写点什么

中邮消费金融李远鑫:如何用数字化搞定获客成本和用户运营难题?

  • 2023-09-15
    北京
  • 本文字数:6509 字

    阅读完需:约 21 分钟

大小:3.66M时长:00:00
中邮消费金融李远鑫:如何用数字化搞定获客成本和用户运营难题?

消费金融业务与传统银行业务相比,存在诸多差异化。比如,其产品基于线上场景运营,天然与数字化技术息息相关,并且,由于客群覆盖面更广、风险容忍度更高,反欺诈和风险控制的难度更大。因此,消费金融公司的整体数字化进程比其它金融机构要快得多。


利用 OCR、人脸识别、机器学习等技术建立智能风控体系,运用 AI 技术优化营销运营,通过数据中台驱动业务和决策,提升整体运营效能——这些几乎是消费金融企业的“常规动作”。在 9 月 12 日的 InfoQ《超级连麦·数智大脑》直播中,InfoQ 与中邮消费金融市场部、数字化转型办公室 / 部门负责人、办公室主任李远鑫深入探讨了消费金融的数字化体系是如何构建的。


李远鑫表示,在消费金融行业中,获客成本和用户运营常常是棘手的问题。对此,中邮消费金融通过数字化手段成功解决了这些挑战。首先,公司致力于提高产品的核心竞争力,包括优化用户体验和流程设计,通过精确的目标客户画像和科学的运营手段,公司不仅提高了转化率,还成功降低了单个客户的获客成本。


并且,不同于多数消费金融公司主要依赖头部互联网平台进行获客,中邮消费金融建立了一套完善的智能营销运营体系。这一体系基于数据中台,涵盖了数据的采集、存储、计算和管理,进一步支持了营销运营。


以下是对话全文(经 InfoQ 进行不改变原意的编辑整理):

InfoQ:顾名思义,消费金融直接面向消费者提供金融服务。那么,它与其它金融业务相比,会有哪些差异化特点?请您介绍下目前消费金融行业的数字化现状?


李远鑫:消费金融业务其实就是银行消费信贷业务的延伸,广义的消费金融业务包含了银行的房贷、车贷、消费贷、信用卡等业务,而我们今天所谈论的消费金融业务,指的是银行消费信贷业务以外的狭义消费金融业务,它与传统的信贷业务存在多方面的差异:


在产品方面,具备线上化便捷申请、纯信用无抵押、小额分散、基于大数据快速审批和放款、运用大量的数字化技术实现个性化、智能化的用户体验和营销运营等特点;


在客群选择方面,消费金融业务与银行业务相比,其风险容忍度更高,可以覆盖更广的客群,客群比传统银行信贷业务面向的客群要下沉;


在风险方面,由于大部分业务均为线上化无接触的方式开展,欺诈风险和信用风险比传统信贷业务要高,反欺诈和风险控制的难度更大


消费金融公司因业务依赖互联网和移动设备,通常比传统银行更快地实现数字化。但单纯的线上化和产品同质化还不足以形成核心竞争力。因此,多数消费金融公司已加速数字化转型,利用 OCR、人脸识别、机器学习等技术建立智能风控体系,运用 AI 技术如深度学习和自然语言处理优化营销运营,以及通过数据中台驱动业务和决策,提升整体运营效能。

InfoQ:根据您的观察和经验,现阶段整个金融行业进行数字化转型的普遍难题有哪些?


李远鑫:我认为金融行业数字化转型的普遍难题主要有以下几个层面:


  • 没有与企业的战略和发展目标挂钩,转型的目标不清晰不明确,在企业内部没有达成共识,转型工作难以启动或者启动后遇到较大的阻力难以往下推进。对此,企业应该明确,数字化转型的目的就是为了赋能企业战略和发展目标的达成,要对企业战略进行解码,运用数字化这种新的生产方式重塑或优化现有的业务模式,以业务发展目标和指标作为数字化转型的最终目标,与公司高层、业务部门的目标对齐,上下达成一致。


  • 盲目跟风,路径和节奏不清晰,数字化战略高度同质化,追赶业界“时髦”趋势而未充分结合自身业务基础,数字化转型节奏与业务发展需求脱节,导致资源盲目投入与重复建设。对此,企业需要制定出符合自身业务目标的数字化规划蓝图。


