高成本獲客時代,金融業如何透過 AI 與大數據找出路?

瞄準年輕族群商機,銀行業者今年紛紛打起消金補貼戰;除了有感的現金回饋以外,銀行也推出數位帳戶連結、網購外送優惠等方案搶食年輕小資族這塊大餅。消金一直都是金控的主戰場,今年起不僅數位銀行、純網銀加入競爭,連過去以企金為主的公股銀行也加入戰局搶發卡。

消金補貼戰,銀行搶獲客

補貼戰背後,如何「獲客」仍是消金業者最大的難處。這是一個供需問題;銀行不斷搶進之下,銀行的獲客成本自然持續上升,因此如何有效維持成本、提升營利空間變得非常重要。網路資訊和社群媒體興起成為影響決策的關鍵點;年輕人在辦卡前總是會上各大論壇爬文比較、參考各類財經部落客和網友的評價才下決定。這樣的行為改變,使商品的主導權由企業轉移到了消費者身上;意即,企業要賣什麼、推什麼樣的服務,是由「消費者喜歡什麼」決定。

找話題、找共鳴,更重要的是找到「會幫你賣貨」的人

有了數據,就有理解客戶的機會。銀行擁有豐富的既有存戶資訊,但對外部資料的掌握卻甚低,成為向「信用小白」這類的新客推卡時的一項阻礙。透過爬蟲我們能夠取得各種外部資料,諸如 ptt 相關議題文章、部落格等,都是豐富的話題參考。

除了了解客戶都在關注什麼,更重要的是能找到「很會幫你賣貨」的人;比起舊式行銷手段,集客式的網紅行銷 KOL 成為市場新藍海,網紅們不但能掌握聽眾喜好、透過社群力影響粉絲,還能以中立身分介紹產品並與觀眾互動,在行銷上有推波助瀾的效果。

透過分析將網友話題、聲量數據化,不再「憑感覺」行銷

擁有了數據,要從何著手?針對 ptt、部落格文章或網紅的發文內容,首先可進行斷字斷詞 (word segmentation)、特徵萃取 (feature selection) 擷取出文本中的關鍵字並進行轉譯。銀行業者可鎖定特定關鍵字來了解目前網路上話題度最高的優惠、卡種、方案,並針對留言評論進行語意分析,判定留言評論的正負面程度,作為市場風向的參考。有了這些外部資料,銀行業務更能了解這些「信用小白」在乎那些優惠方案,以溝通適合的產品。

以網紅發文文本為例,iKala 根據海量的發文,利用 AI 分析出「最能代表這位網紅發文型態」的關鍵字,並自動貼上關鍵字標籤,藉此建構每一位網紅的樣貌。我們隨之找到長期涉獵金融、信用卡優惠的網紅,再透過一系列行銷操作加強市場曝光同時有效帶進新客。

利用 AI 找到了適當網紅人選,但預算有限?iKala 的資料科學團隊,同樣能透過相似度分析,找到與特大號網紅性質類似的數十位中小型網紅,讓廣告主不再擔心「雞蛋都放同一個籃子」的風險。

「可量化的東西才能優化」,持續分析流量促進用戶轉換

而不論透過自媒體曝光或廣告露出,最終目標仍是回到網站上或分行申辦留名單。蒐集用戶行為後,運用 AI 進行智慧分眾,將潛在的客戶按照行為分群。例如,根據用戶查看特定網頁的時長、上網的時間等,就可區分出「對紅利積點較有感的上班族」或「對累積里程有偏好的商務客」等。這樣的受眾細分,有別於現有廣告平台或 GA (Google Analytics) 的功能限制,能夠高度客製化解決方案。

不僅金融業者,大多數企業對於外部資料的掌握遠低於內部的行為數據,除了購買第二方、第三方數據源以外,事實上公開的資料若能有效運用,也能輔助理解消費者的樣貌。iKala 便是企業在數據上的合作夥伴,從蒐集、分析至應用,協助企業發揮數據最大的商業價值。

 

相關文章

為什麼要用 Data lake?淺談企業自建資料湖泊的關鍵因素

印尼人民銀行透過 API 平台:Apigee 促進印尼小額信貸,創造 5,000 萬美元營收

【活動】我們與消費者的距離:網紅、影音、數據洞察 — AI 時代下的 3i 風暴


連絡「GCP 專門家」