欧美日韩亚洲精品一区二区三区_亚洲一二三区在线观看_欧亚一区二区_一区二区三区美女

淮安大數(shù)據(jù)獲取pos機(jī)行業(yè)精準(zhǔn)客戶

瀏覽:58 發(fā)布日期:2023-04-06 00:00:00 投稿人:佚名投稿

1、[恒豐銀行]基于大數(shù)據(jù)的精準(zhǔn)營銷模型應(yīng)用

【案例】恒豐銀行——基于大數(shù)據(jù)的精準(zhǔn)營銷模型應(yīng)用 https://mp.weixin.qq.com/s?src=3&timestamp=1500159788&ver=1&signature=pCHfpePVrKXUGp39JEg577lopIPT9KCdx9FqIL2LbRmunZMQ-86itFcexY XKcX3Vb1ypwGo8v0IU6fkNgcs QIafGAccsZFmMb6yBYcuPdqH63EKBvL88BGFaUrBBPQl0v*mpgzYxrTCkcaJGaX2iIFRHZEDNCmuM0qhqqN294=

本篇案例為數(shù)據(jù)猿推出的大型 “金融大數(shù)據(jù)主題策劃” 活動 (查看詳情) 第一部分的系列案例/征文;感謝** 恒豐銀行** 的投遞

作為整體活動的第二部分,2017年6月29日,由數(shù)據(jù)猿主辦,上海金融信息行業(yè)協(xié)會、互聯(lián)網(wǎng)普惠金融研究院合辦,中國信息通信研究院、大數(shù)據(jù)發(fā)展促進(jìn)委員會、上海大數(shù)據(jù)聯(lián)盟、首席數(shù)據(jù)官聯(lián)盟、中國大數(shù)據(jù)技術(shù)與應(yīng)用聯(lián)盟協(xié)辦的 《「數(shù)據(jù)猿·超聲波」之金融科技·商業(yè)價值探索高峰論壇》 還將在上海隆重舉辦 【論壇詳情】 【上屆回顧(點(diǎn)擊閱讀原文查看)】

在論壇現(xiàn)場,也將頒發(fā) “技術(shù)創(chuàng)新獎”、“應(yīng)用創(chuàng)新獎”、“最佳實(shí)踐獎”、“優(yōu)秀案例獎” 四大類案例獎

本文長度為 6000 字,建議閱讀 12 分鐘

如今,商業(yè)銀行信息化的迅速發(fā)展,產(chǎn)生了大量的業(yè)務(wù)數(shù)據(jù)、中間數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù),大數(shù)據(jù)隨之興起。要從這些海量數(shù)據(jù)中提取出有價值的信息,為商業(yè)銀行的各類決策提供參考和服務(wù),需要結(jié)合大數(shù)據(jù)和人工智能技術(shù)。國外的匯豐、花旗和瑞士銀行是數(shù)據(jù)挖掘技術(shù)應(yīng)用的先行者。在國內(nèi)的商業(yè)銀行中,大數(shù)據(jù)的思想和技術(shù)逐步開始在業(yè)務(wù)中獲得實(shí)踐和嘗試。

面對日趨激烈的行業(yè)內(nèi)部競爭及互聯(lián)網(wǎng)金融帶來的沖擊,傳統(tǒng)的上門營銷、電話營銷,甚至是掃街營銷等方式跟不上時代的節(jié)奏。利用精準(zhǔn)營銷可節(jié)約大量的人力物力、提高營銷精準(zhǔn)程度,并減少業(yè)務(wù)環(huán)節(jié),無形中為商業(yè)銀行節(jié)約了大量的營銷成本。

雖然恒豐銀行內(nèi)部擁有客戶的基本信息和交易等大量數(shù)據(jù),但是傳統(tǒng)的營銷系統(tǒng)并沒有挖掘出行內(nèi)大量數(shù)據(jù)的價值,仍然停留在傳統(tǒng)的規(guī)則模型。當(dāng)下,恒豐銀行接入了大量的外部數(shù)據(jù),有著更多的維度,如果將內(nèi)部數(shù)據(jù)與外部數(shù)據(jù)進(jìn)行交叉,則能產(chǎn)生更大的價值。客戶信息收集越全面、完整,數(shù)據(jù)分析得到的結(jié)論就越趨向于合理和客觀。利用人工智能技術(shù),建立精準(zhǔn)營銷系統(tǒng)變得可能且必要。

