投资界4月9日消息，由清科集团主办的2014中国互联网金融投资大会今日在深圳召开。集奥聚合高层参加了本次会议。在品牌策划、大数据营销、顾客关系管理、体验营销以及整合行销领域积累了丰富经验的集奥聚合高层，曾服务过众多国内外领导品牌，包括平安车险、菲利普家电、SAP、奔驰、上海大众、联合利华、英国石油、科勒、富士施乐、花旗银行、招商银行信用卡、米其林轮胎、宜家、红塔山、美即面膜等，获得多项国际广告行业大奖和客户的高度认可。在本主题演讲中集奥聚合高层分享了与客户合作中观察到的需求趋势。
以下为演讲实录：
集奥聚合是一家新公司，成立还不到3年的时间，我们核心业务是大数据服务。公司成立的时候很简单，就是想做成互联网领域里面拥有庞大数据的这么一家公司，然后再来做各种应用和产品的开发。
我们左手花的是投资人的钱，右手服务了很多金融客户，而今天我想从第三者的角度来给大家分享一下大数据在金融营销中的应用，有哪些趋势。这些都是我们自己在服务客户的过程当中，和营销界的同仁打交道的时候观察到的实际的感知。
首先，我们简单定义一下大数据，按照遵循传统定义，大数据有三个维度，我们称之为三个V。第一个是价值，数据量一定是庞大的，数据有本质的差别，就是结构数据和大数据的差别，出来的东西以及发掘应用的程序是不一样的。第二个是纬度多不多，行业积累了自己的经验，有自己的行业的打分的方式，现在有新的打分方式，用互联网的方式来打分，包括浏览、交易、支付等等，越多越好。第三个是处理的时效，前面嘉宾讲了动态和静态，在主会场也遇到同样的词，就是静态和动态的差别。传统数据是静态的处理，而大数据是毫秒级的，随时来随时处理随时应用，是毫秒级的要求。如果三种纬度相加，可以在很多方面创造价值，包括广告费的节约，还是人群的精准判断等等。
我们集奥这样发现数据：有一个管道，下面是媒体公司，中间还有做数据库的IT公司，三者加起来数据的纬度才足够。第一个是非结构数据，第二个是传统的媒体的数据，第三个是IT结构数据。
我们做的方式是主数据源是非结构数据，再加上其他的数据来进行补充。我们搜集人们在互联网上的动态的行为数据，比如说他搜索了什么词，浏览了什么网页，给到广告主，或者是金融机构，他自己会去建模或者其他方式来定义他的受众。
这个数据的应用简单来讲分三层，中间是非Cookie的数据，但媒体的数据有很多局限，我们还需要其他的数据源来做，中间一层是数据的处理，最外面是和金融有关的应用。
今天给大家分享一下，洞察的应用，金融营销应用，以及辅助征信的应用。
首先是数据洞察应用，主要是提供给其他非金融行业的广告公司，这是以往我们最重要的产品之一。年初我们发布了P2P行业的报告，这个行业中有这样的数据，我们跟踪了大概四百多家P2P公司的网站，有多少人浏览，他们用PC端，还是手机端，他们还浏览了什么网站，包括你的竞争对手的网站，还有到京东、百度的搜索词，我们把这些横向的外网的数据调出来，给到客户。
第二是征信应用，从去年下半年开始，我们发现金融企业包括互联网金融企业对征信的需求特别强，而我们的数据是可以满足这些需求的。P2P、微贷、小贷，现在还没有到饱和的时候，我们也发现当前几百家的金融企业他们之间用户人群的重合度是不高的，不像有些行业，两个品牌的重合度已经达到了百分之三四十，是头对头的竞争，这也体现出现在金融营销是在圈地的时候。
另外还有一种新的需求，就是CRM的应用，比如，网站的新注册用户的外网数据。企业把自己的DNP的数据和外部的数据打穿，把纬度进一步放大。
我们也总结出了一些金融营销的影响因素，我们将之归纳为“433”，第一个是数据本身的实时性，今天的数据和明天的数据是不一样的，抓住的客户的数量和准确度是有差别的。第二个是创意，一个贷款用多种方式去卖，锁定你的新客户，数据必须要和创意匹配，匹配得好，你的创意就可以把数据的价值发挥出来。第三个是你选的媒介圈要选对。这些都各占一定的比例。
比如说关键词做新客户的获取，搜索“拍卖”、“债务”这类关键词的网络用户，定向投放广告的话， 5分钟之内效率高，时间长就会降低。
另外一个例子，这个客户是我们合作时间比较长的，他们做的是50万以内的贷款。我们我们规定了5类搜索词，依据浏览行为定义这种人群，比如说去了渣打银行、广发银行，等银行网站。这种人如果到了这种网站，那就是有兴趣的，我们就用数据的方式把这些浏览行为抓住，然后再进行投放。点击也具有时效性，一般是搜索加投放，或者是浏览加投放，这个时效性是48小时，过了48小时就没有什么用了。如果有需求了，要尽快抓住，否则就流失到别的地方去，就抓不住了，这个就是数据的时效。
第二个是数据的指导，什么样的人群应该用什么样的方法沟通。
另外就要看媒体的有效人群。关键不在于流量，关键在于质量，精准地把人群抓住是最好的解决方案。
从去年下半年开始，不断甚至是越来越多的客户找到我们，希望我们做征信应用。他们原来用传统的FICO的打分的方式，数据源不多，大概5大类，贷款的历史、信用卡的历史占35%的权重，现在又借多少钱，又占了30%，新开户多少，又借多少钱，各占10%，基本上分是这样打起来的。当前，美国的公司就是用其他的方式在打分，他们的观点是所有的信息都是征信信息，互联网上任何一个方式，哪怕是关键词的方式，长和短都是有关系的，经过一万次的计算，都可以打出分来。中国原来是没有信用历史的，即使信用卡都没有，还用这种方式无法完成征信借贷，而用大数据征信方式就可以解决这样的问题。
前面讲大数据对互联网金融，一个是创新，第二是改良。计算方式和数据形式都需要创新以及改良，计算方式过去是简单的，形式是结构化的，结构化就是说输送形式是固定的，大数据是没有形状的。贷款的金额原来可能高一些，现在的小微贷款金额可以降低。原来的人群相对窄一些，现在的人群相对广一些。
征信的资源的获得质量有高有低。大数据怎么能够帮到征信呢？第一个看联系方式，比如说我的数据里面，这个人的手机号，他是临时给了一个号码，还是他的注册手机号是他真正经常用的号码，还有在小贷注册的号码是不是他常用的号码。还有这个人的生活圈子里面，别的人都是什么样的。
多借款站点的关注，这个人是否在很多地方进行贷款，这个是很关键的。还有理财高危关键词，0.07%，也就是一百个人有1个人用过这样的一个关键词，要知道信用卡套现的情况，把他们吓一跳。
再一个是APP的使用情况，一些是理财类的，还有一些是旅游类的，还有根据使用的地点大概可以看出他是一个白领还是什么样的人士，这个是受众的属性。
我只列了五大类，我们总结了大概有十几大类，找我们的有小贷客户，他们直接就要这些数据。还有打分的客户，他们也在兴起，烧投资人的钱，想做一个数据源不一样的公司，他们用这些数据，然后打分，把这些分给到金融企业。北京现在有很多这种专业人士，我们也接触了，谈的也是比较多的。
小结一下：金融大数据需要做到多维、海量、实时；大数据在金融行业洞察、广告营销和征信具有广阔应用；欢迎行业专家与CEO交流，促进大数据在金融行业的应用。
