金融保险行业大数据整体解决方案-智慧保险大数据平课件

金融保险行业大数据整体解决方案智慧保险大数据平台建设方案金融保险行业大数据整体解决方案 智慧保险大数据平台建设方案1目录页大数据在保险行业的机遇与挑战针对保险行业的大数据解决方案保险及金融行业的成功案例介绍金融保险客户实施大数据的建议路径1234CONTENTS PAGE 目录页大数据在保险行业的机遇与挑战针对保险行业的大数据解决方2大数据在保险行业的机遇与挑战01大数据在保险行业的机遇与挑战013保险科技价值链数据上链破除数据孤岛数据挖掘机器学习 用户画像 精准营销 核保核赔 风险管理 客户服务区块链区块链26基因检测基因检测AI3大数据大数据1云计算云计算4物联网物联网5 医疗数据UBI感知识别（AI）三方数据 客户数据库 流程自动化 评估模型 决策系统保险科技价值链数据上链 破除数据孤岛数据挖掘 机器学习 4构架和平台统一、技术先进、安全高效前瞻性前瞻性服务器和计算节点可扩展、数据结构可扩展、ETL处理可扩展、平台接口可扩展可扩展可扩展初次建设时选择开源版本（Apache）或者更贴近开原版本的商业版本（CDH）开放性开放性在硬件资源有限的情况下，应尽可能地支持尽量多的数据服务需求，还能承受用户峰值时间段压力高性能高性能数据模型的稳定性、系统运行的稳定性稳定性稳定性安全性安全性防止数据服务体系的数据资源被恶意修改和盗取防止数据在传输过程中被截留和篡改运维涉及硬件设备、Hadoop平台、应用系统易维护易维护从实际需求出发，前期从单一需求的最小规模集群起步，以最小投入解决问题，后期再做扩充实用性实用性ETL功能组件、数据预处理层的数据模型、租金复用、硬件部署等方面的高可用高可用高可用建设企业级一体化的监控和管理平台，后期便于更好地统一管理和维护统一统一部署部署大数据平台架构设计基础要素构架和平台统一、技术先进、安全高效前瞻性 服务器和计算5大数据是人工智能存在的基石。多来源、多类型的大数据可以从不同角度进行逼近真实的描述，而利用算法可以挖掘数据之间的多层次关联关系。其中过程数据（同“用户行为数据”）对AI意义重大。用户行为数据是机器学习的基础，如果想让机器学到最新的、即时的用户行为，形成持续的反馈闭环的人工智能系统是机器智能提升的前提。另外，机器能够容易理解的反馈数据需要符合被标记标签的性质。算法是人工智能决定效率提升的关键因素。人工智能能够实现大量无法统计的规则会被机器自主发现和抓取，从而充分挖掘“长尾用户”的行为规律，提高机器学习模型预测的精准度。这就需要超高维度的算法。超高维度的算法，首先须要原始数据的绝对值很大，这对于大数据的分布式存储、处理技术具有较高要求。其次，利用万亿级的海量特征进行机器学习特征处理、模型训练以及线上服务，需要成千上万个节点进行协同工作，这对算法及系统的要求是全方位的。一个优秀的人工智能模型需要千万级的数据样本。因此，在数据方面，企业需加强对用户每一个行为及其结果的记录意识。高性能、大规模的计算资源是人工智能技术在实际应用中的必备条件。在人工智能实际的业务场景中，动辄数十亿级别的数据，会给计算框架带来严峻的考验。构建高维度机器学习框架，确保在大数据的场景下，计算能力随数据量增加呈线性增长，实现系统时间成本与计算成本的可控。目前机器还不具备主动、自发定义任务的能力，因此，清晰、明确的任务目标就是人工智能得以有效应用最为关键的先决条件。优化、明确业务问题需要企业业务专家的深度参与：一方面从业务出发，需要在业务专家和技术专家共同对企业资源进行评估与组织，最终将商业目标转化为机器可理解的数据挖掘目标；二是从技术出发，将公司的运营指标和人工智能适用的指标进行结合。存在问题采取措施企业应该建立数字化、不间断的反馈数据闭环，将实时数据进行反馈，使模型具备自我进化能力。BRAIN保险公司构建商业AI能力的核心要素核心有意义的过程数据有意义的过程数据数字化的持续反馈数字化的持续反馈高维度的算法能力高维度的算法能力高性能的计算能力高性能的计算能力边界清晰的问题定义边界清晰的问题定义要素BigDataResponseAlgorithmInfrastructureNeeds大数据是人工智能存在 的基石。