pos机用户画像 pos机使用人群调查报告

pos机用户画像 pos机使用人群调查报告

本文目录一览：

• 1、刷脸支付发展有多快？

• 2、你好，刷脸支付代理的相关咨询
• 3、打破常识，7-11的零售哲学-Day8/9宇宙公民高效阅读9期
• 4、[恒丰银行]基于大数据的精准营销模型应用
• 5、信用卡交易异常，银行是怎样发现的？
• 6、多门店新零售系统拥有哪些功能?

刷脸支付发展有多快？

刷脸支付的前景

刷脸支付的出现让人们的支付方式出 发生变革，扫码支付还需利用手机，而刷脸支付则从此摆脱了手机等支付设备的限制，更加的便捷快速，也帮助商家节省了人力成本，提升了工作效率，同时刷脸支付的出现也让创业者发现了商机。

自从去年12月份支付宝官方推出刷脸支付机“蜻蜓”一代，便开始在多个行业开始推广，逐步在日常出行、餐食饮料、零售等多个行业开始普及，并且得到了创业者的“钟爱”，原因就在于设备差/价、官方fan/xian以及fen/run收益，这三点使得刷脸支付成为了创业者眼中的香饽饽。在刷脸支付的这一风口之下，越来越多的人尝试加入刷脸支付的“竞争中来”。但是机会和风险是并存的，如果你真的想追一波刷脸支付的风口，建议你先从这几个方面评估下。

1、 考虑要求

从当下的局势来说，微信和支付宝花费巨额补贴用于刷脸支付的布局和推广，其落地速度及推广力度绝对不会小。但是首先需要了解刷脸支付行业的发展趋势及yingli模式，对比一下是不是合你胃口，你感不感兴趣，甚至问一问自己是否符合自己创业的初衷，如果是否定的，建议你不要选择刷脸支付这场局。

2、 分析环境

刷脸支付确实可以让商家节省人力提升工作效率，大对数商家也乐意接受，但是你需要对你所处地域有一个考察：比如当地市场如何？当地商家接受度如何？有没有竞争对手？这些都是对你的创业造成影响的因素。

3、 选择方式

加盟刷脸支付有两种方式:代理商和服务商，选择成为哪种模式入局刷脸市场，也很重要。服务商需要自己有外包的系统，有一定的技术、资金门槛，而代理商是成为服务商的下级，只负责市场推广，相对而言对于一般的创业者来说，代理商才是较好的选择。

4、 保持心态

创业有一个很重要的自身因素就是心态问题，创业总是存在着各种不确定性，资金、人力、运营都会存在各种风险，刷脸支付也一样，所以你必须做好充足的准备，保持一个良好的心态，如果说一碰到问题，就想着放弃，那趁早就不要选择进入这个行业。

刷脸支付确实是一大风口，但是对于你个人创业来说，所要考虑的还是挺多的，过程也是有一定难度的，乐客独角兽是一家支付宝刷脸支付的服务商，在这里创业者可以拿到代理权，所给予的收入也相对较高，最重要的是乐客会提供专业的培训和实战指导，假如你想入局刷脸市场，不妨通过乐客的帮扶脱离“单打独斗”！

首先非常感谢在这里能为你解答这个问题，我查阅有关资料，整理如下，让我带领你们一起走进这个问题，现在让我们一起探讨一下。在经历了“现金支付→POS机刷卡支付→手机扫码支付”的变迁后，人们的生活方式已经被支付手段革新带来的诸多便捷彻底改变。然而，之前的支付方式却仍旧没有摆脱硬件设备的桎梏，直到刷脸支付的到来，彻底将其颠覆。

刷脸支付核心靠的就是人工智能中的“人脸识别”技术。“人脸识别”技术可以对入店人群进行包括客流量、性别、年龄、表情、偏好等特征在内的精准分析，让用户画像更加清晰明确，从而优化商品配置提高转化率。

对于刷脸支付，并不是商户提出的，而是支付宝、微信等巨头企业在推动。特别是支付宝和微信，为了刷脸支付已经在开始全国推广。目前支付宝和微信都有对刷脸支付的“0费率政策”，刷脸支付机器免费赠送等活动。对于刷脸支付来看，正是支付宝和微信支付日前最为支持的项目。

无论是扫码支付还是“刷脸支付”都和我们每个人息息相关，支付行业的每一次变革，都将成为我们生活的转折点。但是不管移动支付怎么变，支付的核心是不会变的，那就是“安全”“便捷”。

刷脸支付也将为我们营造一个既安全又便捷的支付环境。未来三年，支付宝的30亿将会落实推动刷脸支付进一步普及。未来三年刷脸支付前景可期，刷脸支付代理项目将迎来爆发。

二维码扫码支付横空出世没多久，我们刚刚习惯扔掉现金的后现代生活，支付宝刷脸支付，支付宝却突然宣布：刷脸支付将接管扫码支付！

又一次，支付宝拿自己得心应手的技术开刀，把自己的命无情地革掉了！

没有办法，在支付宝的刷脸支付面前，目前的扫码支付只是个孩子！

更快：只需1秒完成你的脸部扫描，整个购物支付过程不到10秒！

更简单：不需要扫二维码，支付宝刷脸支付加盟，甚至不需要带手机。因为你的脸就是支付ID，在你选择完商品后，点击刷脸支付，支付宝就会自动识别你的面部，从你的支付宝账户中扣款！更省事：对于对手机操作不熟练，特别是不方便拿手机的人而言，刷脸支付简直不能更方便！

