陳瓊

大數據與互聯網金融完美融合，深刻影響著互聯網金融營銷。對于互聯網金融營銷而言，其不只是簡單地把互聯網金融、金融營銷結合起來，而是金融營銷模式的全面更新。大數據技術作為一種十分典型的互聯網技術，在互聯網金融營銷中的滲透，有利于推動互聯網金融營銷實現高質量發(fā)展的目標，并形成新業(yè)態(tài)。

從2014年開始，在每年的政府工作報告中均可見“大數據”的身影，且政府工作中的很多任務均與之聯系緊密，使得大數據逐漸演變成國家戰(zhàn)略。2019年的《國務院政府工作報告》中更是明確要求加強研發(fā)運用大數據，從數據大國走向數據強國。金融行業(yè)的發(fā)展需要海量數據，存在信息化程度高、數據運用場景廣、數據維度多等特點，但因為金融行業(yè)數據較為復雜，需通過先進信息處理技術方可確保行業(yè)發(fā)展的穩(wěn)定性、持續(xù)性。所以，大數據和金融業(yè)之間的結合，被運用到了金融行業(yè)的很多細分領域之中，不僅改變了傳統(tǒng)金融模式，而且還能夠提高整個金融服務的效率與質量。

一、互聯網金融概述

謝平等研究人員率先提出了互聯網金融這一說法，隨后上海市政府在《關于促進本市互聯網金融產業(yè)健康發(fā)展的若干意見》中也提到了互聯網金融，并將其界定為一種新的金融業(yè)態(tài)，以社交平臺、移動通信、互聯網、大數據等先進技術為支撐，普惠金融為重點。對于互聯網金融，我國研究人員的觀點較為一致，均覺得其是第三者金融融資模式。互聯網金融覆蓋面廣，內容多樣，如互聯網融資、金融信息服務、互聯網支付、互聯網金融產品銷售等。其中，互聯網融資則主要是P2P、小微企業(yè)貸款、眾籌融資；互聯網支付則是移動支付、手機銀行與第三方支付等。另外，網絡銷售理財、保險等相關金融產品與彩票，都是互聯網銷售金融產品。

20世紀末期，我國互聯網金融興起，并實現了迅速發(fā)展，可劃分成三個階段，如表1所示。

縱觀互聯網金融發(fā)展歷程，第一階段則是金融行業(yè)剛剛接觸互聯網的時候，形成了許多新金融功能，但只表現為金融營銷渠道存在差異。第二個階段是互聯網金融行業(yè)發(fā)展的關鍵轉折點。第三階段在技術因素的促進下，實現了迅速發(fā)展。iiMedia Research（艾媒咨詢）數據顯示，截至2021年我國互聯網理財用戶達到了6.3億人，這釋放出我國互聯網金融發(fā)展前景良好的信號。

二、大數據分析功能與構成

大數據概念出現于20世紀90年代，而互聯網行業(yè)“大數據”正式被人們所重視是在2009年前后。2011年，麥肯錫發(fā)表了《大數據：創(chuàng)新、競爭和生產力的下一個新領域》，自此，學術界也開始更多地注意“大數據”。諸多學者表示，大數據特征主要涉及4V，如表2所示。

近年來，各行業(yè)逐漸意識到大數據價值，紛紛參與到數據分析中。例如，谷歌搜集與分析了用戶搜索相關數據，從而精準地判斷分析出流感情況；阿里巴巴則利用對用戶在線上平臺的諸多數據進行分析，包括購物行為、人脈關系、信用歷史，評估用戶信用值。由此可見，現階段大數據分析在互聯網金融業(yè)中實現了廣泛運用，其不僅將巨大價值帶給了互聯網金融營銷，也深刻影響了其發(fā)展。

針對大數據，其一般可分為結構化、半結構化以及非結構化三種不同的類型，三者對相對應模型數據庫的需求也有所不同。其中，結構化數據獲取大數據之前，已經明確了模型結構，且關系模型數據庫比較完善，在保存數據與設計表格方面，相關理論尚存在不足，數據處理比較輕松。對于半結構化數據而言，只有掌控了數據才可明確相對應的模型結構。針對自描述性半結構化數據而言，主要包含了XML、HTML等，只有當數據處于完整狀態(tài)下才能夠對結構進行明確，但是變化頻繁，且數據模型大多數都是樹、圖等形式，內容十分繁雜，結構混亂。非結構化數據無需數據模型為支撐，也不需要接受結構化處理，如互聯網進入企業(yè)所掌握的圖片、視頻、音頻等資料，這一類數據能夠重復，且長度可隨意調整。對于互聯網金融行業(yè)而言，圖像、視頻、文本和音頻較為常見，且都屬于非結構化數據，隨著該行業(yè)數據持續(xù)增長，形成了巨大挑戰(zhàn)。立足于功能層面進行分析，大數據分析主要涉及描述與預測功能。其中，大數據分析的關鍵在于描述數據相關特征，并在將基礎性數據得到后對其進行分類；預測性大數據分析則是基于相關數據，對未來走向進行準確預測。且明確目標后，憑借對比確定算法，尋找有價值的信息，掌握隱藏于海量數據后的一些價值比較大的信息。