多来源、多类 型的大数据可6准备数据准备数据分析处理分析处理数据建模数据建模价值应用价值应用数据接入数据接入数据处理数据处理数据分析数据分析特征处理特征处理模型训练模型训练模型评估模型评估模型应用模型应用数据源待评估数据样本数据测试数据算法模型应用特征优化特征增量测试数据优化算法其他场景整理分析模型训练迭代训练迁移标签易使用易使用交互式的图形化界面能快速的完成任务问题转化和建模过程的定义多功能多语言多功能多语言支持Python、R、SQL等多功能语言和用户习惯的使用方式数据科学家/业务专家高效率高效率提供多种系统化实验，并提供自动的优化和调参功能团队协作团队协作为不同的团队角色提供针对性的功能和与之对应的协作方式，同时提供不同角色的培训服务高效能高效能自主知识产权的专利算法和计算框架提供高效的计算能力和精准的应用效果高扩展性高扩展性提供多语言的SDK，帮助开发者在此基础上完成二次开发和扩展使用开发者/系统工程师高处理能力高处理能力大规模分布式的底层架构，满足高业务复杂度和数据量的存储和处理需求快速定制快速定制作为通用开发平台，开发者可快速依托平台的组件库和架构完成专属的人工智能业务系统的定制和对接模型全生命周期管理准备数据分析处理数据建模价值应用数据接入数据处理数据分析特征7 业务专家：业务专家：利用大数据和机器学习获得提升 关心：关心：模型效果、与业务结合、可解释性 数据科学家：数据科学家：处理数据&模型调研 关心：关心：算法、灵活性、可扩展性、性能 系统管理人员：系统管理人员：维护大量数据流&线上模型服务 关心：关心：资源使用、一致性、可管理性人工智能参与人员的角色 业务专家：利用大数据和机器学习获得提升 数据科学家8以用户为中心建设互联网保险客户获取客户转化客户服务客户挽回战略&规划明确并聚焦目标分析&洞察全方位深入分析应用&营销&交互多渠道协同，数据应用客户体验建设可靠信任关系DATADATADATADATADATADATADATADATA数据整合用户画像数据分析客户细分模型客户价值模型忠诚度模型受众群体扩展模型社会网络模型客户获取客户转化客户服务数据应用业务转型大数据技术与平台支撑大数据分析技术和工具保险企业客户分析模型不断优化的管理闭环外部数据内部数据数据模型业务应用用户行为偏好数据匹配DATA01：建设思路建设思路02：建设目标建设目标03：业务规划业务规划04：技术实现技术实现以用户为中心建设互联网保险客户获取客户转化客户服务客户挽回9保险行业发展大数据的难点数据多整合困难客户多分析困难需求多应用困难数据来源的多样性数据类型的复杂性数据特征的多元化数据处理方法的差异化组织内部数据的分散性数据共享机制的缺乏怎么识别客户全方位的特征？怎样有效细分客户？怎样提取客户的共同需求？怎样利用不同模型/算法生成客户多样化标签？怎样进行客户行为偏好分析？如何与客户实时交互如何及时响应客户的需求如何提供满意的客户体验如何降低客户流失如何控制客户维系成本如何对客户进行精准营销保险行业发展大数据的难点数据多客户多需求多数据来源的多样性怎10大数据管理平台应用平台大数据采集业务数据汇集系统用户行为数据采集系统互联网公开数据抓取系统大数据清洗业务数据清洗系统用户行为数据清洗系统互联网公开数据清洗系统大数据标准化用户多重ID归一化系统商品归一化系统大数据结构化用户标签管理系统商品标签管理系统管理平台基础平台可视化数据操作平台大数据操作系统（BD-OS）数据全生命周期管理业务流程全生命周期管理业务价值挖掘建模数据访问资源管控分布式存储（磁盘及内存）数据接入安全(认证权限ACL)监控配置及报警安装及云服务电子商城个性化系统移动商城个性化系统媒体网站个性化系统在线营销支持系统门店营销支持系统会员营销支持系统全网市场监控系统舆情管家商情管家用户洞察系统个性化推荐引擎（BRE）自动化营销引擎（BME）大数据分析引擎（BAE）媒