行列秩利用自身先进的建模能力,使用与各场景相关的高维低饱和特征为银行、消费金融等机构提供精准营销、用户画像等营销服务,同时结合布尔引擎系统进行营销策略配置、通过数据中台系统进行统计分析,可有效实现端对端的营销,提高转化率与留存复贷效果。
                            

方案概述

方案优势

结合布尔引擎可配置持续不断的营销特征监控,通过系统自动化的方式快速实现睡眠激活触发提醒

特征监控 | 自动激活

数高维特征 | 持续迭代

行列秩自主研发的精准营销模型,使用高维低饱和特征,可保证模型自持续迭代,且模型效果不衰减

行列秩的解决方案&成果分享

 

 

通过对线上应用A/B Test的方式,行列秩科技的个性化推荐与用户分层模型,相较于该机构原来的专家策略效果提升了45.7%(转化率提升),响应速率提升52.5%; 
 

通过对睡眠用户的唤醒激活复借,在短短3个月内帮助该机构成功营销数万个睡眠用户,带来了百万级的利润收益,有效提升了长尾用户的价值和留存。

客户背景与挑战

 

 

某消费金融公司作为国内领先的金融机构,虽然拥有多个场景的产品线和数十个流量渠道,但也对把握每一个用户的真实借贷需求和利率承受能力,进行个性化推荐和用户分层提出了更高的要求;同时随着该机构的业务推进,过程中积累了海量的客户群体和交易记录,这无疑成为了一笔潜在的巨大待挖掘利润,如何进行睡眠激活,唤醒用户复借也成为了一个难题。因此,该机构亟需一种手段改变传统的营销策略制定方式,在消费金融竞争日益激烈与客户迁移成本越来越低的形势下保持领先与竞争优势。

 

 

难点与执行方案

 

第一个主要难点在于精准匹配与实时计算。行列秩通过对每一个用户的历史借款行为、个人特征偏好等数据与实际借款产品、实际提现产品的利率等进行分析,构建出不同用户与各场景产品的匹配度、利率承受度的推荐模型与策略,部署在布尔决策引擎中,实现个性化推荐与动态定价,从而实现转化率的提升,带动贷款余额与利润的增长;同时行列秩出色的高纬度模型实时计算与布尔决策引擎的毫秒级响应能力能够有效支撑业务的实际场景,快速呈现给用户与之匹配的产品。


       其次的难点在于用户的需求都是随着外部环境的变化而产生相应的变化的,如何在用户最迫切的时间点进行主动营销则是关键。行列秩科技提供了基于布尔决策引擎系统的动态特征监控能力,可持续不断的对留存用户进行动态特征监控,根据业务方数据(点击、浏览行为等)、行列秩自有动态数据(资产、信用、兴趣变化等)、外部环境因素变化(股市瀑布、P2P暴雷等)建立睡眠激活模型,在最可能申请的场景下进行主动营销促活,形成复借,并最终将用户牢固地留存在平台内部。