- 互聯網金融營銷：原理與實踐
- 劉鳳軍
- 10749字
- 2019-12-13 20:36:20
2.1 大數據是互聯網金融的根本保障
大數據是互聯網金融存在與發展的環境要素，而且同互聯網一樣，也是互聯網金融的必要條件。互聯網金融與大數據形同魚水，沒有大數據的支撐就沒有互聯網金融。可以說，大數據是互聯網金融的根基，是互聯網金融存在的基本要素。對于互聯網金融企業而言，只要掌握了大數據，就可以對客戶或用戶進行“畫像”，“客戶畫像”的結果不僅是市場細分及精準營銷的重要參考，同時也是企業充分了解用戶信用情況的依據，必將極大地降低金融機構的風險管控成本。[1]
互聯網金融平臺，一方面，基于海量的數據，借助大數據分析技術，對顧客（包括潛在顧客）信息及行為進行深度挖掘，從而準確發現顧客的個人偏好和金融需求；另一方面，數據的積累與沉淀有益于健全征信體系，并通過全面高效的征信工作，建立風險監控模型，優化運營，完善互聯網金融體系，滿足傳統金融難以滿足的需求；同時，利用智能獲客、關聯分析、偏好推薦等技術手段，完成對各細分市場（顧客）的差異化營銷、定制化營銷，進一步刺激需求、激活需求。
2.1.1 大數據與需求發現
先看一個2012年2月16日刊登在《紐約時報》上由Charles Duhigg撰寫的一篇題為《這些公司是如何知道您的秘密的》（How Companies Learn Your Secrets）的報道。文中介紹了這樣一個故事：一天，一位男性顧客怒氣沖沖地來到一家折扣連鎖店Target（中文常譯作“塔吉特”，為僅次于沃爾瑪的全美第二大零售商），向經理投訴，因為該店竟然給他還在讀高中的女兒郵寄嬰兒服裝和孕婦服裝的優惠券。隨后，這位父親與女兒進一步溝通發現，自己女兒真的已經懷孕了。于是他致電Target道歉，說他誤解商店了，女兒的預產期是8月份。[2]
盡管專業人士說這不是真正意義上的大數據，但是，就是這種簡單的數據統計分析，已經在發現顧客需求方面起到了不可低估的作用。至于是否“個人隱私沒有得到足夠尊重”，這是互聯網金融監管要界定的內容，此處不做評價。
1.大數據變革了需求發現機制
前已述及，大數據不是一部分數據樣本，而是關于某個現象的全部數據。對企業而言，理解大數據要重視其多樣化的形態和來源，發展對數據的深度分析能力，從而整合內部和外部信息，融合業務資源和社交媒體，進行準確預測。從戰略思維視角來理解，大數據不僅是一種技術，同時也是企業的管理思維和運作范式。企業通過數據融合與分析挖掘，借以提升管理效率，開拓價值創造模式。大數據契合了互聯網的開放性、普惠性、個性化特征。
在整個社會經濟發展進程中，對數據科學而有效的利用一直都是引領企業變革、促進行業進步的手段之一。企業管理者總是期望通過努力取得更多有關交易、競爭與合作情況的數據，以及時、準確地了解市場的最新變化。另一個側面，技術的不斷進步為企業變革提供了保障。從早期交易完成后簡單的賬目記錄，到條形碼、掃碼槍的發明，再到客戶關系管理、庫存管理、物流管理等管理類軟件的應用，以及現階段火爆的大數據技術，每一次技術管理的提升都改變了傳統的需求發現機制，讓企業對行業、對顧客的了解更進一步。
大數據技術變革了顧客需求的信息來源、信息處理與信息使用。其一，在需求信息來源方面，傳統的信息技術能夠涵蓋的場景較少，如用會員卡和信用卡識別顧客或客戶，通常要借助郵件和電話回訪調查等手段，而這些手段收集到的信息不夠及時、不夠全面、數據維度明顯不足，而且成本較高。大數據則完善了數據來源，企業可以通過cookie和賬戶識別客戶，各種數據端口得以整合；不僅如此，企業還可以有針對性地調用內部資源，如業務流程信息等，促進內外部信息的融合。其二，在需求信息處理方面，傳統的信息技術對數據的加工能力不足，數據挖掘深度不夠。而在大數據時代，企業可以借助專業的大數據分析技術和云平臺，對相關顧客或客戶信息進行更精細的提煉。其三，在需求信息使用方面，以前的信息管理系統，由于數據量較小，無法做到準確預測，基于此做出的決策也常常經不起實踐檢驗；同時，對數據分析深度不足也使有關需求的信息價值沒有最大限度地體現，不能有效進行市場細分，提供針對性的服務。而在今天的大數據支持下，企業能夠通過對數據的深度挖掘，構建風險控制模型，實施精準營銷和定制個性產品及服務，從而充分利用信息，發揮信息價值。