体网站个性化系统大数据管理平台应用平台大数据采集业务数据汇集系统用户行为数据11针对保险行业的大数据解决方案02针对保险行业的大数据解决方案0212以用户为中心建设互联网保险客户获取客户转化客户服务客户挽回战略&规划明确并聚焦目标分析&洞察全方位深入分析应用&营销&交互多渠道协同，数据应用客户体验建设可靠信任关系DATADATADATADATADATADATADATADATA数据整合用户画像数据分析客户细分模型客户价值模型忠诚度模型受众群体扩展模型社会网络模型客户获取客户转化客户服务数据应用业务转型大数据技术与平台支撑大数据分析技术和工具保险企业客户分析模型不断优化的管理闭环外部数据内部数据数据模型业务应用用户行为偏好数据匹配DATA以用户为中心建设互联网保险客户获取客户转化客户服务客户挽回13为保险企业提供端到端的整体解决方案DATADATADATADATADATADATADATADATA数据整合用户画像数据分析客户细分模型客户价值模型忠诚度模型受众群体扩展模型社会网络模型客户获取客户转化客户服务数据应用业务转型外部数据内部数据数据模型持续优化DATA客户归一123456为保险企业提供端到端的整体解决方案DATADATADATAD1401：海量多源异构数据的整合第一方数据实时用户行为采集内容：CRM、信用卡等业务系统数据数据格式：关系型数据库独特优势：灵活、易扩展、高操控性业务系统数据采集内容：用户行为轨迹数据格式：自定义、高度灵活独特优势：实时、跨站、跨浏览器、跨设备、采集内容：Txt、CSV、Excel、XML、Word、PDF、Socket独特优势：支持非结构化数据、实时、高效日志数据抓取内容：媒体资讯、贴吧、微博、搜索引擎、数据格式：将HTML转换为格式化数据（Json）独特优势：精确的流量控制、JS引擎、模拟登录、模拟用户行为、功能全面、操作简单数据探头系统数据桥接系统日志收集系统抓取系统互联网开放数据采集内容：央行征信、银联交易等合作方数据数据格式：可支持各种第二方数据格式独特优势：支持多种数据格式，按需采集，灵活、易扩展SDK/API/接口合作方数据第二方数据第三方数据大数据平台01：海量多源异构数据的整合第一方数据实时用户行为采集内容1501：海量多源异构数据的整合第一方数据实时用户行为采集内容：CRM、信用卡等业务系统数据数据格式：关系型数据库独特优势：灵活、易扩展、高操控性业务系统数据采集内容：用户行为轨迹数据格式：自定义、高度灵活独特优势：实时、跨站、跨浏览器、跨设备、采集内容：Txt、CSV、Excel、XML、Word、PDF、Socket独特优势：支持非结构化数据、实时、高效日志数据抓取内容：媒体资讯、贴吧、微博、搜索引擎、数据格式：将HTML转换为格式化数据（Json）独特优势：精确的流量控制、JS引擎、模拟登录、模拟用户行为、功能全面、操作简单数据探头系统数据桥接系统日志收集系统抓取系统互联网开放数据采集内容：央行征信、银联交易等合作方数据数据格式：可支持各种第二方数据格式独特优势：支持多种数据格式，按需采集，灵活、易扩展SDK/API/接口合作方数据第二方数据第三方数据大数据平台5.5亿+用户全网画像：9大维度 500+子维度 1,100万+用户标签日活跃4,000+万UV：日活跃访次：3,700万 日活跃PV：1.2亿 日推荐次数：6,000万 并发推荐：2万次/秒 单次响应时间：200ms 21大类 4,000+子类 400+商品标签维度 100万+商品标签数1亿+商品全网画像：1,000万+媒体标签：20大类 1,000+子类 200+媒体标签维度第第 三三 方方 数数 据据01：海量多源异构数据的整合第一方数据实时用户行为采集内容16客户盘点：1,500+互联网企业客户客户盘点：1,500+互联网企业客户1702：跨渠道用户ID归一02：跨渠道用户ID归一1803：用户画像客户收入支出信息客户渠道使用客户资金往来.客户基本信息客户持有产品客户历史交易客户风险等级事实标签用户画像标签原始数据预测标签模型标签资金往来趋势产品购买次数投诉次数.