更安全：

支付宝的刷脸支付采用的是新的3d人脸识别，支付宝刷脸支付，结合硬件和软件双重检测，能够99.9地判断真实用户。

那么，支付宝的这个新功能要多久才能在全国范围应用呢：只要一年！

一年后，我们将抛弃现在侵入我们生活的扫码支付，迎来更加方便的刷脸支付！

支付宝的3D结构光技术来自蚂里奥

根据蚂里奥的CPO张兼所说，从原理上来讲，3D结构光的技术是非常简单的，仅仅需要一个点阵投影仪，通过高精度编码的图案投射到空间中，再通过一个普通的传感器把这些信息感知回来，再经过分析就能得到一个精准的3D信息。

但是实际上，结构光的技术门槛非常高。这里面包括高精密光学的工艺，因为在结构光里面需要对数万个精密的点阵进行高精度编码，以及对形状进行绘制，所以在光学整个系统设计上和传统光学产生了巨大的差异，这就要求对传统光学的设计能力进行质的提升，支付宝刷脸支付代理价格，由原来只需要做到微米级的加工技术，但是在3D结构光技术里面需要做到纳米级的加工。

从2D到3D，刷脸支付只会更安全。张兼说：“3D初衷很简单，就是利用一个通过对空间三维信息重新感知，可以把三维世界还原出来。利用这样一个简单原理，就会比2D带来更丰富更的信息，也极大提高了安全程度。”

对于寻求创业机会或者转型的企业家和个人来说，刷脸支付代理项目是一个很好的创业新机遇。

刷脸支付的发展有多快？现在刷脸支付的场景已经不是只有商超了，金融、安防、交通、教育、饮食等等领域都在实行试点，相信不久后就是更加便捷的刷脸时代。

前段时间刷脸支付甚至已经走进校园食堂，杭州第十一中学成为了第一个吃螃蟹的人，学生只需点好餐往刷脸设备上看一眼，点个确认就可以完成点餐过程。

之后江西的乐平中学也在学校餐厅安装了刷脸支付设备，并通知学生尽快绑定认证刷脸。甚至校方还将教师工资代发也交给了刷脸支付，也不知该校的财务是当了甩手掌柜还是被迫转行。132

当年刷脸吃饭的笑话如今也成为现实。只是还不能做到靠颜值打折，这点有待提高，嗯。

刷脸支付走进校园食堂，不仅降低了人工和运营成本，更提高了学校的后勤信息化水平。7500

一部分地方已经实行越来越快了

刷脸支付发展很快，现在超市，自动售卖机，金融，交通，通信，都在发展刷脸支付[呲牙][呲牙]

你好，刷脸支付代理的相关咨询

在经历了“现金支付→POS机刷卡支付→手机扫码支付”的变迁后，人们的生活方式已经被支付手段革新带来的诸多便捷彻底改变。然而，之前的支付方式却仍旧没有摆脱硬件设备的桎梏，直到刷脸支付的到来，彻底将其颠覆。

刷脸支付核心靠的就是人工智能中的“人脸识别”技术。“人脸识别”技术可以对入店人群进行包括客流量、性别、年龄、表情、偏好等特征在内的精准分析，让用户画像更加清晰明确，从而优化商品配置提高转化率。

如果是打算选择企业的话得好好甄选：

一是看加盟费，合适的加盟费可以降低你前期的投入

二是看政策，好的政策有助于代理进行推广

三是看费率，利润是从费率差中来的

四是看公司和团队，建议实地考察

如果想深入了解我们也可以互相探讨，希望能对你有所帮助！

打破常识，7-11的零售哲学-Day8/9宇宙公民高效阅读9期

21｜100本

7-11是我非常喜欢的一家便利店，我在日本的时候发现，在同一个区域当中就会有很多家7-11，他给我的生活带来了极大的便利，包括在国内我也是非常喜欢7-11，每一次我都要去日本的7-11便利店，吃他的三明治，美味的三明治也给我留下了深刻的印象，包括它的ATM机的服务，因为目前在我们国内我还没有看到任何一家便利店可以提供ATM机的服务。我们国家很多ATM机都是放置在商场包括一些公共场合，还有一些临街的店铺，或者是银行旁边，那为什么没有像7-11这样提供银行的服务，或许这也是我们可以值得深入思考的一个点。

这本书的作者是铃木敏文，他也是7-11便利店的创始人，结合了40多年零售经验，通过这本书我也非常想看到一位伟大企业家的成长史，他是怎么样从一位普通的员工，进而成为了7-11创始人，这篇文章一共有8章。前面4章的内容，是我今天的阅读所得。

打破常识。

里面有一个非常关键的点，需要有竞争者，在我自己的撒哈拉酒店的项目当中，我一直强调的是我要做第1家星空帐篷酒店，所以我竭尽全力想成为当地的第1家，因为第1家的名气好大，我的想法是我将没有任何的竞争者，我就可以坐拥市场，但是看完这本书，包括之前说的森林效益，假设是一棵树木它在一个空旷的地方孤独的生长，那么它很快就将枯萎，必须是在森林里面和别的树木共同成长，才能够去充分的吸收养分，成长为秀木。经营在于方式方法，任何一家企业的经营的核心，就是产品的品质和服务的内容，与店铺规模大小并无直接关系。7-11的创立是在一个被大的临街商铺所排挤的时代，在那个时期创始人在美国进行考察，他发现了这么一个开设零售业务的商店，从而希望可以把这个业务引进到日本，在非常艰难的一些谈判之后，他终于将7-11概念店引进到了日本，并且在两年时间从一家做到了100家的数量，而在这个过程当中它非常注重的一点就是密集型战略选址，所以这就是为什么我们会在某一个地方看到很多家的7-11，当然第1个品牌效益2，加快配送效率，3，广告促销事半功倍。据我所知7-11最有效的是它的物流体制，商品配送，他们都是每天在半夜的时候进行商品配送，因为这个时候没有，这个时候客人比较少，首先他们是建立了同一地区同类厂家混装，之后他们在也建立起了配送中心。

