有个性化的精准营销活动，提供相应产品与服务。在精准营销中，个性化推荐是不可或缺的一环，指的是将目标客户作为基础，进行归类，与客户需求信息和偏好相结合，对推荐列表进行推荐，之后借助推荐算法，准确地计算与筛选，并进行相对应的过滤重排，以此找到能够使目标客户需求得到满足的产品类别，确保推荐的精准性。比如，广发银行金融超市针对访问管网的客户推荐基金、贵金属等产品。和个人网银用户风险以及投资偏好等画像相结合，提供给用户个性化服务和理财产品，大大提高了销售额。引入大数据分析算法，不仅能够为客户提供个性化、精准的产品与服务，同时还能为互联金融企业提供帮助，进一步强化营销渠道与方式的个性化。比如App、邮件营销、网页推荐等均属于线上营销渠道，互联网金融企业可将大数据作用发挥出来，对用户的来源渠道和媒体偏好等进行分析，从而将相应的线上营销渠道应用到目标客户身上。针对不同的活动营销模式，客户表现出来的敏感度会有一定的差异。例如，部分客户青睐于返现以及折扣券等方式，部分客户则更喜欢赠送的增值服务，所以，如果想让营销效果更理想，就需借助大数据针对用户在营销活动方面的偏好进行分析，根据客户的不同实施差异化营销。

（四）结合大数据管控互联网金融营销风险

互联网金融营销这种营销模式同传统金融营销具有明显不同，但不管是哪种金融营销，其均具有金融风险。尽管互联网金融营销让金融效率得到了显著的提高，但我们也必须看到由互联网金融营销所产生的风险，其不仅跨越了地域和人际关系，且也是客观存在和难以规范的。对于这部分较为明显的问题，监管部门结合实际情况制定相对应的监管，及明确违法营销法律责任，要求金融企业一定要严格遵循行业规范，做到合规、守信以及公平竞争，重视对互联网金融企业营销的监管，对营销风险进行控制，创设良好的互联网金融环境。另外，重视对异常大数据的检测，确保互联网金融行业维持在良好、稳定的状态中，让由于监管滞后以及法律缺失等原因所造成的不足得到有效弥补。比如，可借助大数据第一时间发现诸多异常数据，并对其实施监控和分析，包括用户多次利用POS机刷卡套现、又或是参与境外洗钱、网络诈骗等，同时针对这部分数据反映的问题立即进行处理，有效预防陷入金融陷阱，避免遇到重大风险，使用户的金融产品安全得到充分保障。由此能够看出，风险和机遇是同时并存的，当我们在对大数据分析能力进行优化，将数据分析效率提高的时候，就能夠将精准度更高的欺诈趋势分析、预测提供给用户，最终让互联网金融营销策略展现出更好的效果。

结语：

总之，在经济与社会发展过程中金融支持尤为必要，不可忽视。目前，我们正处于互联网时代，互联网金融模式逐渐兴起，这不只是迎合了时代发展所需，更是金融行业转型的主要方向，我们一定要对时代发展趋势有一个清楚的认识。但由于传统数据处理技术与互联网金融发展要求不符，因而就需加强应用大数据技术，把一种过去所未有的互联网金融发展模式建立起来。