人口属性账户历史趋势渠道使用频率.用户关联关系用户满意度用户风险评分.产品购买偏好渠道使用偏好用户活跃度.消费能力违约概率用户近期需求.人口属性人群属性用户流失概率.人口属性用户价值用户兴趣爱好.模型预测建模分析统计分析03：用户画像客户收入支出信息客户渠道使用客户资金往来.1903：用户画像客户收入支出信息客户渠道使用客户资金往来.客户基本信息客户持有产品客户历史交易客户风险等级事实标签用户画像标签原始数据预测标签模型标签资金往来趋势产品购买次数投诉次数.人口属性账户历史趋势渠道使用频率.用户关联关系用户满意度用户风险评分.产品购买偏好渠道使用偏好用户活跃度.消费能力违约概率用户近期需求.人口属性人群属性用户流失概率.人口属性用户价值用户兴趣爱好.模型预测建模分析统计分析交易信息交易信息基于现有各个业务系统和渠道产生的数据客户行为偏好信息客户行为偏好信息包含客户即时偏好分析和长期偏好分析，形成客户兴趣偏好标签客户社会关系网客户交互信息客户交互信息基于分析客户对内对外的各类数据，形成完整的客户交互标签人口统计学标签人口统计学标签基本属性，源于现有客户基本信息以及外部数据源性别家庭住址工作单位年龄收入和支出交易流水产品和服务购买历史近期金融产品需求客户意见反馈未来服务预期客户行为偏好客户沟通记录(邮件/短信/QQ)客户讨论倾向客户态度和观点KAM03：用户画像客户收入支出信息客户渠道使用客户资金往来.20基于企业业务需求、场景构建标签，划分主题、颗粒度等示例基于企业业务需求、场景构建标签，划分主题、颗粒度等示2104：商业建模相似度计算推荐算法文本挖掘算法分类聚类算法预测算法04：商业建模相似度计算推荐算法文本挖掘算法分类聚类算法预测22模型一：客户细分模型挖掘高价值客户，提升非付费客户到付费客户的转化率客户分类客户分类描述描述实现步骤实现步骤高价值高价值客户画像高价值客户可定义为：1、件均保费高的期缴保单客户2、保单数排名前矛的客户对高价值客户进行画像，归纳总结高价值客户群体特征，从现有客户中挖掘有挖掘有潜力的客户潜力的客户，使其转化为高价值客户1、抽取A公司高价值客户和非高价值客户两个数据样本2、分析两个样本的群体特征，找出高价值客户群相对非高价值客户群的区别，并进行画像3、根据画像结果，按照营销跟进并根据效果进行持续优化付费付费客户画像通过分析付费客户和非付费客户，画像两个群体的差异特征，并从非付费客户中寻找符合付费客户的特征，针对性的销售以提升转化率提升转化率1、提供付费和非付费客户样本群进行初步分析，取得差异化特征维度2、针对差异化维度进行建模测试，训练并达到预期建模效果3、从非付费客户群中抽取与付费客户特征相似的客户进行有针对性的营销模型一：客户细分模型挖掘高价值客户，提升非付费客户到付费客23模型二：客户的价值模型精准的营销,不存在错误的客户，只存在错误的宣传。个性化推荐和营销就是在最合适的时间、以最恰当的方式、向客户推荐或营销他最需要的资讯、产品或服务。场景1：个性化精准营销场景2：实时的精准营销不同的用户不同的用户不同的产品不同的产品个性化推荐和营销出行之前，看到的不再是重复的广告，而是针对性的旅行保险广告进入系统，伴之而来的广告不再是千篇一律的“垃圾”广告，而是考虑了职业、性别、年龄、收入等因素的针对性产品市场细分是解决用户异质性的一种方法，而个性化则是市场细分的极致，即把每一个用户看成一个细分市场，这也是营销的终极目标。