2.大數據提升了發現需求的能力
在大數據視角下，顧客需求可以解構成多個維度的信息，包括購買環節、產品功能、個人喜好、消費體驗、售后服務等。大數據增強了企業發現需求的能力，通過記錄顧客或客戶的消費歷史、網頁瀏覽路徑、市場供需變動，甚至客戶畫像（個人客戶畫像包括人口統計學特征、消費能力數據、興趣數據、風險偏好等；企業客戶畫像包括企業的生產、流通、運營、財務、銷售和客戶數據、相關產業鏈上下游等數據[3]）等，企業的營銷活動能夠更加精準、更有針對性。此處仍結合上述機制變革的三個方面進行分析。
其一，在信息來源方面，大數據能夠全面整合內外部數據。內部數據包括業務流程數據（庫存、物料、采購、生產計劃）和員工溝通數據（工作心得、活動新聞、經驗分享），外部數據包括市場信息（客戶交易數據、消費評級和評價、客戶在社交媒體上的行為和偏好數據、輿情監控數據）和供應鏈信息（交易報價信息、訂單信息、上下游企業庫存及生產能力信息等），全方位的數據收集確保企業得到完整的客戶畫像，掌握市場環境。[4]
其二，在信息處理方面，采用如關聯分析、序列分析、分類分析、聚類分析等方法，實現信息實時處理，及時調整策略。完善風險控制機制，隨時監控企業運營過程的各項指標，結合客戶的互動反饋，防患于未然。
其三，在信息使用方面，完成數據收集和加工步驟后，企業了解了客戶的真實訴求，制定和執行STP戰略（市場細分、市場選擇、市場定位），以及完成下一步產品設計、渠道選擇、價格決策、促銷組合與整合營銷傳播方案的制定等。
綜上，利用大數據，很多管理者希望知道的問題都能得以解答，如不同社會統計特征的人群消費特點、客戶消費后對產品的評價、客戶通過何種渠道了解并選擇公司產品、搜索引擎常用關鍵詞以及相關詞條有哪些、用戶是否愿意在社交媒體上向朋友推薦、關鍵詞與同類產品推薦的導流效果、電商網站的到達率和轉化率等等。諸如此類的問題在大數據技術出現之前是很難解決的，而今天，基于大數據的互聯網，能夠提供追蹤用戶偏好的可能，并且將這些信息處理成為可利用、可執行的行動方案。
2.1.2 大數據與征信
1.大數據有益于健全征信體系
健全的征信體系是金融企業、顧客以及監管者都非常關心的問題，互聯網金融亦是如此。與傳統金融相比，互聯網金融在提高效率的同時，也帶來了更高的違約風險。拍拍貸首席風險官章峰表示：“中國征信滲透率遠低于美國，國內征信白板用戶近10億人，且央行征信系統尚未對互聯網金融企業完全開放，這是目前整個行業在風控方面面臨的重大難題”[5]。而且，傳統的征信模式已經很難匹配這日益增長的市場。
大數據征信是金融風險防范的新工具。互聯網時代，結合來自各維度的數據（包括企業和個人行為的方方面面的記錄），建立科學模型，為未來貸款、借款等經濟活動做參考，這是互聯網金融征信的主要目標之所在。與傳統征信不同，大數據征信技術打破了信用強相關、以信貸數據為主要指標的模式，而是引入大量的社交網絡、行為習慣等非信用直接相關數據，特別對原本就缺乏信用記錄的人群，提供了全新的征信可能性。總之，借助大數據開展個人征信業務，尤其是互聯網公司的介入，可以有效減少征信成本，加快貸前審批，利于整體金融行業的健康發展。
2.大數據征信的優勢是精耕細作
