1703907575
1703907576
1703907577
1703907578
1703907579
1703907580
1703907581
1703907582
1703907583
1703907584
1703907585
图3–11 淘宝指数
1703907586
1703907587
产生商业价值的多类型数据交叉分析不一定需要大数据分析技术。支付宝的复杂网络计算等数据挖掘技术实际上也都还在主流软件技术的处理能力之内。目前还处于大数据时代的早期，有些号称数据挖掘的产品其实还不能解决大数据环境下的数据挖掘。有的最多只能称之为机器学习系统，或统计分析、实验系统原型，有的解决不了海量数据的分析，有的精准度达不到要求，有的稳定性不行，实际上这些都算不上是大数据概念之下的数据挖掘技术。
1703907588
1703907589
由此可见，充分用好第三方支付机构较小但较丰富的数据，并合理地引入外部数据资源，丰富数据交叉分析维度，确实可产生很大的数据分析价值。第三方支付机构完全也可实现建立在小数据基础上的商业智能。
1703907590
1703907591
当然，随着移动社区向第三方支付领域的快速渗透，未来完全可能形成建立在以移动社区产生的大数据基础上的商业智能。届时，第三方支付机构已充分实现了小数据掘金。在此之外不能解决的分析需求，才有可能需要引入社交媒体等数据规模极大的数据源。一旦把社交媒体数据引入数据挖掘和分析，对现有硬件和软件都是极大的冲击。企业必须在需要与可能、成本与收益之间进行权衡与取舍。
1703907592
1703907593
总的看来，第三方支付充分用好小数据挖掘，未来根据形势发展适时开展大数据挖掘，是其推进商业智能发展、形成持续竞争力的可行路径。
1703907594
1703907595
小数据驱动的商业智能应用
1703907596
1703907597
数据挖掘技术能解决的典型商业问题包括：数据库营销、客户群体划分、背景分析、交叉销售等市场分析，以及客户流失性分析、客户信用记分、欺诈发现等。
1703907598
1703907599
对第三方支付机构获得的用户高附加值交易行为数据进行深加工，可对用户交易行为、交易信用、金融及衍生服务需求的规律做出准确的分析和预测。这种以交易为基础的小数据挖掘实现的商业智能主要体现在精准营销、信用中介两大领域。
1703907600
1703907601
精准营销
1703907602
1703907603
在市场营销领域，数据可以用来洞察用户，例如衡量用户的生命周期价值或者预测可能的购买行为，这对于企业正确决策并提升业绩至关重要。
1703907604
1703907605
市场营销追求商户曝光率，目标是提高用户转化率。市场营销既要不断形成新客户，也要发掘好老客户价值。数据量增加和质量增强，会提高存量用户的黏性，提高现有用户的每用户价值贡献率（APRU值），而且会因为市场营销吸引更多的新用户加入。电信、零售、商业银行、信贷机构等行业，均被评为数据智能和可用性提高10%，新顾客收入提升最大的十大行业之中（见图3–12）。
1703907606
1703907607
1703907608
1703907609
1703907610
图3–12 数据智能和可用性提高10%，新顾客收入提升最大的十大行业
1703907611
1703907612
第三方支付作为准金融机构，数据智能的效果与这些行业接近，这是由第三方支付数据的特征决定的。
1703907613
1703907614
第三方支付数据是交易达成之后的支付数据，能反映用户真实的消费选择。由于预算约束等原因，用户“想买”与“会买”往往并不相同。网页浏览、广告窗浏览等非交易数据，反映了用户对特定商品和服务的关注度或消费偏好。网上下订单的数据也反映了用户消费偏好，但订单信息还不是真实的交易信息。分析这些数据只能在一定程度上揭示用户“想买”什么。
1703907615
1703907616
而且，商户整体信息化水平存在差距，使大多数生活服务类营销优惠券的验证与支付系统脱节，难以确定用户对营销措施的真实接受程度。
1703907617
1703907618
只有支付数据反映了用户在自身预算约束和商户营销激励下，对特定商品和服务的最终选择才能揭示用户“会买”什么。通过真实发生的交易数据来洞察用户，可衡量用户价值或预测其可能的购买行为。把交易前的营销优惠数据与交易后的用户支付数据相结合，也能清晰了解什么样的营销激励水平对用户的购买有效。
1703907619
1703907620
例如，把第三方支付的交易行为数据，结合地理位置等信息，可从多个维度建立用户细分模型。通过深入挖掘用户属性、消费行为和偏好数据，结合交易行为所产生的用户价值观和生活方式、消费心理，投射出一个人的好恶特点，通过将对象特性、时间频次、购买数据用合理的模型进行分析，从而完成对消费者的消费取向和消费前景的预估。
1703907621
1703907622
以建立在支付数据上的用户模型分析为基础，结合商户的积分优惠、返点优惠等促销投放，就能达成最为精准的营销模式。这种方式能精确地将商品信息提供给比较准确的目标用户，帮助企业与客户之间建立优良的互动性。一方面，客户获得了更切合其需求，也更优惠的商品和服务，甚至更好地享受到了个性化的定制商品和服务。另一方面，企业极大提高了存量用户的黏性，提高现有用户的APRU值，进而通过口碑效应吸引更多的新用户加入。支付数据与商户和厂商的客户关系管理系统（CRM）的对接，也使销售目标更加准确，定制生产数据更加清晰，降低了企业生产和营销的成本。
1703907623
1703907624
可见，将支付数据贯穿市场营销全过程，利用数据工具控制和优化营销过程，可不断提升企业营销的投入回报率。