  • 只有“数字化”,没有“转型”,数字化转型仍然是传统 IT 转型,转型方向以优化工具效率、优化系统架构、引入新工具进行科技应用为主要目的。对此,企业应该进行由业务战略驱动、与业务有机结合的数字化转型。建议以增长作为切入口和抓手开展数字化,因为增长可以带来快速反馈,及时反哺企业业绩,既可以帮助企业坚定信心,又能够平息内部反对意见。


  • 从业务构想到数字化实现的传导走形,由于在能力角色、流程机制、交付标准等方面存在缺失,客户需求在转化为数字化产品的过程中层层失真,最后的产出与实际需求相悖。对此,企业可以进行端到端进行客户旅程和业务流程的分析和优化改造,建立企业级架构,特别是业务架构,统一技术和业务的语言,形成结构化的蓝图,指导应用架构、信息架构和技术架构的设计和 IT 系统落地实施。


  • 组织支撑体系不匹配,治理水平成为瓶颈。存在组织壁垒、部门孤岛、复杂冗长的审批流程、自驱型专业人才缺失和科技基础设施不足等软基因问题,大大阻碍数字化转型进程。对此,企业应该建立数字化转型意识及共识,组织文化层面需要配套,从顶层出发驱动数字化转型,增强全公司参与感。

InfoQ:在战略指定和规划落地过程中,怎么平衡数字化转型的长短期目标,以及投入产出的问题?


李远鑫:根据我们的经验,在进行数字化转型时,长期和短期目标需要同时考虑并平衡。这并不意味着我们要等到整个长期规划完成后才开始实施。实际上,在制定数字化转型的规划蓝图过程中,我们会同时启动一些短期的“速赢”项目。这些项目有双重目的:首先,它们用于验证我们设计的业务架构是否合理和可行;其次,这些成功的小项目能够增加业务部门和公司领导层对整个转型过程的信心。


例如,通过一些以增长为目标的速赢项目,我们可能会设计全新的业务模式或优化现有模式。一旦这些改动带来效率提升或客户体验的增强,就能促进公司规模或利润的增长。这样的成功案例能有效证明我们的业务架构设计是可行的,并有助于平衡长期与短期的目标。


在规划阶段,不必一开始就做到极其详细和全面。例如,当我们分解业务架构时,不一定需要深入到非常细致的流程和角色层面。在初步阶段,我们可以先集中在主要的业务流程上,识别其中的数字化机会,并通过这些项目进行验证和迭代。总体而言,这能够有效解决长期和短期目标之间的平衡问题。

InfoQ:要应对金融业转型创新的挑战,哪些工作是必不可少的?哪些技术又会发挥重要的作用?


李远鑫:要有清晰的转型战略和明确、可落地的转型规划,与业务转型一体两面推进;


要以数字化的思维、以用户为中心的视角重新梳理业务模式和流程,提升客户体验和运营效率;


要建立结构化的企业架构,特别是业务架构,形成业务和技术融合的标准化语言,从业务架构、应用架构落地到业务中台的实施;


要夯实数据底座的建设,在数据采集、存储、管理、计算、应用等方面全面提效,支撑企业数据驱动、智能决策的需求;


要紧跟新技术发展的趋势和应用场景,对于金融行业而言,要特别关注隐私计算技术,因为金融行业普遍都依赖大量的内外部数据进行营销获客和风险防控,解决信息不对称的问题。但受个人信息安全保护的限制,目前能合规利用的数据非常少,如果能够通过隐私计算实现行业数据的合规共享,金融行业的转型将迈上一个新的台阶。

InfoQ:获客成本快速攀升、用户运营困难是消费金融行业的一大痛点,如何用数字化手段解决这一问题?


