找准“增值”突破口，金融行业营销的“道”与“数”

货拉客

纵不雅 曩昔 十年的互联网行业，要说比较能挣钱的行业，金融当属其一。靠着互联网通向每个用户的触角，加上更精细的拓客与风控技术，让金融这门传承千年的人类传统艺能，瞬间爆发出了巨年夜 的产能。
然而，任何快速生长的商业机会，都可能有长年夜 的懊恼 。最近两年，国度 对金融行业的监管赓续 加码，一来是因为这个行业的无序生长已经蕴含了越来越高的系统性风险；二来是因为它的拓客与风控，在使用数据上依旧存在着一些问题。
那么，以往金融行业的营销与风控，在使用数据上都存在哪些问题呢？首先，部分使用以手机号、身份证等为ID的营销与风控数据，在新的律例 下需要调剂 ；其次，数据的生产、流转和采买，也往往缺乏规范合规的流程。
因此必须正视的是，在行业纪律 和监管偏向 逐渐清晰的今天，金融行业的营销与风控，在使用什么数据、怎样使用这些问题上，都应该有崭新的视角和办法 论了。
金融营销使用数据的新趋势
站在金融从业者的角度来看，监管新规为处于爆发式增长中的金融科技填补了一系列标准化空缺，赞助 行业规避可能的系统性风险。尤其是对于数据获取、应用的界限 进行规范，从制度上避免了行业内的不良竞争，为行业介入 者划定了更为健康、公平的“新起点”。
在“合规”前提下，数据依然是金融行业未来深度数字化转型中最具重要性的高价值资产之一。如何确保数据应用合规并尽可能施展 金融机构一方数据价值，已成为金融机构推进数字化的重要挑战。
小我 认为，在金融这样数据应用较为敏感的行业中，与数据的有效性相比，首先要包管 其使用的合规性。而合规性这一点，比较合理的办法，还是靠年夜 平台来约束和治理 。
说白了吧，像BAT这样的年夜 平台，对数据使用合规性把控的意愿和能力比较强。另外，这些年夜 平台作为金融行业营销与风控的生态组织者，也理应在建设新的数据使用体系方面施展 主导作用。
如果数据的规范和使用回到年夜 平台，那么金融行业的客户与营销平台之间的分工协作，会有什么样的新趋势呢？我觉得主要会有如下两点变更 。
一、客户在营销进程 中理解的重点，应该从“理解用户”转向“理解产品”。
以往效果告白 投放，往往首先着眼于理解用户。对于金融拓客来说，靠一方数据来理解用户、精准定向，往往能力不足，因此才会涌现 年夜 量使用第三方非合规数据的现状。然而，在如今的监管环境下，仅仅依赖告白 平台的数据能力，在提升拓客的效率上作用是很有限的。
更深层的数据协作，是要引入更多金融机构独有的数据洞察，找出更适合撬动拓客的产品、素材、出价，使有限的数据能够在投放中充分释放其价值。
要实现这一转变，告白 平台需要与告白 主充分配合，担当 起协助金融告白 主理解用户人群的职能，赓续 优化模型和策略，提升转化效果。而金融机构呢？不要再把眼光放在哪里去买贷款人群的白名单上，而是要把从转化到最终形成利润的后链路，进行充分的数据化和模型化，并将其应用于投放中。就像我在《告白 主玩数据，有个年夜 误区》一文里讨论的，客户要把精力放在算清楚一个点击为自己带来若干 利润或价值这件事上。一旦视角这么转变一下，相信您的思路就马上开阔了。
二、在客户与平台的协作模式上，会逐渐从“界面协作”演进到“系统协作”。
系统协作，说的是双方从优化运营层面的资源协折衷 动作对齐，深化至“投放引擎和数据识别”系统中的分工协作。
也就是说，从原来的运营对接，逐渐升级为产品对接。
具体分工上看，告白 平台理解了金融机构的生意模式，了解了各阶段的营销诉求，应该进一步提供更具实效性和智能化的数据产品、对象 和策略，并与甲方各个层级坚持 扁平的合作推进。金融机构各层级则需要理解效果告白 投放逻辑，积极拥抱平台提供的新能力。更重要的一点在于，在合规前提和内部数据团队支持下，更多地开放一方深度转化数据协作，从而与平台共建真正有效的数据应用生态。
腾讯告白 “联合专区”与“四年夜 Lab”
这里，我来讲一个在这个思路下，比较有代表性的具体产品案例——腾讯告白 DMP的“联合专区”与“四年夜 Lab”能力。