基于互聯網的大數據征信的以下三個特點體現了精耕細作。第一是征信信息基數大。現階段，我國提供個人征信服務的“正規軍”是中國人民銀行征信中心及其下屬的上海資信公司，但是中國人民銀行現有征信數據覆蓋面比較有限。中國人民銀行個人征信系統共收錄8.5億人信息，其中僅3億多人有信貸數據，其余5億人沒有信貸信息，以學生群體、個體工商戶或者自由職業者為主[6]，而基于大數據的互聯網則能補足其缺陷。習近平主席在第二屆世界互聯網大會開幕式上講話說，“目前，中國有6.7億網民、413萬多家網站，網絡深度融入經濟社會發展、融入人民生活”[7]。毫無疑問，網絡行為（包括搜索、購物、社交等）構成非常豐富的數據庫，很多都是傳統征信無法關注到的信息，線上數據是對非信用卡人群場景數據的重要補充，對此科學利用，是對征信體系的完善。第二是征信信息維度廣。中國人民銀行的信用信息有個人身份、銀行信貸記錄等，其主要來源是傳統金融機構。相比之下，大數據的信息維度更多更廣，不僅有交易數據，還有各類生活數據，包括用戶信用歷史、行為偏好、履約能力、身份特質、人脈關系等多個維度[8]，這些數據能夠更好地描述個人信用，尤其在小微金融和小額信貸方面，具有先天優勢。第三是征信信息更新快。以往征信所得的數據是存量數據，有一定滯后性，據此做出的信用評級更新能力不足，而互聯網時代的大數據可以保證數據及時更新，及時提醒違約記錄和信用風險等。
3.國家引導信用信息平臺建設
2014年6月，國務院發布《社會信用體系建設規劃綱要（2014—2020年）》，這是我國第一部國家級的社會信用體系建設專項規劃。2014年7月9日，國家發改委和中國人民銀行聯合召開“加快社會信用體系建設”發布會，發改委會同有關部門，制定公民和法人統一代碼方案并啟動國家統一信用信息平臺的規劃建設。[9]
2015年1月，中國人民銀行印發《關于做好個人征信業務準備工作的通知》，要求8家機構做好個人征信業務的準備工作。這8家機構分別是芝麻信用管理有限公司、騰訊征信有限公司、深圳前海征信中心股份有限公司、鵬元征信有限公司、中誠信征信有限公司、中智誠征信有限公司、拉卡拉信用管理有限公司、北京華道征信有限公司。[10]其中，阿里巴巴旗下的芝麻征信和騰訊旗下的騰訊征信作為互聯網企業受到關注，這是政府希望通過互聯網技術，解決傳統金融機構在信用服務方面普惠性欠缺的表現。此外，《國務院辦公廳關于運用大數據加強對市場主體服務和監管的若干意見》也明確提出積極培育和發展社會化征信服務，包括依法開展征信業務，建立以自然人、法人和其他組織為對象的征信系統，依法采集、整理、加工和保存在市場交易和社會交往活動中形成的信用信息，采取合理措施保障信用信息的準確性，建立起全面覆蓋經濟社會各領域、各環節的市場主體信用記錄等。[11]
4.大數據征信的實踐
以芝麻信用為例，“芝麻信用是面向社會的信用服務體系，依據方方面面的信息，運用大數據及云計算技術客觀呈現個人的信用狀況，通過連接各種服務，讓每個人都能體驗信用所帶來的價值”[12]。芝麻信用基于阿里巴巴的電商交易數據、螞蟻金服的互聯網金融數據，與一些公共機構及合作伙伴建立數據合作，根據對用戶的賬戶行為分析，計算得出芝麻分，代表用戶信用，分值范圍從350到950，分數越高代表信用越好，以此為金融機構和生活服務商戶提供授信參考。螞蟻金服首席信用數據科學家俞吳杰表示：“芝麻信用的評分模型類似于銀行的違約概率模型，以線性回歸和邏輯回歸為主，也包括決策樹分類、神經網絡等機器學習技術”[13]。
據悉，芝麻信用評分綜合考慮了前文提及的個人用戶的信用歷史、行為偏好、履約能力、身份特質、人脈關系等五個維度的信息。“信用歷史”是指過往信用賬戶還款記錄及信用賬戶歷史；“行為偏好”是指在購物、繳費、轉賬、理財等活動中的偏好及穩定性；“履約能力”是指享用各類信用服務并確保及時履約；“身份特質”指在使用相關服務過程中留下的足夠豐富和可靠的個人基本信息；“人脈關系”指好友的身份特征以及跟好友的互動程度。五類指標還要進一步細化，以人脈關系為例，芝麻信用將轉賬關系、校友關系作為個人信用的評判因素，并且認為某人朋友的信用良好常常說明他擁有良好信用的概率較高。[14]
