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。
1703907625
1703907626
信用中介
1703907627
1703907628
信用是金融的基础。第三方支付机构的实践表明，运用交易支付数据挖掘工具，遵循事后资本金原则，建立以交易为基础的信用机制具有可行性。这深刻改变了长期以来银行运用资本和资产数据分析工具，遵循事前资本金原则所建立起来的货币信用机制。
1703907629
1703907630
在商业和消费的发展过程中，赊销越来越成为商业和贸易主导形态，以及从“有钱才消费”转向“能还钱就消费”的消费形态，都会产生商品和服务流、支付流的时间差。信用融资就是为了解决这个时间差问题。先卖货再向上游收款的供应链交易或先支付后还款的消费形态，都需要相应的信用分析工具。
1703907631
1703907632
第三方支付机构具有很强的交易数据集中能力。不少第三方支付机构也深入为中小微企业提供业务管理软件等服务。因此，第三方支付机构掌握的支付数据，既包含交易金额、品种、数量、时间、地点、消费者等实时交易数据，也包含中小微企业经营现金流、库存、订单等交易管理数据。
1703907633
1703907634
把中小微商户在线支付交易的历史数据与即期销售数据、企业管理数据相结合，建立风控模型，并进行综合分析，可以判断商户在预期时间内有没有还款能力。这种以数据分析监控为主的风控手段，可以有效评估商户流动性风险，从而指导对商户授信和定价，并实现信用评级的批量自动化审批。
1703907635
1703907636
基于交易的风控模型明显优于传统的风控模型。基于交易的风控模型是数据和机器的学习模型，其非常鲜明的特点是建立了极短周期的支付交易数据与信用评级的反馈机制。交易是即期发生的，相应的平均贷款周期也缩短至几个星期甚至几天。在这种模式下，不良贷款会迅速暴露，电脑不断根据不良贷款情况和交易情况即时更新改进模型，从而将不良贷款控制在较小的比例。与之相比较，传统上以资产为基础的信用贷款周期在半年以上，对于风控模型的反馈和改进时间也会拉得非常长。
1703907637
1703907638
建立一个好数据模型来帮助判断借贷者是好还是坏，这意味着能以更低的利率进行贷款，从而大大降低了金融机构所需要的信用评级经营成本，提高放贷效率，同时又能很好地确保营利水平。
1703907639
1703907640
初始阶段，第三方支付机构对支付数据的小数据应用主要发挥了信用信息中介功能。第三方支付机构根据支付平台上的数据，梳理有贷款需求的用户，并向金融机构推介。而信用评级、贷款标准、贷款资金全部由金融机构定夺。
1703907641
1703907642
但由于传统金融机构仍未跳出事前资本金原则这一窠臼，授信依赖资产抵押、担保或质押，不太采信第三方支付机构对中小微商户的信用评级。譬如，阿里金融推荐100家商户，只有3家能被金融机构接受，大多数商户还是无法拿到贷款。因此第三方支付机构开始用自己的风险管理能力来区分商户，由第三方支付机构自己承担风险，为中小微商户提供信用支付、信用贷款、信用保理等服务。这时，第三方支付机构已承担了信用中介功能。
1703907643
1703907644
当前，第三方支付机构的小数据挖掘技术在信用方面应用的可持续性，还面临着两大挑战。
1703907645
1703907646
一是交易数据的可用性、真实性。数据的真实有效性是信用数据挖掘的生命线。现在有些行业“造假”盛行，其中包括交易流量造假。依靠单一维度的交易数据，构建信贷风险控制模型的有效性，遇到的最大挑战就是数据真实性。如果支付和交易数据存储过程中产生了系统性的数据失真，那么无论是小数据还是大数据，都难以创造信用挖掘价值。
1703907647
1703907648
二是经济下行期的系统性风险。目前阿里金融放贷的额度非常小，即使损失一笔5 000元的贷款，对第三方支付机构的信用中介业务影响并不大。但一旦进入经济下行期或经济危机时期，由于中小微企业对经济波动的抗风险能力低，极为可能出现一大批商户都还不了5 000元贷款的情况。这就会形成积少成多的系统性资金风险，超出第三方支付机构的资金承受能力。
1703907649