用户的用户的“异质性异质性”与产品的与产品的“差异化差异化”模型二：客户的价值模型精准的营销,不存在错误的客户，只存24模型三：客户的忠诚度模型针对不同类型用户采用不同的营销策略购买比数得分最高金额得分平均金额得分最近购物得分活跃家数得分5.004.003.002.001.00消费能力用户粘性低活跃低价值用户，综合考虑是否有必要花成本活跃用户，提高服务质量进行引导一般保持客户一般挽留客户重要保持客户重要挽留客户重要发展客户重要价值客户一般发展客户一般价值客户高价值低活跃，花成本搞活最近一次消费最近一次消费(Recency)消费频率消费频率(Frequency)消费金额消费金额(Monetary)客户价值客户价值重要价值客户重要发展客户重要保持客户重要挽留客户一般价值客户一般发展客户一般保持客户一般挽留客户模型三：客户的忠诚度模型针对不同类型用户采用不同的营销策略25模型四：受众群体的扩散模型筛选最具购买倾向的客户名单模型四：受众群体的扩散模型筛选最具购买倾向的客户名单26模型五：社会网络模型引流&重新建立失联客户业务业务描述描述实现步骤实现步骤客户引流与获客结合双方共同的合作方，协助A公司引流合作方的客户到自身平台，借以获客并取得二次营销的机会1、从合作方获取客户资料2、通过双盲拨打/短信或其他方式触达客户端，进行营销宣传与获客区域性保险赠品发放根据客户偏好分析，有针对性的配置赠品进行发放针对区域内客户的全网行为特征和偏好，有针对性的配置赠品进行发放失联客户联系重建保险存在大量的失联客户（客户换手机或手机号不正确），可通过平台的用户数据进行匹配，并反馈正确的信息1、整理C保险现有用户数据，进行必要的清洗2、对清洗后的失联数据，在平台的数据库中进行匹配3、对于匹配上的数据，平台反馈真实的联系方式及相关信息模型五：社会网络模型引流&重新建立失联客户业务描述实现步2705:洞察用户特征，精准触达高净值用户实现从客户细分、营销策划、营销执行到效果评估的精准营销闭环管理05:洞察用户特征，精准触达高净值用户实现从客户细分、营2805:通过个性化推荐技术实现智能商品导购，提升交叉/向上销售05:通过个性化推荐技术实现智能商品导购，提升交叉/向上销售2906:反复迭代、持续性的优化图形化的显示为领导层的决策提供支撑持续优化洞察报表效果报表投放报表效果监测新老访客分析，网页热度分析，用户忠诚度分析投放实时展示投放实时展示多维度投放监控多维度投放监控媒体分析渠道分析渠道分析受众分析受众分析受众筛选实时优化调查问卷标签体系（如人口的自然属性，人群兴趣、人群行为、购物行为等）协助广告主进行精准的受众筛选效果优化系统使用基于OnlineLearning的算法思维，结合用户数据生成的各种特征（如TF/IDF、特征向量模型、SVM、决策树、K-Means、交叉特征、层次平滑体系树、用户实时反馈特征），帮助各种合作渠道优化效果策略对于阶段性投放效果发布调查问卷，结合调研效果调整下一阶段的投放策略06:反复迭代、持续性的优化图形化的显示为领导层的决策提30保险及金融行业的成功案例介绍03保险及金融行业的成功案例介绍0331金融行业部分客户注：规划中金融行业部分客户注：规划中32泰康保险：互联网用户行为采集和网站数据统计分析项目用户行为数据采集用户数据拉通模块网站数据统计分析用户行为分析模块用户行为分析与运营分析用户画像个性化推荐与精准营销泰康人寿的业务痛点在于积累了大量的用户却不知道泰康人寿的业务痛点在于积累了大量的用户却不知道如何使用用户数据？如何了解客户、经营客户？如何建立情感链接、实现有效互动，如何打造个性化的产品、服务？如何增强客户黏性、提升客户满意度？如何扩大保险覆盖面、提升保险渗透率？解决方案解决方案123事实标签模型标签预测标签跨站点用户偏好分析兴趣扩散模型分析消费者兴趣图谱分析实时购物意图分析泰康保险：互联网用户行为采集和网站数据统计分析项目用户行为数33泰康保险：1.1 用户行为数据采集网站概况每天网站PV、UV、独立IP、活跃度等基本指标统计实时统计达到以10分钟为粒度，进行PV、UV的统计计算访客分析记录访客设备信息、浏览轨迹、页面停留时间、地域、实时访客、用户拉通信息等转化追踪分析推广、搜索引擎转化率、外部链接设备信息分析客户设备信息：浏览器类型、操作系统、分辨率等等保险产品信息分析各个保险产品每日浏览量、趋势、客户兴趣度、转化率等指标触点采集传统PC站点手机WAP站点手机APP站点移动端微信泰康保险：1.1 用户行为数据采集网站概况每天网站PV、UV34泰康保险：1.2 