芝麻信用數據來源涵蓋了信用卡還款、網購、轉賬、理財、水電煤繳費、租房信息、住址搬遷歷史、社交關系等多方面，種類豐富，時效性強。這些行為軌跡和細節能很好反映一個人的性格、心理活動等，有助于更全面判斷其信用狀況。[15]其數據具體有淘寶和天貓的消費記錄、支付寶的轉賬記錄、理財產品的購買情況、支付寶上生活服務繳費情況、捐款情況、手機號碼更換頻率、打車爽約行為、紅包發放、信用卡綁定、收貨地址變動、主動點擊付款等。芝麻信用的評分是螞蟻微貸“花唄”和“借唄”授信額度的重要參考，芝麻分600分以上的用戶，有機會申請“花唄”額度，額度在2 500~30 000元之間；也可以通過“借唄”申請個人消費貸款，額度在1 000~50 000元之間。[16]相比傳統的個人貸款，“借唄”不需要用戶提交復雜的個人信息和財力證明，只需要憑借芝麻信用分就能對用戶的信用水平做出判斷和把關，3秒完成放貸。[17]
2.1.3 大數據與智能風控
1.大數據降低金融風險
大數據降低授信風險。融資是長期以來困擾小微企業的重要問題，其根本原因在于銀行等金融機構對放貸風險的擔憂。傳統的風控體系下，銀行不能全面了解企業資信狀況與運營情況，不敢也不可能冒大風險提供貸款。近年來，基于大數據的互聯網金融推動了網絡借貸以解決這個問題，但大多數網絡借貸沒有抵押，很多小微企業也沒有信用記錄，無法利用銀行的征信系統，若征信調查不完善，會存在較高的違約風險。大數據是沉淀于各類交易的多維數據，也是多來源的數據，這個大數據特征使得征信數據來源得到擴充，自動化網絡交易記錄也彌補了小微企業征信信息不完整之不足。不僅如此，大數據支撐下的智能風險控制模型也增強了信貸分析的科學性，確保了貸款安全性，提升了事前控制能力。
大數據降低授信后的監控風險。傳統金融的風險控制存在著反應時間長的弊端，而現今的大數據則可以實時監控，事中控制能力大大增強。互聯網企業根據各相關信息，包括交易歷史、客戶歷史行為等，可以比較準確地判斷出是否出現異常情況，防止欺詐、盜用等行為的發生。如此，既保證放貸者安全，也保證資金使用者的利益。如UBI車險的大數據追蹤技術等（關于UBI將在第6章詳細分析）的應用是一個有益的嘗試。
大數據增加產品設計的合理性。在淘寶商城購物時提供有運費險選項，價格根據商家與產品的不同，有幾毛錢至幾元錢不等。若購買運費險，則享受退貨郵費的賠付。這個險種能增加顧客安全系數，也提高了用戶體驗。原本此險種是請保險公司來做，可是保險公司在精算的支撐下做了半年，虧損了幾千萬元，只能放棄。此時，阿里巴巴的大數據介入，把阿里的數據與保險公司的數據對接起來，通過數據共創分析，非常精準地弄清楚該險種的風險所在。很快，三個月就做到了不虧錢，又過半個月就把虧的錢賺回來了。[18]這就是大數據的力量。由于數據的數量與質量的限制，傳統金融在設計產品時常常對其合理性把握不足。而大數據時代的信貸模型和風險模型則有更高的準確性，有利于計算違約概率和出險率，用收益覆蓋風險；與此同時，通過對數據進行歸納與梳理，可以做出更能滿足客戶個性需求的產品，增強產品設計的合理性。
2.大數據大大降低金融企業的人工成本
為滿足日常運營和業務要求，傳統金融機構常常有很多網點和工作人員。以P2P為例，中國人民銀行的征信數據尚未對P2P平臺開放，而線下獨立對借款人信用進行審核需要花費高達上百元的成本，信用查詢成本高，還存在重復授信的可能。[19]而互聯網時代，大數據的應用使得許多金融業務都可以在線運營，幾乎不需要傳統的經營網點。大數據在降低金融企業的運營成本方面發揮著不可低估的作用。
以深圳前海微眾銀行為例，其申請、審核、服務全部線上完成，沒有網點，完全通過互聯網進行客戶信息搜集和審核，評估客戶信用、降低成本的同時，提高了效率。[20]再如螞蟻金服，螞蟻金融云將系統支付單筆成本從傳統架構的幾毛錢降低到了1分錢，單賬戶成本降低到傳統機構的幾十分之一，單筆貸款的系統成本降低到1元錢以下。[21]實踐中，正因為機構運營成本的降低，才讓免手續費、免年費的服務成為可能。
2.1.4 大數據與精準營銷