不受历史经验的牵制，其实我也可以理解为是打破思维定势。

7-11日均营业额为什么总是领先于其他的连锁便利店？一，始终贯彻密集型选址战略，二，具备产品研发与供应的基础体系，三，注重与员工的直接沟通。在这里说的沟通是指的是双向沟通，因为单向的沟通得不到回馈是没有意义的。在我们眼中，真正的竞争对手并不是其他品牌的便利店，而是不断变化的客户需求，我们要盯住客户而不是竞争对手，真正的满足客户的需求，7-11的主要的管理方式是开会。存在各种具有不同导向的会议，比如管理层的经理会议，针对店铺经营顾问的区域顾问会议，并且每次会议的主题，创始人只会问两个问题。1，必须掌握每种产品的销售动向，建立假设并以真实的数据验证，从而提高订货的精准度，贯彻单品管理。2，门店和员工自身都要根据顾客不断变化的需求做出改变。为了快速的成长，我们都需要积极的应对变化，将自己置身于信息当中，通过演讲获取灵感，这也是创始人的不二法则。

零售的哲学，做不了基础工作的人，也无力发起革新；只要有发现问题的意识，有效的信息自然就会出现，不要随口，说出数值目标。铃木敏文的经营思考法则，企业必须依靠自身的智慧建立可持续发展的事业，判断一项事业是否具有可行性，更应该从消费者的立场出发，以消费者的试点深入考察是否符合需求。所以在这个基础上，7-11便推出了开设银行业务的想法，当然他的这个银行业务主要是以结算为主，并不涉及到融资，因为通过开设ATM机的银行业务也极大的提高了盈利。开设银行业务，实现了三年内盈利的目标，当然这也是开店量达到一定数量后引起的质变，进店的顾客呈现出井喷式的增长，并且因为7-11提供的银行服务的新价值得到了顾客的充分认可。在这个过程当中，因为得到很多人的反对意见，所以并且执行起来难度系数非常大，在这个过程当中领导者必须要有必赢的信念。零售的哲学：越看似赚钱的事业越容易饱和，只要信念坚定就不会做出错误的判断，理性上的认识和情感上的接受同等重要。

消费者所追求的是品质。

比起价廉，消费者更喜欢物美，也就是我们常说的顺应消费者的需求，使其有价值感。在这个基础上7-11也诞生了自有品牌，产品的研发力，他从最初的几十种产品到现在的1700多种，在不断的成长研发产品的过程当中，利用科学数据的打造美味具象，集中专家的力量，来解决产品美味不足的问题。在这里我觉得可以学习他的这种方法如何将一个饭团做成美味的饭团，他比方说红豆饭团，当他吃起来的时候，他感觉是红豆没有糯糯的感觉，所以，他将红红豆饭团的成分拆分一分解，是哪一个成分缺乏这种糯的感觉，然后再重新制定流程，用科学的数据比例让它达到糯的感觉，这也就是他所说的，美味巨像，我觉得这个概念可以用到旅游产品当中。

消费即是心理战。

在这里学习到了一个非常好用的一个工具，就是假设执行验证法。对于新零售来说产品滞销的原因，大家会想，可能是因为经济不景气，消费者捂紧口袋，但是我仍然记得有一年金融危机的时候，的确大家购买大宗房产的，销售是下降的，但是像一些小额商品如口红，消费量大幅度上升。当人们吧捂紧自己口袋的时候，他不能够去购买一些高消费的产品，那他必然会转向为一些低消费的产品，而对于新零售的产品来说呢，大多是满足自己生活基本需求的，所以有些产品滞销，生意萧条的原因只有一个，就是现在的工作方法已经没有办法满足时代和消费者需求的变化。

非常有意思的是，我在这里看到了关于pos机的应用系统，原来在70年代的时候，seven eleven，它更多的是还是在采用非常古老的手写记录，销售好的产品和记录，滞销的产品，而随着工作量越来越大，创始人引进了pos机的，笔式扫描收银台，在这种情况下，扫码一气呵成，非常简单的就可以采集数据，通过结算的pos机系统还可以准确的掌握单品管理。这样的话，在第2天时候，假设第2天的天气情况，假设在旅游旺季，在这种情况下，对于即将迎来高消费的产品，可以做一个增加的需求。

消费是一场心理战。 在这里也发现一个社会跃迁的一个动态，日本从最初的高速经济发展到缓速阶段，对于国民来说，他们更多的不不仅仅是关注于物质，更多的是关注于个人的，自身的价值的体现和发展，日本人已经习惯了物质丰厚的社会，比起像过去一样拼命工作，他现在的价值观更倾向于以自我为中心的生活。

如果可以了解到日本国民的这个国民性，以及在思维上充满了矛盾的两面性，即使身处物质丰富的时代，也不愿意轻易掏出钱包，虽然生活物欲却对差别现象尤其敏感。在这种情况下，揣摩顾客的心理，捕捉产品的需求，不能只看表面现象，必须要分析社会现状，本质才能浮出水面。