優(yōu)秀的大數據分析，則是把一些無序原始數據朝著定義明確、通俗易懂的關系轉變。在大數據面前，用戶表現出來的全部行為均屬于“可視化”的。例如，近年來我國高年齡層次用戶運用第三方支付的人數持續(xù)上升。因經濟水平的制約，第三方支付使用人群地理分布有所不同，從東往西，使用率越來越低，其中北京、江蘇與浙江的覆蓋率最高。立足于大數據技術價值層面進行分析，不同的企業(yè)，其大數據技術均有所不同，由此便決定了企業(yè)的經營、生產和決策等存在一定差別。部分學者表示，應通過耗費資源對數據進行獲取，記錄和分析。

四、大數據在互聯網金融營銷中的應用策略分析

（一）通過大數據進行用戶畫像

針對用戶畫像來講，主要包含了客戶社會屬性、行為、交易等一系列關聯性數據信息，對用戶模型進行抽象刻畫，且各標簽能夠對某一特征進行高度凝煉，并進行準確標識，主要用于對客戶類型進行描述。比如，在支付寶中，某一客戶時常對“境外隨身WiFi”、自駕租車、代辦簽證等信息進行查詢，支付寶便將這一客戶貼上“海外旅游達人”等標簽，此用戶和全部標簽進行融合，就形成了較為完善的用戶畫像。用戶畫像描寫的前提則是借助大數據進行深入分析。大數據在獲取方面，涉及以下途徑：第一，互聯網金融平臺中擁有大規(guī)模的交易數據，如互聯網信貸、第三方支付等；第二，生活繳費以及電商購物平臺等數據；第三，社交平臺中的各類數據，諸如微博、微信等；第四，征信數據，如信息卡數據等；但對客戶的相關基礎數據進行收集，不能將用戶畫像形成，原因在于其不只是描述或堆積客戶信息，引入大數據處理技術，構建相關模型，如此可準確地描繪出用戶畫像。通過前文分析可知，互聯網金融數據主要涉及三種類型，以非結構化數據為例，應通過大數據處理技術之中包含的文本挖掘與自然語言等技術，挖掘與整理基礎數據，構建不同數據庫。在收集、整理各類數據的同時，通過分類和聚類等相關大數據分析模型，結合用戶數據建模，以此生成用戶畫像標簽。以往，在開展營銷時，用戶畫像主要借助線下，運用會員管理、調查問卷等方法，收集客戶信息，然后對客戶價值進行分析與挖掘，存在獲取信息不完整、效率低、利用率低等不足。比如，對于沒有信貸和賬戶活動的客戶，在傳統(tǒng)視角上會將其歸為低價值客戶。而憑借大數據技術，可利用用戶畫像了解此用戶對于信貸的需求較高，但受各方面因素的影響，如教育程度等，未被納入傳統(tǒng)金融觸及范圍中。所以，大數據技術可以全面、準確地將客戶全景視圖呈現出來，有利于互聯網金融企業(yè)設計更具差異化、個性化的營銷策略。

（二）結合大數據開展客戶分級

互聯網金融企業(yè)涉及的客戶數量龐大，為了能夠確保營銷活動將全部客戶覆蓋，同時提供給客戶優(yōu)質服務和銷售是不可能的，會導致企業(yè)面臨成本方面的壓力，所以客戶分級極其關鍵。對于大數據分析中涉及的模型算法而言，可以對潛在客戶購買行為予以有效預測，結合模型預測結果，可以把潛在客戶劃分為若干等級，確保在營銷預算中，盡可能地向高潛力用戶開展針對性營銷，協助互聯網金融企業(yè)順利達到最大化運用各類資源的目標。比如，美國GEICO保險公司業(yè)務銷售過程中，積極引入大數據技術，廣泛進行客戶關系管理，即建立客戶數據庫，參考客戶數據為其貼上標注，諸如房產、車輛、信貸以及消費能力狀況等，然后，結合客戶數據構建邏輯回歸、XGBOOST等相關大數據模型，進而對客戶響應率和購買率進行預測，以及分級客戶。所以，在開展營銷活動的過程中，應以營銷預算為基礎，把潛力高的客戶作為第一選擇，著重為其提供服務，如果有充足的預算，則再把潛力較低的客戶納入考慮范圍。這種方式可以為互聯網金融企業(yè)提供幫助，讓其更好地加大客戶差異化管理力度，最大化利用資源，確保營銷質量更高。