用户数据拉通模块:用户ID价值价值难点难点整合所有接触点的用户数据整合所有接触点的用户数据整合用户的所有整合用户的所有ID真正真正“认识认识”一个用户一个用户用户不再用户不再“匿名匿名”多源异构规整到统一标准精多源异构规整到统一标准精确定义的标签确定义的标签如何理解并定义如何理解并定义“同一个用同一个用户户”不同标签体系的融合不同标签体系的融合用户与用户与ID的多对多关系的多对多关系泰康保险：1.2 用户数据拉通模块:用户ID价值难点整合35泰康保险：1.3 用户行为分析模块图 4 新增/沉默/活跃/流失用户图 1 客户生命周期图 5 留存用户图2 用户分类及详情图3 回流用户分析泰康保险：1.3 用户行为分析模块图 4 新增/沉默/活跃/36泰康保险：1.4 网站数据统计分析图1 页面浏览量分析图2 分时段统计信息图3 网页跳出率分析图4 分时段统计信息图5 用户来源分析图6 搜索关键词统计分析泰康保险：1.4 网站数据统计分析图1 页面浏览量分析图 237中信银行：高价值潜在客户挖掘(出国金融)业务需求业务需求通过大数据分析，找到存量客户中潜在的出国金融产品客户（以出国留学类金融产品为例），分析此类高价值客户的行为特征，并针对有相似特征的用户群进行精准营销，达到潜在客户转化为真正客群的目的。营销方案制定与执行营销方案制定与执行找到精准营销切入点找到精准营销切入点找到高价值潜在客户找到高价值潜在客户数据准备与匹配数据准备与匹配1.将该银行北京分行的客户与第三方数据进行匹配，匹配率匹配率43%；2.剔除用户画像中，媒体关注类标签少于100个的用户；3.剩余用户占比：37.25%。1.选择出国留学类金融产品进行分析；2.对该银行北京分行从2013年2月至2014年12月进行出国金融客户通过生存分析模型，发现91%的客户在申请学校之前就已是该行客户；3.需要在用户申请学校之前先联系到客户。对出国留学金融客户群进行分析，发现：1.出国前6-10个月，出国金融客户较为关注学校所在目的地国家，经常逛留学社区论坛；2.出国前3-6个月，出国金融客户的注意力会偏向签证、机票等。1.进一步对客户群进行洞察和细分，了解同类用户的需求和关注重点；2.与业务人员讨论，确定17个营销短名单，以定制短信广告和柜面人工询问（短名单提前收工录入）的方式进行营销。解决方案解决方案应用效果应用效果相对于传统推广方式：针对目标客户群的电话咨询率提高推广两个月内：出国金融产品销售增长新客户开户出国留学保证金带来的存款超过41%270%1025户户2.1亿亿中信银行：高价值潜在客户挖掘(出国金融)业务需求通过大数据38金融保险客户实施大数据的建议路径04金融保险客户实施大数据的建议路径0439金融保险客户电子商务大数据的实施建议一阶段：用户行为采集分析及营销试点三阶段：个性化推荐及精准营销应用二阶段：多源数据整合及用户画像建模目标主要工作补充第三方数据补充第三方数据PC端官网用户行为数据采集用户行为分析选择产品试点精准营销多触点数据整合（App、WAP等）全网用户拉通运营指标分析基于用户行为的用户画像用户标签体系搭建电子商务业务用户洞察智能实时精准推荐场景式营销周期三个月六个月迭代式金融保险客户电子商务大数据的实施建议一阶段：三阶段：二阶段：40一阶段建设思路4.基于采集的数据和补充的数据进行用户画像用户行为分析产品解构用户画像建模2.1用户行为采集官方网站部署采集的代码收集用户浏览行为收集用户交易行2.2采集公司内部数据产品信息产品持有人信息5.精准营销，获取新客用户分群针对特定人群进行DSP营销采集&分析用户行为精准营销试点1.明确项目范围、目标数据源：金融保险客户PC端官方网站确定试点营销的保险产品确定试点营销的预算（投放广告成本）明确项目目标一个月一个月一个月3.1与平台数据进行匹配3.2补充互联网用户行为数据用户产品偏好用户渠道偏好用户交易偏好用户媒体偏好构建用户画像补充互联网数据一阶段建设思路4.基于采集的数据和补充的数据进行用户画像2.41汇报完毕感谢聆听汇报完毕 感谢聆听42