虽然说消费的形态，表面上看上去是多样化，但是其实反倒具有统一化的特点。特色饭团为何能成为热销产品？在市场越来越趋于饱和的状态下。面对通缩宏观经济环境，各个公司都陷入了大幅度降价的恶性循环，比如说麦当劳推出了工作日半价的促销，而7-11虽然也有定价为100和120日元的饭团，并且由于价格战烂企业陷入了技术产品热销，也没有任何利润的恶性循环，所以呢，当时提出了，特色饭团，特色饭团是使用了比普通饭团更为高端的食材，并且定价更为高，事实证明呢，无论经济如何的不景气，消费者购买产品的动机也不会只是停留在价格便宜上面，比起价格产品的新价值，口味更好的体验更能促进消费者购买的意愿。所以，在产品过剩消费饱和的时代相比，价格的高低产品是否具有新的价值，才是决定购买行为的关键。这一点也说明，不是为了顾客，而是要站在顾客的立场立场上考虑。

经营理应朝立夕改。只有让人觉得新鲜和出人意料的产品才能吸引消费者的眼球，不过在消费饱和的时代，像过去一样只在表面做文章的心意，已经不足以撼动消费者的心，除了对品质的严格要求，还需要具备绝无仅有的压倒性优势。所以seven eleven将应有的经营姿态重新定位近距离的便利，为了实现便利店作为生活基础设施，他们有专门的，各种各样的送货结构，让我印象深刻的就是，在走进顾客当中，他们从等待型变成了进攻型，然后在空间上的不断贴近，采用了对专门针对中老年人群体的seven meal以及轻松送，并且在对用户画像的这一个部分，7-11做得更加的细致，他的要求推销手段必须根据客户的生活，年龄，性别，爱好，甚至居住区域举办的节日庆典等所有的相关数据，一一对应的分析客户需要怎样的产品和服务？

还有一个是关于网络与实体店相融合，在现在这个网络化的世界当中，实体的店铺越来越在遇到了危机在减少。利用网络媒介可以给用户种植心铆。从而引导用户在线上线下的购物活动。7-11除了有ATM机，银行业务的功能，并且他将作为生活基础设施的新角色，提供复印打印服务，根据不同的区域，还有公共事业费用的代收服务，税金的缴纳服务，当然在未来的时候希望可以提供更大的空间，让更多的人聚在一起。

应对变化是基本原则。

这个世界上最大的不变就是一直在变化，关注时代和社会的变化，创造出独一无二的产品，构建出差异化的生活模式。3点保持稳步成长的理由：坚持应对社会和时代的变化，全体员工时刻发现，时刻保持发现问题的意识，建立各种建立假设挑战各项业务。经营陷入低谷的企业经常会有两个特征，沉迷于过去一帆风顺的，成功经验永远不愿意做出改变。二，一味的想要出奇制胜，却目光短浅，只顾眼前的利益。在美国南方公司衰败的案例当中。也归结于直接原因是多元化的扩张的失败，但是本质性原因是因为主营业务的脆弱性，才是其事业失败的致命根源。

我联想到我的创业项目当中。之前想过很多种扩展项目的一些方式方法，包括因为产品的单一性，我准备增加线路以及因为高单价的产品，准备铺设低单价的引流产品来吸引客户群体。在这个过程中，比如我当时想到的，分享好物，从摩洛哥进口一些摩洛哥的商品来销售，但是后面我很快就把这个念头放弃了，从海外进口有特色的产品，你更多的会有一些额外的成本支出，比如说采购，比如说运输物流仓储，增加了太多的额外的一个项目，对于轻资产创业的人群来说，最好的是，把你的核心价值释放出来，所以我可以通过分享好物这么一个内容版块的介绍，推荐更多的人去摩洛哥进行观光旅行。

当事业发展到一定阶段，子公司的业务竟然超过了母公司，如果这个时候母公司还通过固有的结算方式来获得分红造成了与实际不符的，过高估值，长此以往，必然会存在隐患，所以在2005年三分一来进行了SI控股集团成立。为了保持企业的活力，必须要以激烈的手段进行彻底的改革，将各个企业改造成为更有灵活性的组织，并且决定事业成败与否的关键因素在于人。

7-11这家公司始终是一家不断主动做出改变的公司，经营的本质，无论在哪个国家都大同小异，如果是要改革需要从全盘否定开始，妥协即是终结。

再次打破常识。

在7-11不断的成长过程中，他们也逐渐将企业扩张到了海外。在海外，捕捉目标国家的社会形势，居民生活需求的变化，提供与之相契合的产品和服务seven eleven这一应对变化的经营策略，放之四海而皆准。并且将产品研发从日本的本土产品研发走向了全球化的研发，最后是关于创始人铃木敏文的个人的一些感悟，40多年以来从事零售行业，正如很多人会问到你为什么喜欢现在这份工作，很少人会说，因为我喜欢或者是这是我的天赋吧，可能70%的人对目前的工作抱有不满，但又因为是自己的选择，然后咬紧牙关，努力做到最好，这是职场人应该有的态度，当然在这个过程当中，我学习到的比较重要的一个点是，思维定势的改变，我们不能够，因为以往曾经取得过一些成功的经历，马上就会认定这是关键点，沉浸于过去的经验当中自我满足的这种惯性思维是不可取的。而这个思维惯式，需要传承变化，那我们就是可以会理解为工作建立于经年累月的挑战，做判断时不会再受外界的干扰，一定要打破自己的思维定势和认知盲区。

7-11零售业巨头，这家零售店的已经在我们的生活当中随处可见，他也真正在履行他作为满足消费者一站式需求的一家零售店，而目前在疫情到来很多企业做出改变，也是值得我们深思的。比如，钱大妈不卖隔夜菜，在最开始的卖菜的基础上，现在也逐渐开始开启了卖水果，卖干货，卖零食，最好的当然了，他始终贯彻的就是最重要的一点，不卖隔夜菜，不隔夜，新鲜，吸引了大批的客户。包括在疫情期间中石化推出的在加油站易捷便利店的买菜服务，还有前段时间我看到，卖水果的百果园也推出了卖菜的服务。