李远鑫:降低获客成本要做到三个方面的事情:


  • 一是要提高产品的核心竞争力,包括良好的用户体验、便捷的流程设计、匹配客户需求的产品要素;

  • 二是要有清晰的目标客户画像,无论是做广告投放还是通过平台引流获客,都要结合自身的客户画像和流量方的画像进行投放,做到精准获客;

  • 三是要通过科学有效的运营手段提升转化率和复购率,降低单个客户的获客成本。


关于用数字化手段来解决问题方面,我认为首先是要运用设计思维,通过用户旅程地图分析工具端到端地分析产品流程,以用户同理心来分析每一个节点的优化点,以发现其中的数字化机会点。通过分析,绝大部分产品流程可以提高效率、缩短受理时间、提升客户体验;


其次是构建清晰的客户画像,一方面依赖于自身对客户数据的清洗和识别,通过一些模型来提炼出关键的特征,另一方面要与合作方开展数据合作或联合建模,可以采取前置联合建模、联邦学习、蒸馏模型等方式实现,从获客端就按照客户画像的需求进行筛选;


最后是提升转化率和复购率方面,要建立全生命周期的用户运营矩阵、智能营销运营的决策引擎以及整套 AB 测试、营销活动效果监测体系等。

InfoQ:多数消费金融公司都倾向于依赖头部外部互联网平台进行获客,中邮消费金融则建立了一套智能营销运营服务体系,背后的驱动力和能力基础分别是什么?


李远鑫:目前多数消费金融公司都通过头部互联网平台获客,中邮消费一直致力于加强自主获客能力,不断做大自营贷款规模,积累更多可运营客户的数量,通过智能营销运营体系持续运营存量客户,不断刺激客户复贷、增加粘性,发挥最大的价值,这就是背后的驱动力。


要做到持续运营存量客户,能力基础主要有几个方面:


  • 一是拉新的能力,没有新用户,存量客户运营就是一句空话,因此获客渠道的建设非常重要,包括自营 APP、广告投放、线下渠道、可运营的三方渠道等,需要有一个灵活、可靠、能快速对接的渠道及服务开放平台,实现高效获客;

  • 二是数据底座的能力,需要对存量客户的特征进行提炼,形成可筛选的客群标签,为运营打好基础;

  • 三是全生命周期客户运营的体系,能够持续筛选不同的客群、不同的生命周期定制不同的触达渠道、触达策略和营销活动,并实现实时的跟踪、监测、AB 测试等,形成营销闭环;

  • 四是多样化、有效、畅通的触达渠道,包括 APP、短信、电话营销号码资源、线路等,确保有效触达客户;

  • 五是对客户数据的不断挖掘,通过提额、降息等风险经营的工具,越来越精准地匹配客户对消费金融产品的需求,持续提升客户粘性和复贷次数。

InfoQ:据了解,中邮消费金融智能营销运营服务体系是在数据中台基础上进行搭建的。它是如何运作和发挥作用的?


李远鑫:数据中台的本质是解决数据采、存、算、用、管 5 个方面的问题,最终的目的是“用”,营销运营是其中的一项非常重要的应用场景,要能够达到“智能”的效果,必须要解决其他的四个问题,即“采、存、算、管”。


  • 在采集方面,要实现对数据的高效、灵活、全域的采集和交换,这项能力是数据中台的基础,传统的数仓数据采集时效低,而 Flink+Kafka 的实时采集的链路代价大,我们在离线和实时链路的基础上,通过 FlinkCDC 搭建了准实时场景采集链路,提供分钟级的数据,比传统数仓有更高的时效性,解决纯实时成本过高,纯离线时效太差的问题。


  • 在数据存储方面,需要对多类型、大容量数据提供存储支持和全领域数据的集成能力,我们集成了 Iceberg 数据湖组件,通过数据湖提供的 Upsert 功能,建立准实时数据加工链路,解决 Flink 实时开发成本过高,实时加工效率低、不支持 Upsert 的问题。


  • 在计算方面,对实现对海量数据的计算以及资源的灵活配置,提供高效的批处理和实时交互能力,我们通过 Spark、Impala 和 Presto 等多模引擎,打通数据湖和数据仓库,实现湖仓数据的融合查询能力。


  • 在管理方面,通过数据治理管理数据质量、数据标准、元数据,并强化对数据架构的管控,规范数据中台的设计开发过程,保障数据质量。


基于这些基础能力建设,我们打造了一个扎实的数据底座,在数据底座之上,我们构建了“贴源层 - 整合层 - 语义层 - 数据集市层 - 数据应用层”五个层次的数据架构,并通过 OneService API 的方式向应用提供数据服务接口,支撑营销运营等应用场景的用数需求。

InfoQ:实现精细化营销和运营,一方面要确保数据质量和数据量的真实可靠;另一方面还要注重数据安全、用户隐私保护等问题。您认为这两方面的需求如何平衡?