（三）憑借大數據實現精準營銷

互聯網金融企業(yè)在順利構建擁有客戶基本屬性、消費特點、購買水平、心理特點以及投資偏好等相關用戶畫像標簽之后，就能夠向其開展具有個性化的精準營銷活動，提供相應產品與服務。在精準營銷中，個性化推薦是不可或缺的一環(huán)，指的是將目標客戶作為基礎，進行歸類，與客戶需求信息和偏好相結合，對推薦列表進行推薦，之后借助推薦算法，準確地計算與篩選，并進行相對應的過濾重排，以此找到能夠使目標客戶需求得到滿足的產品類別，確保推薦的精準性。比如，廣發(fā)銀行金融超市針對訪問管網的客戶推薦基金、貴金屬等產品。和個人網銀用戶風險以及投資偏好等畫像相結合，提供給用戶個性化服務和理財產品，大大提高了銷售額。引入大數據分析算法，不僅能夠為客戶提供個性化、精準的產品與服務，同時還能為互聯金融企業(yè)提供幫助，進一步強化營銷渠道與方式的個性化。比如App、郵件營銷、網頁推薦等均屬于線上營銷渠道，互聯網金融企業(yè)可將大數據作用發(fā)揮出來，對用戶的來源渠道和媒體偏好等進行分析，從而將相應的線上營銷渠道應用到目標客戶身上。針對不同的活動營銷模式，客戶表現出來的敏感度會有一定的差異。例如，部分客戶青睞于返現以及折扣券等方式，部分客戶則更喜歡贈送的增值服務，所以，如果想讓營銷效果更理想，就需借助大數據針對用戶在營銷活動方面的偏好進行分析，根據客戶的不同實施差異化營銷。

（四）結合大數據管控互聯網金融營銷風險

互聯網金融營銷這種營銷模式同傳統(tǒng)金融營銷具有明顯不同，但不管是哪種金融營銷，其均具有金融風險。盡管互聯網金融營銷讓金融效率得到了顯著的提高，但我們也必須看到由互聯網金融營銷所產生的風險，其不僅跨越了地域和人際關系，且也是客觀存在和難以規(guī)范的。對于這部分較為明顯的問題，監(jiān)管部門結合實際情況制定相對應的監(jiān)管，及明確違法營銷法律責任，要求金融企業(yè)一定要嚴格遵循行業(yè)規(guī)范，做到合規(guī)、守信以及公平競爭，重視對互聯網金融企業(yè)營銷的監(jiān)管，對營銷風險進行控制，創(chuàng)設良好的互聯網金融環(huán)境。另外，重視對異常大數據的檢測，確?；ヂ摼W金融行業(yè)維持在良好、穩(wěn)定的狀態(tài)中，讓由于監(jiān)管滯后以及法律缺失等原因所造成的不足得到有效彌補。比如，可借助大數據第一時間發(fā)現諸多異常數據，并對其實施監(jiān)控和分析，包括用戶多次利用POS機刷卡套現、又或是參與境外洗錢、網絡詐騙等，同時針對這部分數據反映的問題立即進行處理，有效預防陷入金融陷阱，避免遇到重大風險，使用戶的金融產品安全得到充分保障。由此能夠看出，風險和機遇是同時并存的，當我們在對大數據分析能力進行優(yōu)化，將數據分析效率提高的時候，就能夠將精準度更高的欺詐趨勢分析、預測提供給用戶，最終讓互聯網金融營銷策略展現出更好的效果。

結語：

總之，在經濟與社會發(fā)展過程中金融支持尤為必要，不可忽視。目前，我們正處于互聯網時代，互聯網金融模式逐漸興起，這不只是迎合了時代發(fā)展所需，更是金融行業(yè)轉型的主要方向，我們一定要對時代發(fā)展趨勢有一個清楚的認識。但由于傳統(tǒng)數據處理技術與互聯網金融發(fā)展要求不符，因而就需加強應用大數據技術，把一種過去所未有的互聯網金融發(fā)展模式建立起來。