在当今社会不断变化的趋势下，如果不能够紧跟时代的潮流，不断的去适应时代的发展和满足消费者的需求，企业必然不能长足的发展下去，而通过阅读这本书，我也在深深思索，在我的行业领域当中，我希望打造小众的旅行，带领更多的精致人士去领略小众的风景，在这么一个过程当中，对于我来说对产品把握的一个严苛度，对产品把握，提高，提供一个符合满足消费者需求高品质的产品，也势在必行，并且将用户画像，客户群体准确精准划分，这样或许我才能够抓到我更精准的客户群体，又是一次值得深思的课程。

[恒丰银行]基于大数据的精准营销模型应用

【案例】恒丰银行——基于大数据的精准营销模型应用 ;timestamp=1500159788ver=1signature=pCHfpePVrKXUGp39JEg577lopIPT9KCdx9FqIL2LbRmunZMQ-86itFcexY XKcX3Vb1ypwGo8v0IU6fkNgcs QIafGAccsZFmMb6yBYcuPdqH63EKBvL88BGFaUrBBPQl0v*mpgzYxrTCkcaJGaX2iIFRHZEDNCmuM0qhqqN294=

本篇案例为数据猿推出的大型 “金融大数据主题策划” 活动 （查看详情） 第一部分的系列案例/征文；感谢** 恒丰银行** 的投递

作为整体活动的第二部分，2017年6月29日，由数据猿主办，上海金融信息行业协会、互联网普惠金融研究院合办，中国信息通信研究院、大数据发展促进委员会、上海大数据联盟、首席数据官联盟、中国大数据技术与应用联盟协办的 《「数据猿·超声波」之金融科技·商业价值探索高峰论坛》 还将在上海隆重举办 【论坛详情】 【上届回顾（点击阅读原文查看）】

在论坛现场，也将颁发 “技术创新奖”、“应用创新奖”、“最佳实践奖”、“优秀案例奖” 四大类案例奖

本文长度为 6000 字，建议阅读 12 分钟

如今，商业银行信息化的迅速发展，产生了大量的业务数据、中间数据和非结构化数据，大数据随之兴起。要从这些海量数据中提取出有价值的信息，为商业银行的各类决策提供参考和服务，需要结合大数据和人工智能技术。国外的汇丰、花旗和瑞士银行是数据挖掘技术应用的先行者。在国内的商业银行中，大数据的思想和技术逐步开始在业务中获得实践和尝试。

面对日趋激烈的行业内部竞争及互联网金融带来的冲击，传统的上门营销、电话营销，甚至是扫街营销等方式跟不上时代的节奏。利用精准营销可节约大量的人力物力、提高营销精准程度，并减少业务环节，无形中为商业银行节约了大量的营销成本。

虽然恒丰银行内部拥有客户的基本信息和交易等大量数据，但是传统的营销系统并没有挖掘出行内大量数据的价值，仍然停留在传统的规则模型。当下，恒丰银行接入了大量的外部数据，有着更多的维度，如果将内部数据与外部数据进行交叉，则能产生更大的价值。客户信息收集越全面、完整，数据分析得到的结论就越趋向于合理和客观。利用人工智能技术，建立精准营销系统变得可能且必要。

恒丰银行基于大数据的精准营销方案是利用大数据平台上的机器学习模型深入洞察客户行为、客户需求，客户偏好，挖掘潜出在客户，实现可持续的营销计划。

周期/节奏

2016.4-2016.5 完成需求梳理和业务调研，并在此基础上进行总体方案设计。

2016.5-2016.8 整理银行内、外部数据，根据营销需求制定客户标签和设计文档，实施用户画像。

2016.8-2016.10 在用户画像的基础上，构建理财产品个性化推荐系统。其中包括个性化推荐算法调研，模型对比等一系列工作。

2016.10-2017.1 客户需求预测并对客户价值进行建模，并完善整合精准营销应用模型。

2017.1-2017.3 用户画像、个性化推荐、客户价值预测等精准营销模型上线。

客户名称/所属分类

恒丰银行/客户管理

任务/目标

根据零售业务营销要求，运用多种数据源分析客户行为洞察客户需求，实现精准营销与服务，提高银行客户满意度和忠诚度。

针对不同的客户特征、产品特征和渠道特征，制定不同市场推广策略。为了完成以上任务，主要从以下几个方面构建精准营销系统：

1.用户画像： 结合用户的历史行为和基本属性给用户打标签。

2.精准推荐系统： 给用户推荐个性化理财产品， 例如在微信银行中给每个客户推荐他喜欢的产品，帮客户找到其最适合的产品，增加产品的购买率。

3.需求预测和客户价值： 新产品发售的时候，找到最有可能购买该产品的客户，进行短信营销，进而提高产品响应率。客户价值精准定位，根据客户价值水平制定不同的推荐策略。银行通过计算客户使用其产品与服务后所形成的实际业务收益，充分了解每一个客户的贡献度，为管理层提供决策支撑。