恒豐銀行基于大數(shù)據(jù)的精準(zhǔn)營銷方案是利用大數(shù)據(jù)平臺上的機(jī)器學(xué)習(xí)模型深入洞察客戶行為、客戶需求,客戶偏好,挖掘潛出在客戶,實(shí)現(xiàn)可持續(xù)的營銷計(jì)劃。

周期/節(jié)奏

2016.4-2016.5 完成需求梳理和業(yè)務(wù)調(diào)研,并在此基礎(chǔ)上進(jìn)行總體方案設(shè)計(jì)。
2016.5-2016.8 整理銀行內(nèi)、外部數(shù)據(jù),根據(jù)營銷需求制定客戶標(biāo)簽和設(shè)計(jì)文檔,實(shí)施用戶畫像。
2016.8-2016.10 在用戶畫像的基礎(chǔ)上,構(gòu)建理財(cái)產(chǎn)品個性化推薦系統(tǒng)。其中包括個性化推薦算法調(diào)研,模型對比等一系列工作。
2016.10-2017.1 客戶需求預(yù)測并對客戶價值進(jìn)行建模,并完善整合精準(zhǔn)營銷應(yīng)用模型。
2017.1-2017.3 用戶畫像、個性化推薦、客戶價值預(yù)測等精準(zhǔn)營銷模型上線。

客戶名稱/所屬分類

恒豐銀行/客戶管理

任務(wù)/目標(biāo)

根據(jù)零售業(yè)務(wù)營銷要求,運(yùn)用多種數(shù)據(jù)源分析客戶行為洞察客戶需求,實(shí)現(xiàn)精準(zhǔn)營銷與服務(wù),提高銀行客戶滿意度和忠誠度。

針對不同的客戶特征、產(chǎn)品特征和渠道特征,制定不同市場推廣策略。為了完成以上任務(wù),主要從以下幾個方面構(gòu)建精準(zhǔn)營銷系統(tǒng):

1.用戶畫像: 結(jié)合用戶的歷史行為和基本屬性給用戶打標(biāo)簽。

2.精準(zhǔn)推薦系統(tǒng): 給用戶推薦個性化理財(cái)產(chǎn)品, 例如在微信銀行中給每個客戶推薦他喜歡的產(chǎn)品,幫客戶找到其最適合的產(chǎn)品,增加產(chǎn)品的購買率。

3.需求預(yù)測和客戶價值: 新產(chǎn)品發(fā)售的時候,找到最有可能購買該產(chǎn)品的客戶,進(jìn)行短信營銷,進(jìn)而提高產(chǎn)品響應(yīng)率。客戶價值精準(zhǔn)定位,根據(jù)客戶價值水平制定不同的推薦策略。銀行通過計(jì)算客戶使用其產(chǎn)品與服務(wù)后所形成的實(shí)際業(yè)務(wù)收益,充分了解每一個客戶的貢獻(xiàn)度,為管理層提供決策支撐。

挑戰(zhàn)

項(xiàng)目實(shí)施過程由用戶畫像,精準(zhǔn)推薦系統(tǒng),需求預(yù)測和客戶價值建模三部分組成,采用TDH機(jī)器學(xué)習(xí)平臺Discover所提供的算法和模型庫進(jìn)行開發(fā)和驗(yàn)證。

(一)用戶畫像的建立

客戶標(biāo)簽主要包含客戶基本屬性,客戶等級標(biāo)簽,客戶偏好標(biāo)簽,客戶交易特征,客戶流失特征,客戶信用特征,客戶終身價值標(biāo)簽,客戶潛在需求標(biāo)簽。

(二)精準(zhǔn)推薦系統(tǒng)的建立

由于系統(tǒng)復(fù)雜,且篇幅有限,僅對其中最重要的理財(cái)推薦系統(tǒng)做詳細(xì)闡述。精準(zhǔn)推薦系統(tǒng)架構(gòu)圖如下。