去年下半年起，腾讯告白 DMP对全链路数据办事 进行升级整合。特别是为了应对数据接入的标准化与平安 性，推出了的高阶应用“联合专区”。这个产品，为平台与金融机构进行数据开放共建奠定了重要基础。
什么是“联合专区”呢？它是基于数据平安 与合规性的考虑，为金融机构提供的可自界说 的专属通道；它是基于腾讯云的私有化的安排 和加密，打造的“数据保险箱”，同时可以确保数据应用时，金融机构有充分的自主性。联合专区的数据接入链路，已获得ISO/IEC 27001:2013及ISO/IEC 29151:2017“双ISO”标准认证。
这个产品比较有意思的处所 ，是数据汇聚和存储在平台方，然而保险箱的钥匙掌握在金融机构手上，何时上报何种数据的决定权，也由金融机构决定。从而在数据应用的平安 性、合规性与灵活性方面，达到了巧妙的平衡。通过“联合专区”，可补足一方与二方数据应用上的短板，在包管 金融机构数据资产自主、平安 、可控的同时，基于数据治理 、剖析 和建模等深度应用，最年夜 化释放数据价值，助力告白 提效。
那么，联合专区数据使用的灵活性怎么体现呢？这就要谈到通过开放平台的数据能力，使一二方数据价值获得融合增值，来满足不合场景与营销诉求的四年夜 “Lab”能力。
SQL Lab：整合一、二方数据洞察，进行剖析 和人群提取；这个Lab的作用，是让客户在联合专区中，像操作自己的数据仓库那样进行剖析 ，获取深入的洞察。
Model Lab：为有建模能力的机构提供三类建模方法 ，既能够支持特征洞察，也能将预测的结果 提取成人群包用于投放。与SQL Lab相比，Model Lab面向的是数据能力和专业水平 较高的客户，在这种模式下，客户可以灵活地利用联合专区中的数据进行机器学习建模。
以上两类能力重在为平台二方数据注入来自金融机构的专业知识，弥补二方数据在行业专属特性上的短板。而SQL Lab与Model Lab的洞察与建模结果 ，还可在全链路深度优化中施展 作用。
RTA Lab：进行负向人群排除，参竞判断；它为IT能力有限的客户，提供了便利 地接入 RTA功能的办事 。
Rule Lab：基于对不合用户人群的出价权重设置，来实现深度ROI的提升。权重因子可作用于投放全链路。对多半 客户来说，可能并没有能力采取 建模的方法 来利用数据，然而可能一些简单的规矩 就能解决他们80%的问题。对此，联合专区提供的Rule Lab能力，正是便利 这些客户，使用规矩 的形式来把持 一二方数据，并完成对应的线上投放决策。
借助四年夜 “Lab能力”，可使金融告白 主更精准地判断正向或负向人群，并基于业务诉求发明 可深度转化的目标人群，带动ROI的深度优化。也就是说，不仅可以“掩护 ”数据，还可以“玩转”数据。例如，在贷款类业务推广中，通过向联合专区上报一朴直 向数据，结合平台智能预估模型，挖掘 更精准的受众和更适合 的出价，可带动后链路深度转化提升。

目前，腾讯告白 还在计划 联合专区的产品升级，提升对于深度转化数据价值挖掘 的能力，在四年夜 Lab能力之外，新加入Feature Lab。这个Feature Lab，是在原有SQL Lab基础上，加入更高细粒度的腾讯系多场景数据，以便行业专家进行更深度的数据洞察。
以上“联合专区”和“四年夜 Lab”这种产品探索，为新环境下金融行业在营销中的数据应用摸索出了一条有意义的途径 ，相信沿着这个偏向 成长 下去，金融行业一定能在数据使用的合规性与有效性之间找到适合 的平衡点。
无论是政策上的数据合规要求，还是着眼于金融科技良性成长 ，金融行业都需要解决数据应用从“量”到“质”的转变，以有限的数据体量，挖掘 出对业务有利的更多价值空间。在此进程 中，腾讯告白 作为众多金融机构的合作伙伴，一方面，推动数据合规与平安 ，另一方面，也为行业提供更具效率的数据应用能力，助推行业建立着眼于未来历久 成长 的数据协作体系，使数据合规应用成为金融行业深度数字化转型的重要驱动力。