挑战

项目实施过程由用户画像，精准推荐系统，需求预测和客户价值建模三部分组成，采用TDH机器学习平台Discover所提供的算法和模型库进行开发和验证。

（一）用户画像的建立

客户标签主要包含客户基本属性，客户等级标签，客户偏好标签，客户交易特征，客户流失特征，客户信用特征，客户终身价值标签，客户潜在需求标签。

（二）精准推荐系统的建立

由于系统复杂，且篇幅有限，仅对其中最重要的理财推荐系统做详细阐述。精准推荐系统架构图如下。

2.1业务问题转化为机器学习问题

业务问题

银行理财产品个性化推荐给客户。 例如在微信银行中给每个客户推荐此客户喜欢的产品，帮客户找到其最适合的产品，增加产品的购买率。

将业务问题转化为机器学习问题

理财产品种类繁多，产品迭代速度很快，客户在繁多的产品中不能快速找到适合自己的产品，因此有必要建立一个自动化推荐模型，建立客户理财偏好，给客户推荐最适合的产品。

将银行理财产品推荐业务问题转化为机器学习问题，进而利用人工智能技术提高推荐产品的点击率和购买率。例如在恰当的时间，通过用户偏好的渠道给用户推荐产品，推荐的结果为用户购买或者未购买。这个问题可以看作一个典型机器学习二分类问题：基于历史营销数据来训练模型，让模型自动学到客户购买的产品偏好，并预测客户下次购买理财产品的概率。对模型预测出所有客户对所有产品的响应概率进行排序，可选择客户购买概率最高的topN个产品推荐给客户。

下面将叙述如何构建该推荐预测模型。

2.2数据源准备

在建立的一个理财推荐模型之前，可以预见到相似的客户可能会喜好相似的产品（需要表征客户和产品的数据），同一个人的喜好可能具有连续性（购买历史交易数据，包括基金国债等），他的存款、贷款资金可能决定了他能购买什么档次的理财等等。因此，我们需要准备以下数据。

客户基本属性：客户性别，年龄，开户时间，评估的风险等级等等。

产品基本属性：产品的逾期收益率，产品周期，保本非保本，风险等级等。

客户购买理财产品的历史：在什么时候购买什么产品以及购买的金额。

客户的存款历史： 客户历史存款日均余额等。

客户的贷款历史： 客户历史贷款信息等。

客户工资：客户工资的多少也决定了客户购买理财的额度和偏好。

用户画像提取的特征：用户的AUM等级，贡献度，之前购买基金，国债的金额等。

2.3特征转换和抽取

有了这么多数据，但是有一部分特征是算法不能直接处理的，还有一部分数据是算法不能直接利用的。

特征转换

把不能处理的特征做一些转换，处理成算法容易处理的干净特征。举例如下：

开户日期。就时间属性本身来说，对模型来说不具有任何意义，需要把开户日期转变成到购买理财时的时间间隔。

产品特征。从理财产品信息表里面可以得到风险等级，起点金额等。但是并没有标志这款产品是否是新手专属，是否是忠诚客户专属。这就需要我们从产品名字抽取这款产品的上述特征。

客户交易的时间信息。同客户的开户日期，孤立时间点的交易信息不具有任何意义，我们可以把交易时间转变为距离上次购买的时间间隔。

特征抽取

还有一部分数据算法不能直接利用，例如客户存款信息，客户交易信息。我们需用从理财交易和存款表中抽取可能有用的信息。

用户存款信息：根据我们的经验，客户购买理财之前的存款变动信息更能表明客户购买理财的真实想法，因此我们需要从客户历史存款数据抽取客户近三个月，近一个月，近一周的日均余额，以体现客户存款变化。

客户交易信息：客户最近一次购买的产品、购买的金额、及其相关属性，最近一个月购买的产品、购买的金额及其相关属性等等。

以上例举的只是部分特征。

2.4构造、划分训练和测试集

构造

以上说明了如何抽取客户购买理财的相关特征，只是针对正样本的，即客户购买某种理财时候的特征。隐藏着的信息是，此客户当时没有购买其他在发售的产品。假设把客户购买了产品的标签设为1，没有购买的产品样本设为0，我们大致有如下训练样本（只列举部分特征）。

其中客户是否购买产品是我们在有监督训练的标签，也就是我们建立的是一个预测客户是否会购买产的模型。

划分训练集和测试集

考虑到最终模型会预测将来的某时间客户购买某种产品的概率，为了更真实的测试模型效果，以时间来切分训练集和测试集。具体做法如下。假设我们有2016-09-01 ~ 2017-03-20 的理财购买相关数据。以2016-09-01 ~ 2017-03-19的理财交易数据作为训练，2017-03-20这一天的客户对每个产品是否购买的数据作为测试。以2016-09-01 ~ 2017-03-18的理财交易数据作为训练，2017-03-19这一天的客户对每个产品是否购买的数据作为测试，以此类推。

2.5模型训练

根据提取的特征，组成样本宽表，输入到分类模型，这里选择了TDH平台机器学习组件Discover所提供的近百个分布式算法进行建模和训练，同时我们还使用了特征的高阶交叉特性进行推荐的预测和分析。

2.6模型评估

评价推荐好坏的指标很多，比较常用的有

1.ROC曲线下面积（AUC）

2.logloss

3.推荐产品第一次命中rank的倒数（MRR）

4.TopN

针对银行的理财推荐实际业务，客户当天绝大多数是只购买了某一款理财，MRR(Mean Average Precision 的特殊情况)能反应这种情况下推荐的好坏。另一种直观的评价指标是TopN，假定我们只推荐N个模型认为客户最有可能购买的产品，并和真实情况比较，就能得到当天推荐的结果的混淆矩阵，TN，TP，FN，FP，recall，precision等。

我们在生产上验证了最近十天的推荐效果，即测试了2017-03-20， 2017-03-19，…… , 2017-03-11等十天的推荐效果，以下是这些结果的评价。