李远鑫:为了更好地服务客户,金融机构需要进行精细化营销和运营。这包括发掘和建立更多有效的客户接触点,利用创新技术和工具,以数字化和智能化的方式提供高效的业务交易,从而改善客户体验。在运营过程中,公司需要强化客户相关数据的生成、收集和应用,以深入了解客户,从而提供更个性化的产品和服务。


然而,在过去几年里,大数据技术的快速发展使客户洞察和数据挖掘变得更加丰富,但行业里也发生了一些数据泄露事件,以及对个人隐私安全的担忧。因此,金融机构必须在追求竞争优势的同时,确保以下几方面:


合规性和合规

  • 确保数据收集和处理活动遵守当地和国际的数据隐私法规,例如欧洲的 GDPR 或美国的 CCPA。

  • 遵守法律要求,包括数据保留期限和用户访问权等。


透明度和最小数据原则

  • 提供清晰、透明的隐私政策,明确数据收集和使用的目的。

  • 最小化数据收集,只保留与业务目标相关的最少数据,并确保数据使用符合用户的期望和授权。


安全措施和风险评估

  • 实施强化的数据安全措施,包括加密、访问控制和漏洞修复,以保护数据免受未经授权的访问或泄露。

  • 定期进行安全审计和漏洞扫描,确保系统的安全性。

  • 进行定期的风险评估,以识别潜在的数据隐私和安全风险,并采取相应措施来降低风险。


综合考虑这些因素,建立一个健全的数据管理和隐私保护框架,有助于在精细化营销和运营中平衡数据质量、数据安全和用户隐私保护的需求,同时维护良好的用户关系和法规合规性。此外,随着隐私计算技术的不断发展,我们将能够找到新的方法来实现数据的安全共享,从而更好地平衡数据使用和隐私保护。

InfoQ:您觉得比较理想的金融科技大会是什么样子?


李远鑫:实际上,这是我第一次参加以金融科技为主题的正式峰会。在我看来,金融科技虽然包括“科技”二字,但其核心依然是“金融”。金融是一个非常广泛的领域,不仅包括银行和消费金融公司,还涵盖了如保险和证券等多个方面。其中,我认为最重要的关注点是风险管理,这也应是峰会上讨论的重要议题。科技在金融行业中的作用也不容忽视。科技和数字化都在赋能金融机构进行业务转型和模式升级。如何将科技与金融有效地结合起来,我觉得这是另一个重要的议题。


除此之外,金融行业当前面临多种问题,包括客户获取越来越困难、客户运营复杂、以及产品同质化严重等。这些问题需要我们用科技的手段去解决,并且应以问题为导向;在提升金融行业工作效率方面,我认为这也是一个关键的议题。关于峰会的形式,我觉得它应该是一个开放和互动的平台。


因为金融行业内部的交流通常并不频繁,借助这次峰会,我们可以创建一个同行业间交流的平台,无论是技术人员还是业务人员。具体到峰会的形式,除了演讲之外,还可以有闭门会议、圆桌论坛,甚至是专题晚宴等,以便在更为轻松的氛围下进行交流。

InfoQ:作为 FCon 大会《金融领域数字化转型挑战探索》专题出品人,这个专题将解决业界的哪些问题和困惑?


李远鑫:关于数字化转型专题,核心问题是:数字化转型的最终目标是什么?


根据我的个人经验和感受,我认为其最终目的是推动业务转型,并实现企业战略。因此,数字化转型与业务转型应该是同步进行的,不可割裂。遗憾的是,很多企业在进行数字化转型时容易忽视这一点,导致转型难以落地。这也是金融机构数字化转型面临的主要痛点。为了解决这个问题,我们特地邀请了多位专家和金融研究院的院长,以及不同类型的金融机构代表,来分享他们的经验和看法。


内容方面,我们将从宏观和微观进行设计,主要以实践分享为主。宏观方面将探讨数字化转型的基础理念和方法,如何与顶层企业战略相承接,以及如何将这些战略通过架构思维落实到 IT 实施中。微观方面,我们将探讨各金融机构在转型过程中如何建设业务中台、数据中台和 AI 中台,以解决金融机构的各种痛点。特别是风险控制,这是金融机构最关心的一个话题。我们将深入探讨如何通过数字化手段实现有效的风险防控,尤其是在线上金融产品日益增多的情况下。


