各位好，我是百度大数据部产品经理郭丽娜，负责大数据车险和人寿险方向的，非常荣幸有机会在这样的场合和大家分享有意思的事。
大数据互联网概念现在非常火，其实在我看来，能够称为“大数据”要满足三个条件：
1）数据量足够大，数据量足够大才有统计概念上的意义。
2）数据要有关联性，如果数据量足够大，但是没有把它们关联起来，根本没有使用意义。
3）大数据一定要有业务的落脚点。否则它可能只是公司内部的统计工具，没有用到业务是没有价值的。
我们是面向3600行提供数据方案的大数据开放平台，服务的行业里面重点有汽车和保险金融领域。百度大数据有百度几乎所有产品线的用户行为数据，平安产险总经理助理朱友刚先生讲到，我们要懂人，要做人性化服务，为车主提供个性化服务。所以说我们把数据集合起来，会先做一个处理，做市场分析，品牌分析，分析用户需求，就是我们知道自己的车主需要什么，我们才能提供给他适合的服务。这样才是符合人性的。
所谓精准受众营销示意，其实它是一个如何懂用户的示意。可能有人觉得百度给大家的印象就是框框，其实那一个框承载着很多事情，就是用户大量的、广泛的需求。比如，我今天要去旅游了，我搜哪个地方有意思；今天我想去买一件衣服，或者我想知道一个电子产品的性能如何，我都可以通过百度搜索。这些行为都会被我们留意下来，在数据库里面对这个客户形成沉淀。现在有一个企业，比如说是保险类客户，我想拥有更多优质的用户，我们先确认一些种子用户，把这些种子用户放到我们模型里面进行学习，这个学习的过程就可以确认我的用户需要什么。那么，谁有更多的资料，谁更能分析透彻，谁就更懂用户。
我们可以分析客群特征，比如填写保单的人，他们的性别年龄，健康水平，消费水平等等，我们找到这些人，把它记下来，在全网里面扩充目标客群。表面上这可能是帮商户推广的行为，其实它背后蕴含的是我们帮用户找到他需求的行为。
举一个例子，在车险领域里面，对于一个车险公司来说，它的用户会时刻关注着他的竞争对手，也会关注品牌的比较。还有一些和车生活相关的，比如说汽车市场，二手车市场，车贷市场等等。
这张图是我们在做用户精准分析的时候，一个商城客群汽车相关服务关注程度和保险行业抽样比较。我们会发现，这个独特的商城客群呈现出非常不一样的特点。第一他对二手车的关注远远高于行业水平，第二他喜欢去参加车展，远远超出了汽车维修。这就能分析出客户的喜好，我们知道了客户的喜好是什么之后，我们更加能够贴近他们，知道我能给他们提供什么样的服务，客户就会很开心。通过我们对用户或者客户的了解后，提供给他创意的想法很有限，可是我们的能力摆在这儿，用这些能力会碰撞更多的火花。
1）车险类精准营销效果
现在营销不仅仅是我把东西推给别人的概念，而是找准对方需求的概念，这才是我们营销的价值，不然它只是单纯的广告。根据上图，我们做的关于车险类的实验，当时做了八天，找了两个组，一个是对照的，大家用以前强制给客户展示广告，用户体验一般，这样的方式。另一个是我们的实验组，用数据分析，我们知道这些人需要什么，喜欢什么，在哪个场合更关注什么，用来做对比投放实验，发现点击率提升了将近一倍。对对照组的人来说，同样的东西展现在十个人面前，前面只有一个人感兴趣，其他人都觉得你在浪费我的时间。但是实验组会比对照组多出八个人更关注这件事情，说明他需要，这件事情其实是厂商和用户双赢的事情。
大家可能还会有一个疑惑，是不是广告把钱赚走了？其实从对比数据看，实验组的销售成本反而是大大降低的，为什么呢？因为点开广告的人是真的想去了解详情，所以他们才会去做下一步的转化东西，留下销售线索或者购买，这样企业成本降低了，需要这份保险或者需要这个产品的人快速找到了自己想要的东西，从而带来转化率的提升。
2）人寿险类精准营销效果
我们在2015年9月8日的百度世界大会上展示了一个关于人寿险的案例。我们找到人寿险的客户，达到双赢的状态。新华少儿险不像大家想的那样复杂，我卖给新生儿的父母就可以了，所以我只要找一些有宝宝的家长，给他推保险，就行了。我们发现这家公司的用户展现出非常有意思的特点，这款保险的人对“猪猪侠”、“小公主索菲亚”等等这些东西感兴趣，看似跟保险没有关系，但这些就是他们的特征。
数据分析结果显示，实验组比对照组的点击率提升了将近六倍，它意味着对这家公司产品感兴趣的人对上面这些关键词也感兴趣，同时它的销售成本节省了一半多。所以说我们找对了人，并不是说我们强行塞给他一个东西，而是我们为这家客户找到了他需要的用户，也为用户找到了他所需要的产品。
业界有一个名词叫“UBI”，我更喜欢叫“客户的价值有多大”。因为无论是去衡量这个人出险的概率，还是不出险的概率，我们的目的都是找到优质用户，给他们更好的奖励，而不是惩罚，给不太谨慎开车的人一些指导。我们有大量的用户画像和驾驶行为，这边的大量用户画像和大家说到的数据量大有关系，但并不是说我有多少的数据，这个“大”是有价值的。我们通过统计百度用户画像数据和驾驶行为数据，同时和合作公司分析他的赔付数据。从这些角度进行分析用户的社会属性，风险偏好，驾驶场景等。然后分析他出险的概率，通过这个出险的概率，用价格，也就是经济杠杆的手段给优质的用户奖励。
基于认识人，我们给他刻画了画像，又基于数据融合，我们基本可以知道这个人出险的情况，可以识别他是不是一个好的司机。上图中，红色的线是真正的赔付率，蓝色的线是模型，这个轴代表赔付率情况，大家可以发现，赔付率低于40%的是接近吻合的。我预测这个人的赔付率很低，他会在40%或者35%，实际出险情况出来以后，的确和我预测的情况一模一样。如果这个人赔付率较高，高于40%，我们可能没有那么准确地说出低于40%的人赔付率是多少，但是我可以准确预测到他赔付的趋势，他开车会比较危险。其实在不同数据里面反映的情况才是客观情况。这是我们现阶段模型第一期、第二期实验的情况，后期我们会有更多的积累，效果会越来越好。
这个模型可以让我们知道，这个车主的驾驶行为非常好，我可以多赠送他需要的礼品，多提供他需要的服务，让他成为社会的标杆。这个车主的驾驶行为不健康，我可以多多提醒他，这样就可以使社会整体驾驶行为都会趋于规范化，我们可以改善和提升驾驶行为不健康的车主。
来源：汽车服务世界
====================================
主办单位：长安汽车-管理创新与IT中心
分享这篇文章：点击屏幕右上角按钮分享这篇文章给您身边的朋友！
关注我们：
请点击文章标题下方“互联网创新研究”
或点击屏幕右上角按钮，选择“查看公众号”或“查看官方账号”