2.1業(yè)務(wù)問題轉(zhuǎn)化為機(jī)器學(xué)習(xí)問題

業(yè)務(wù)問題

銀行理財(cái)產(chǎn)品個性化推薦給客戶。 例如在微信銀行中給每個客戶推薦此客戶喜歡的產(chǎn)品,幫客戶找到其最適合的產(chǎn)品,增加產(chǎn)品的購買率。

將業(yè)務(wù)問題轉(zhuǎn)化為機(jī)器學(xué)習(xí)問題

理財(cái)產(chǎn)品種類繁多,產(chǎn)品迭代速度很快,客戶在繁多的產(chǎn)品中不能快速找到適合自己的產(chǎn)品,因此有必要建立一個自動化推薦模型,建立客戶理財(cái)偏好,給客戶推薦最適合的產(chǎn)品。

將銀行理財(cái)產(chǎn)品推薦業(yè)務(wù)問題轉(zhuǎn)化為機(jī)器學(xué)習(xí)問題,進(jìn)而利用人工智能技術(shù)提高推薦產(chǎn)品的點(diǎn)擊率和購買率。例如在恰當(dāng)?shù)臅r間,通過用戶偏好的渠道給用戶推薦產(chǎn)品,推薦的結(jié)果為用戶購買或者未購買。這個問題可以看作一個典型機(jī)器學(xué)習(xí)二分類問題:基于歷史營銷數(shù)據(jù)來訓(xùn)練模型,讓模型自動學(xué)到客戶購買的產(chǎn)品偏好,并預(yù)測客戶下次購買理財(cái)產(chǎn)品的概率。對模型預(yù)測出所有客戶對所有產(chǎn)品的響應(yīng)概率進(jìn)行排序,可選擇客戶購買概率最高的topN個產(chǎn)品推薦給客戶。

下面將敘述如何構(gòu)建該推薦預(yù)測模型。

2.2數(shù)據(jù)源準(zhǔn)備

在建立的一個理財(cái)推薦模型之前,可以預(yù)見到相似的客戶可能會喜好相似的產(chǎn)品(需要表征客戶和產(chǎn)品的數(shù)據(jù)),同一個人的喜好可能具有連續(xù)性(購買歷史交易數(shù)據(jù),包括基金國債等),他的存款、貸款資金可能決定了他能購買什么檔次的理財(cái)?shù)鹊取R虼耍覀冃枰獪?zhǔn)備以下數(shù)據(jù)。

客戶基本屬性:客戶性別,年齡,開戶時間,評估的風(fēng)險等級等等。
產(chǎn)品基本屬性:產(chǎn)品的逾期收益率,產(chǎn)品周期,保本非保本,風(fēng)險等級等。
客戶購買理財(cái)產(chǎn)品的歷史:在什么時候購買什么產(chǎn)品以及購買的金額。
客戶的存款歷史: 客戶歷史存款日均余額等。
客戶的貸款歷史: 客戶歷史貸款信息等。
客戶工資:客戶工資的多少也決定了客戶購買理財(cái)?shù)念~度和偏好。
用戶畫像提取的特征:用戶的AUM等級,貢獻(xiàn)度,之前購買基金,國債的金額等。

2.3特征轉(zhuǎn)換和抽取

有了這么多數(shù)據(jù),但是有一部分特征是算法不能直接處理的,還有一部分?jǐn)?shù)據(jù)是算法不能直接利用的。

特征轉(zhuǎn)換

把不能處理的特征做一些轉(zhuǎn)換,處理成算法容易處理的干凈特征。舉例如下:

開戶日期。就時間屬性本身來說,對模型來說不具有任何意義,需要把開戶日期轉(zhuǎn)變成到購買理財(cái)時的時間間隔。

產(chǎn)品特征。從理財(cái)產(chǎn)品信息表里面可以得到風(fēng)險等級,起點(diǎn)金額等。但是并沒有標(biāo)志這款產(chǎn)品是否是新手專屬,是否是忠誠客戶專屬。這就需要我們從產(chǎn)品名字抽取這款產(chǎn)品的上述特征。