AUC

Logloss

MRR

0.89

0.45

0.78

也可以把新客户（之前没有购买理财）和老客户（至少购买过一次）分开评估效果。 新客户的购买占了整个理财购买的1/3 以上。

测试新客户的预测效果，可以看出模型对冷启动问题解决的好坏。

对新客户的预测效果

AUC

Logloss

MRR

0.80

0.73

0.32

对老客户的预测效果

AUC

Logloss

MRR

0.92

0.38

0.88

2.7模型优化

1.上线之前的优化：特征提取，样本抽样，参数调参

2.上线之后的迭代，根据实际的A/B testing和业务人员的建议改进模型

（三）需求预测和客户价值

“顾客终生价值”(Customer Lifetime Value)指的是每个购买者在未来可能为企业带来的收益总和。研究表明，如同某种产品一样，顾客对于企业利润的贡献也可以分为导入期、快速增长期、成熟期和衰退期。

经典的客户终身价值建模的模型基于客户RFM模型。模型简单的把客户划分为几个状态，有一定意义但不一定准确，毕竟RFM模型用到的特征不全面，不能很好的表征客户的价值以及客户银行关系管理。

为了方便的对客户终身价值建模，有几个假定条件。其一把客户的购买价值近似为客户为企业带来的总收益，其二把未来时间定义在未来一个季度、半年或者一年。也就是我们通过预测客户在下一个时间段内的购买价值来定义客户的终身价值。因此，我们将预测的问题分为两个步骤：第一步预测这个客户在下一个阶段是否会发生购买（需求预测）。第二步对预测有购买行为的客户继续建模预测会购买多大产品价值。

3.1需求预测

提取客户定活期存款、pos机刷卡、渠道端查询历史等特征，以这些特征作为输入预测用户在当前时间节点是否有购买需求，训练和测试样本构造如下：

1.历史用户购买记录作为正样本。

2.抽样一部分从未购买的理财产品的用户作为负样本集合Un，对于每一个正样本Un中随机选取一个用户构造负样本。

3.选取2016.04-201610 的购买数据作为训练样本，2016.11的数据作为测试样本。

使用机器学习算法进行分类训练和预测，重复上述实验，得到下列结果:

AUC: 0.930451274

precision: 0.8993963783

recall: 0.8357507082

fmeasure: 0.8664062729

进一步对客户分群之后，可以更好的对新客户进行建模，对于老客户我们可以进一步提取他们的历史购买特征，预测他们在下一段时间内购买的产品价值（数量，金额等），对于新客户，可以进根据他的存款量预测其第一次购买的产品价值，把存款客户变成理财客户。通过分析客户存款变动于客户购买理财的关系，我们发现客户购买理财的前一段时间内定活期的增加的有不同的模式，如下图。

根据需求预测模型，我们给出新客户最有可能购买的top N 列表，然后由业务人员进行市场推广。

3.2客户价值预测

进一步预测有购买需求的客户的购买价值高低。这是个回归问题，但是预测变量从二分类变量变为预测连续的金额值。训练的时候预测值取训练周期内（一个月或者季度）客户所购买的总金额。

算出客户的当前价值（即当前阶段购买的产品价值）和未来价值（预测的下一个阶段的客户价值）可以帮助我们鉴定客户处于流失阶段，或者上升阶段，或者是稳定阶段。当前价值取的是当前时间前三个月的交易量。对流失阶段高价值客户可以适当给予营销优惠，对于有购买意向的客户适当引导。如下图所示。

结果/效果

一是提高银行营销准确性。随着客户不断增加，理财产品也在不断推陈出新，在实时精准营销平台的帮助下，银行从以前盲目撒网式的营销方式转变到对不同客户精准触达，提高了理财产品的营销成功率，降低销售和运作成本。理财产品推荐的上线以来，产品推荐成功率比专家经验排序模型最高提升10倍。

二是增加银行获客数量。精准营销系统洞察客户潜在需求和偏好，提高了银行获取目标客户群的准确率。从数百万客户中,通过机器学习模型,找到最有可能购买产品的客户群，通过渠道营销，实现响应率提升。相比传统盲发模式，发送原38%的短信即可覆盖80%的客户。

通过构建基于大数据的精准营销方案，恒丰银行深入洞察客户行为、需求、偏好，帮助银行深入了解客户，并打造个性化推荐系统和建立客户价值预测模型，实现可持续的营销计划。

信用卡交易异常，银行是怎样发现的？

作为银行从业人员，结合自身工作经历，讲一下我的观点： 根据监管要求，各家银行均设有大额监测系统，定期向人民银行反洗钱数据监测中心报送数据。

01，什么是交易异常

交易异常通常是在不合适的时间不合适的地点发生不合适的交易。

银行认定交易异常的行为，一般发生在深夜或凌晨且数额特别巨大，也可能是短时间频繁刷卡且相邻两笔交易分别发生在不同地点。

比如你晚上八点在北京老莫刷卡消费吃西餐，八点十分你又跑到郑州新密刷卡消费吃烧烤，这就是交易异常。

这些交易产生以后，银行大额监测系统自动报警，提醒值班工作人员拨打客户电话确认。

02，银行风控

对于银行来说，系统认为该笔交易有异常会提醒工作人员核实，工作人员拨打你的预留手机，确认无误后就放行。

现在卡片都是芯片卡，复制难度大，客户警惕性也很高，不明链接一般不点，这种电话一个月也打不了几个！

03，客户体验

异常交易确认电话让客户交易更放心，这一点我深有体会。17年陪着朋友在4S店买车，刷了交通银行信用卡两万元整（销售哭了，手续费100多）。当时激动手一滑，密码输错了，紧跟着又输一遍正确的，刚签完字银行电话就来了，MM说我的交行信用卡有一笔2万元消费需要本人确认，我说买车呢！人家说句用卡愉快就挂电话了。事情虽然不大，但是让人感觉很安全。