总体来说,这个专题旨在全面解决金融机构在数字化转型过程中遇到的难题,提供一种全面和深入的解决方案。

关于 FCon


首届FCon全球金融科技大会将于 11 月 19-20 日在上海举办。大会将围绕金融领域数字化转型挑战探索、DevOps 在金融企业落地实践、金融行业大模型应用、创新的金融科技应用、金融实时数据平台建设之路、金融安全风险管控、数据要素流通与数据合规等 10+专题进行交流。


目前大会邀请了汇丰科技中国区的代理总经理马国栋、度小满金融数据智能部总经理杨青先、蚂蚁集团副总裁 & 首席技术安全官韦韬博士、恒生聚源总经理吴震操担任大会联席主席。更多嘉宾仍在邀请中......


我们诚挚地邀请您加入我们,共同探索金融科技的未来,点击链接即可查看全部演讲专题。


目前 5 折 优惠购票,仅限前 100 人,咨询购票可联系:17310043226(微信同手机号)。

2023-09-15 17:565185

评论

发布
暂无评论
发现更多内容

机器学习的产业化变革中,华为云ModelArts的新成绩单

脑极体

Java 集合(8)-- ArrayList 源码解析

秦怀杂货店

Java 源码 集合 ArrayList

JDBC【2】-- 工作原理以及简单封装

秦怀杂货店

Java JDBC 工作原理

Java集合(3)-- iterable接口超级详细解读

秦怀杂货店

Java 源码 Iterator和Iterable 集合 iterable

SpringBoot系列(5)- 自定义配置

引花眠

springboot

踩了一个java命令行参数顺序的坑

AI乔治

Java 架构 stream

Scala语法特性(二):控制语句及函数方法

正向成长

Scala函数 Scala控制语句

高性能-Nginx多进程高并发、低时延、高可靠机制在百万级缓存(redis、memcache)代理中间件中的应用

杨亚洲(专注MongoDB及高性能中间件)

nginx memcached 分布式缓存 redis cluster 分布式数据库mongodb

第 4 周作业

Steven

极客大学架构师训练营

免费图床+CDN:GitHub+jsDeliver

jiangling500

GitHub CDN 免费图床 jsDeliver

架构师训练营第八周作业

四夕晖

常用Git命令速查手册

jiangling500

git

限流、熔断与降级

idonkeyliu

后台开发 熔断 限流 降级

Java集合(2)-- Iterator接口超级详细解读

秦怀杂货店

Java 源码 Iterator和Iterable 集合 Iterator

ARTS打卡 第23周

引花眠

微服务 ARTS 打卡计划 springboot

flink-sql流计算可视化UI平台

无情

sql flink 实时计算 平台

Mac 安装Homebrew慢的问题解决

秦怀杂货店

Mac homebrew

大量类加载器创建导致诡异FullGC

AI乔治

Java 架构 JVM GC

四周 习题与总结

水浴清风

Java 集合(5)-- Collections源码解析

秦怀杂货店

Java 集合 Collections

ARTS打卡 第24周

引花眠

微服务 ARTS 打卡计划 springboot

Java 集合(6.1)-- Collection 和Collections什么关系?

秦怀杂货店

Java collection 集合 Collections

Java 集合(4)-- iterable和iterator异同分析

秦怀杂货店

Java Iterator和Iterable 集合 iterable

Java 集合(7)-- List 接口源码解析

秦怀杂货店

Java List 源码 集合 java集合使用

Java 集合(9)-- Vector超级详细源码解析

秦怀杂货店

Java 源码 集合 ArrayList vector

JDBC【1】-- 初级入门之增删改查

秦怀杂货店

数据库 jbdc crud

面试官:Redis 主从复制时网络开小差了怎么整?

redis 学习 面试

在历史的天空重逢!大话鲲鹏上海记

脑极体

Java集合(1)-- 俯瞰Java集合源码以及分类

秦怀杂货店

Java 源码 Iterator和Iterable JAVA集合

Java 集合(6)-- Collection源码解析

秦怀杂货店

Java 源码 collection 集合 JAVA集合

JDBC【3】-- SPI技术以及在数据库连接中的使用

秦怀杂货店

数据库 spi

中邮消费金融李远鑫:如何用数字化搞定获客成本和用户运营难题?_银行_李忠良_InfoQ精选文章