利用大數據掌握各類客戶信息，并分析客戶需求與用戶反饋，最終目的就是找到恰當的營銷方法、手段，以刺激需求、擴大消費。圍繞客戶建立數據庫，描述客戶分布、交易特點、需求匹配等情況，從而有針對性地做到需求、偏好、關系的定向營銷。[22]也就是說，利用大數據可以基于不同需求提供定制化的金融產品，然后通過互聯網連接個人終端和APP應用，完成金融產品的推送式服務，實現金融服務的精準營銷。正如2015年3月15日馬云在德國漢諾威IT博覽會開幕式上演講時所說，“未來的世界，我們將不再由石油驅動，而是由數據驅動；生意將是C2B而不是 B2C，用戶改變企業，而不是企業向用戶出售——因為我們將有大量的數據；制造商必須個性化，否則他們將非常困難”[23]。
1.借助大數據完成更精細的市場細分
精準的市場細分或客戶細分，提供了差異化服務的可能性，能夠有效刺激需求。企業通過決策樹、邏輯回歸等數據挖掘手段，識別不同類別的客戶，營銷潛在客戶，深度挖掘現有客戶。
互聯網金融企業借助大數據，抓取各類直接相關和間接相關的客戶統計信息，了解潛在顧客或客戶的行為與偏好，建立基于大數據的客戶畫像和標簽體系，精準預測客戶需求，借此，有針對性地對不同類別的顧客或客戶設計不同的營銷組合策略，通過便捷的渠道提供個性化金融產品與服務。
鏈接2—1基于大數據的客戶畫像與市場細分
①中國大數據產業觀察，http://www.cbdio.com/BigData/201511/05/content_4091547.htm。
②中國網，http://science.china.com.cn/201601/08/content_8504149.htm。
③中國云計算，http://www.chinacloud.cn/show.aspx？id=22153&cid=16。
④36大數據，http://www.36dsj.com/archives/13324。
⑤36大數據，http://www.36dsj.com/archives/26488。
交叉銷售的實施對象是企業的現有客戶。而交叉銷售就是借助數據分析，發現現有客戶的多種潛在需求，并通過相關要素的整合來滿足其需求，從而銷售更多的相關服務或產品的過程。在購買產品或服務時，一方面，顧客要提交十分詳盡的真實的個人數據資料；另一方面，企業也會對顧客的交易行為進行完整的記錄，從而獲得了珍貴的顧客購買記錄數據。在保護用戶個人隱私的前提下，利用這些資料與其他具有互補性的企業一起共享客戶資源，開展交叉銷售。也就是說，企業可以從以往的銷售數據中挖掘關聯規則，分析顧客的購買習慣，發現哪些產品頻繁地被顧客同時購買，并借以進行有針對性的推薦。交叉銷售有利于發現客戶需求，也有利于推介金融產品。[25]總之，針對現有客戶，建立服務質量監控體系，利用客戶評價、再購買、交叉銷售等數據，結合其偏好、年齡、人脈關系等，企業就可以實現對現有客戶的深度挖掘，以增加更多的連續消費。
2．借助大數據實施精準營銷，刺激需求
對不同客戶，企業能夠借助大數據對其進行更精準的營銷以刺激需求。互聯網企業有針對性地面對不同類別的客戶選用不同推送方法，使得每一類顧客獲取到的是自己期望獲得的產品及相關信息，如此，相比全覆蓋的轟炸式營銷，能夠減少顧客對促銷的抵觸感，提高營銷效果。
（1）針對不同顧客的差異化推薦。此種做法的核心理念是向客戶展示其可能感興趣的產品，實施個性化推薦。以京東APP為例。進入京東手機APP，首頁上有一個專欄叫“為你推薦”，里面呈列的產品根據不同顧客定制推送，推送依據就是顧客在購物瀏覽中加入購物車、收藏、點閱過的產品。不同顧客有不同的購買偏好與購買能力，為你推薦自然是因人而異。此外，當選擇一個產品進入購物車結算時，結算頁面下方還會根據該產品產生附屬產品推薦“你可能還想要”，如添加了相機，就會推薦購買相機包等配件。