04，违法套现

银行不会因为套现给客户打电话，这种行为不好认定。

现在很多商铺或者个体户办理了第三方支付POS机，这种机器不能自定义商户，只能由系统智能匹配商家。于是出现客户在服装店买衣服，但是小票上显示KTV消费的情况。

总结：

异常交易行为银行大额监测系统会自动识别，作为客户我们要做的是理性消费，真实交易不套刷。

欢迎大家关注@张嘴说 财经 ，我会定期更新优质内容！

一般都是通过定位你的消费地理位置有大的跳动，5分钟前在北京，5分钟后就去上海了，这样的就不用说了除非你资质很好要不然绝对封你的卡，还有一种是大额消费太多金额相同，还有小费场景与金额太不符合，好比说你去小超市消费好几千几万的，这也不现实，所以银行就会风控你的，情节严重金额较大会定义为恶意套现的好自为之！

我们平时在在购物时，使用信用卡非常方便，当然现在有了支付宝微信后，信用卡的使用地或许少些。然而我们在使用信用卡的时候，有时是不是会收到银行的风险提示短信，或者是电话核实。

银行是怎样发现信用卡消费存在风险隐患呢？

一：在线交易监控系统

大家都清楚信用卡这玩意是信用体系出现后的产物，主要是根据个人的信用办理。目前的信用体系还不够完善，商家、个人在使用体系的时候，会出现一定的风险，所以为了保障资金的安全和持卡人的利益，银行会对信用卡进行监控。

比如刷卡时间、地点、金额、笔数等具体行为，然后根据持卡人学历、年龄、工作、薪资等相关信息，利用相关的风险公式去计算权重。如果持卡人的权重异常，那么该信用卡就会被银行发现，从而会判定为存在风险隐患。

二：风险数据对比排查

银行是一个金融机构，无权对持卡人的消费行为进行干涉，很多时候，银行发现信用卡交易存在风险，是通过对风险数据进行对比排查得出的结果。

假如你一直都是在国内消费，然后有一天你的信用卡早上和晚上的消费记录都是在北京，但中午的消费记录却是在深圳，而且交易金额比较大。银行根据相关数据对比，认为该卡存在被盗的风险，会给你打电话确认是否为本人消费，并可能为了减少持卡人的财产损失，直接会把信用卡封掉。

银行的风控比较严格，不要有那些违反银行规定的刷卡行为，这些行为都是能够监控的。

总体还说，目前中国的信用体系还不够完善，商家、个人在使用体系的时候的确会遇到相应的风险，所以银行为了保障资金的安全和持卡人的利益，会对信用卡进行风控。

银行用在线交易监控进行识别信用卡风险，一般是指银行用机器来监控和操作，收集信用卡持卡人相关的学历、年龄、负债、工作等相关信息，看持卡人使用信用卡的时间、金额、地点、笔数等具体行为，然后利用相关的风险公式去参考权重，如果持卡人的权重异常，那么这张信用卡就会被银行发现，从而避免信用卡出现伪刷的情况。

如今的银行都会有大数据系统，首先会有系统先智能判断一遍，然后筛选出来的名单再由人工判断你是否在套现。而人工判断毕竟有成本，所以都是大金额套现的容易被降额或封卡。当你套现金额不大的情况下，银行多数会睁一只眼闭一只眼。

或者其他情况：

你的信用卡之前交易很少，突然刷了一笔或几笔大金额交易，特别还是整数的金额情况下，被银行监控到的概率就很高了；

2小时以内，同时跨省市多次交易，那被怀疑套现嫌疑还是挺大的。如果是省市交界处，银行一般会核实你的刷卡情况，和来电核实来判断情况；

所以尽量不要经常套现

刷大单，刚还钱，一会又全部刷出去。比如面馆花了1万多，不稀奇吧

1、平台监管金融机构的风控体系

2、大数据分析用户画像

3、实时通道

银行会有风控系统。。。你少违规抄作就可以了

1.刷卡时间间隔太短

很多时候大家都会拥有属于自己的一台“pos”机，以卡还卡的方式来还信用卡，可惜错就错在刷卡时间过于短，一张卡在一台机器上刷的时间短于半个小时。

2.不在正常营业时间刷卡

刷卡并不是说想怎么刷就怎么刷的，如果你经常性的在非正常营业时间刷卡，银行不封你卡封谁卡呢？

3.大额进大额出

心太宽，想怎么刷怎么刷，很多人在账单刚还进去的第二天甚至当天，一笔大额直接套现出来，这些很明显的违规行为银行怎么可能会不知道呢？

4.信用卡经常性空卡状态

在还款日时还上欠款，然后又在短时间内套现出所有额度，让信用卡长期处于空卡状态，这样的操作会被银行认定为是套现嫌疑，如果被银行发现，将会严厉打击，认为你资金周转出现问题。

多门店新零售系统拥有哪些功能?

利用“O2O多门店新零售系统”可以让每一个到店的人都是店铺的资源，将这些资源数据串联并整合起来，将顾客变成熟客、熟客变为会员、会员再变成愿意二次分享的忠实会员，最终形成不断循环增值的智慧店铺模式，实现经营模式的升级改变。

1.

融合全支付：实现银行卡刷卡、微信支付、支付宝支付、Apple

Pay等收款功能，借由安全可靠的方维POS机智能硬件，连接每一个到店用户。

2.支付即粉丝：告别传统的线下地推吸粉方式，支付后立即成为会员。无需繁琐的人工登记，一键获取会员资料，经由pos机传导至线上管理平台，大数据统一管理。

3.用户画像CRM：用户画像管理，通过线上系统数据分析，读取客户精准信息、消费偏好、消费行为与能力等，再根据客户具体情况进行精准营销。