（2）基于微信的朋友圈推送。微信的朋友圈廣告是基于大數據精準投放、有針對性地刺激消費者需求的重要途徑。2015年1月21日早晨，微信開始測試朋友圈廣告功能，“微信團隊”共發布6張圖和鏈接做成的信息流（feed）廣告。所謂信息流廣告就是一種依據社交群體屬性對用戶喜好和特點進行智能推廣的廣告形式，顧名思義，其主要展現形式是穿插在信息之中。公開資料顯示，信息流廣告最早于 2006年出現在Facebook上，目前包括Facebook、Twitter、新浪微博和今日頭條等平臺都在使用這種廣告形式。騰訊在QQ、QQ空間上的信息流廣告也已經大獲成功。[26]微信朋友圈廣告由文字、圖片構成，用戶可以評論互動，特別之處在于不同用戶收到的推廣品牌不同。首批廣告的品牌包括寶馬中國、vivo智能手機和可口可樂。用戶可以選擇不感興趣對其屏蔽，即若廣告曝光無互動，6小時后，廣告消失；曝光有互動，廣告不消失；一個廣告持續7天有效，對單個用戶每48小時內只推送一個廣告。[27]
2.1.5 大數據與客戶關系管理
客戶關系管理使得公司能夠通過有效地使用個人客戶信息，實時地提供優質服務。[28]隨著互聯網、大數據和云計算等技術的應用，客戶關系管理逐漸從線下管理為主轉變為線上管理為主。企業通過數據溯源、主數據管理、非結構化數據處理、數據可視化等技術手段，可以進一步優化運營，提高客戶關系管理的水平。
1.豐富的客戶數據是建立健全客戶關系管理的基礎
客戶關系管理指的是企業以客戶關系為重點，運用大數據及互聯網技術，通過對客戶詳細資料的深入分析與研究，優化企業組織體系和業務流程，提高客戶滿意度和忠誠度的過程。客戶關系管理體現了“以顧客為中心”的營銷理念，其實質與最終目標是吸引新客戶、保留老客戶以及將現有客戶轉為忠成客戶，擴大市場份額，提升市場競爭力。
在當今的互聯網時代，做好客戶關系管理的基礎工作是對客戶數據的歸集、分類，以期盡可能地在合理合法的范圍內實現想客戶之所想、投客戶之所好。客戶數據信息包括利用用戶或客戶行為模型獲取的結構化數據，也包括通過社交平臺、電子商務、終端設備、電話投訴等媒介，收集到非結構化數據，最終完善客戶信息特征庫，即對已有顧客個人基本資料、企業團體基本資料及其連續交易的行為資料，以及即將開發的準顧客基本資料，分別加以搜集、篩選、測試、整理、編集而形成的顧客檔案群。[29]完整有效的顧客信息庫應該按照企業自身需要，將顧客資料加以篩選、整理并隨時充實內容，匯總儲存，并且要鍥而不舍地增補新資料，定期割舍不符合要求的舊資料。[30]
2.科學的客戶關系監控系統是維系客戶關系的技術保障
大數據的價值體現在分析和挖掘，如果面對海量數據而不能從中提煉出有價值的信息，大數據就失去了意義。建立先進的客戶關系評價模型，搭建自助分析工具，就能實現對客戶關系的精準監控，如交易鏈智能獲客模型、客戶規模變動分析、客戶價值彈性預測模型、客戶流失預警模型[31]等。管理人員可以清楚知道哪些客戶可以獲取，哪些客戶是高端客戶，哪些客戶存在流失的風險。相比傳統由員工單點跟蹤客戶的方式，大數據客戶關系模型提高了客戶管理的精度。大數據讓管理者不只關注銷售業績、售后評價等指標，還能夠深刻地理解客戶，通過上述步驟完成客戶細分。客戶細分不僅在銷售端有意義，而且能在客戶關系管理中對不同客戶的訴求進行有效區分，從而更合理地掌握客戶購買產品的規律和客戶需求的滿足情況。
注釋
[1]參見中國信息產業網，http://www.cnii.com.cn/technology/201601/07/content_1677186.htm。
[2]參見網界網，http://bigdata.cnw.com.cn/bigdata-newinformation/htm2015/20150823_322219_2.shtml。
[3]參見雷鋒網，http://www.leiphone.com/news/201411/BW3iFXbV2mdPrIDt.html。
[4]參見雷鋒網，http://www.leiphone.com/news/201411/BW3iFXbV2mdPrIDt.html。
[5]今日頭條，http://toutiao.com/i6212736687605285377/。
[6]參見人民網，http://finance.people.com.cn/n/2015/0126/c100426447246.html。
[7]人民網，http://politics.people.com.cn/n1/2015/1216/c102427937758.html。
[8]參見中證網，http://www.cs.com.cn/xwzx/ms/201501/t20150129_4632846.html。
[9]參見新華網，http://news.xinhuanet.com/fortune/201407/10/c_126734011.htm。
[10]參見新華網，http://news.xinhuanet.com/fortune/201501/06/c_127361839.htm。
[11]參見中國政府網，http://www.gov.cn/zhengce/content/201507/01/content_9994.htm。
[12]芝麻信用官網，http://zmxy.antgroup.com/index.htm。
[13]博瑞金融，http://www.brjr.com.cn/forum.php？mod=viewthread&tid=164555。
[14]參見新華網，http://news.xinhuanet.com/fortune/201507/29/c_128071470.htm。
[15]參見新華網，http://news.xinhuanet.com/fortune/201507/29/c_128071470.htm。
[16]參見微口網，http://www.vccoo.com/v/c54518？source=rss。
[17]參見新浪科技，http://tech.sina.com.cn/i/20150408/doc-ichmifpy6635923.shtml。
[18]參見新金融，http://if.pedaily.cn/news/201412/20141208161294093.shtml。
[19]參見中國網，http://finance.china.com.cn/money/efinance/yjlx/20150507/3103928.shtml。
[20]參見中國金融新聞網，http://www.financialnews.com.cn/yw/gd/201501/t20150109_68889.html。
[21]參見新華網，http://news.xinhuanet.com/fortune/201312/23/c_118664455.htm。
[22]參見中國互聯網金融行業協會，http://www.a-cifi.org/pxzxview.asp？id=907。
[23]中國日報網，http://www.chinadaily.com.cn/hqcj/xfly/20150317/content_13383084.html。
[24]參見中國云計算，http://www.chinacloud.cn/show.aspx？id=22153&cid=16。
[25]參見劉鳳軍等：《芻論金融產品創新與銀行營銷模式變革》，載《中國軟科學》，71頁，2008（2）。
[26]參見中國日報網，http://www.chinadaily.com.cn/hqgj/jryw/20150123/content_13099693.html。
[27]參見環球網，http://tech.huanqiu.com/news/201501/5509039.html。
[28]美］菲利普·科特勒等：《營銷管理》，全球14版，156頁，北京，中國人民大學出版社，2012。
[29]參見創業資訊，http://zixun.3158.cn/20110803/n318263695076054.html。
[30]參見阿里云，https：//www.aliyun.com/zixun/content/2_6_502372.html。
[31]參見中國經濟網，http://finance.ce.cn/rolling/201505/22/t20150522_5439116.shtml。