客戶交易的時間信息。同客戶的開戶日期,孤立時間點(diǎn)的交易信息不具有任何意義,我們可以把交易時間轉(zhuǎn)變?yōu)榫嚯x上次購買的時間間隔。

特征抽取

還有一部分?jǐn)?shù)據(jù)算法不能直接利用,例如客戶存款信息,客戶交易信息。我們需用從理財(cái)交易和存款表中抽取可能有用的信息。

用戶存款信息:根據(jù)我們的經(jīng)驗(yàn),客戶購買理財(cái)之前的存款變動信息更能表明客戶購買理財(cái)?shù)恼鎸?shí)想法,因此我們需要從客戶歷史存款數(shù)據(jù)抽取客戶近三個月,近一個月,近一周的日均余額,以體現(xiàn)客戶存款變化。

客戶交易信息:客戶最近一次購買的產(chǎn)品、購買的金額、及其相關(guān)屬性,最近一個月購買的產(chǎn)品、購買的金額及其相關(guān)屬性等等。

以上例舉的只是部分特征。

2.4構(gòu)造、劃分訓(xùn)練和測試集

構(gòu)造

以上說明了如何抽取客戶購買理財(cái)?shù)南嚓P(guān)特征,只是針對正樣本的,即客戶購買某種理財(cái)時候的特征。隱藏著的信息是,此客戶當(dāng)時沒有購買其他在發(fā)售的產(chǎn)品。假設(shè)把客戶購買了產(chǎn)品的標(biāo)簽設(shè)為1,沒有購買的產(chǎn)品樣本設(shè)為0,我們大致有如下訓(xùn)練樣本(只列舉部分特征)。

其中客戶是否購買產(chǎn)品是我們在有監(jiān)督訓(xùn)練的標(biāo)簽,也就是我們建立的是一個預(yù)測客戶是否會購買產(chǎn)的模型。

劃分訓(xùn)練集和測試集

考慮到最終模型會預(yù)測將來的某時間客戶購買某種產(chǎn)品的概率,為了更真實(shí)的測試模型效果,以時間來切分訓(xùn)練集和測試集。具體做法如下。假設(shè)我們有2016-09-01 ~ 2017-03-20 的理財(cái)購買相關(guān)數(shù)據(jù)。以2016-09-01 ~ 2017-03-19的理財(cái)交易數(shù)據(jù)作為訓(xùn)練,2017-03-20這一天的客戶對每個產(chǎn)品是否購買的數(shù)據(jù)作為測試。以2016-09-01 ~ 2017-03-18的理財(cái)交易數(shù)據(jù)作為訓(xùn)練,2017-03-19這一天的客戶對每個產(chǎn)品是否購買的數(shù)據(jù)作為測試,以此類推。

2.5模型訓(xùn)練

根據(jù)提取的特征,組成樣本寬表,輸入到分類模型,這里選擇了TDH平臺機(jī)器學(xué)習(xí)組件Discover所提供的近百個分布式算法進(jìn)行建模和訓(xùn)練,同時我們還使用了特征的高階交叉特性進(jìn)行推薦的預(yù)測和分析。

2.6模型評估

評價推薦好壞的指標(biāo)很多,比較常用的有

1.ROC曲線下面積(AUC)
2.logloss
3.推薦產(chǎn)品第一次命中rank的倒數(shù)(MRR)
4.TopN

針對銀行的理財(cái)推薦實(shí)際業(yè)務(wù),客戶當(dāng)天絕大多數(shù)是只購買了某一款理財(cái),MRR(Mean Average Precision 的特殊情況)能反應(yīng)這種情況下推薦的好壞。另一種直觀的評價指標(biāo)是TopN,假定我們只推薦N個模型認(rèn)為客戶最有可能購買的產(chǎn)品,并和真實(shí)情況比較,就能得到當(dāng)天推薦的結(jié)果的混淆矩陣,TN,TP,F(xiàn)N,F(xiàn)P,recall,precision等。

我們在生產(chǎn)上驗(yàn)證了最近十天的推薦效果,即測試了2017-03-20, 2017-03-19,…… , 2017-03-11等十天的推薦效果,以下是這些結(jié)果的評價。

AUC

Logloss

MRR

0.89

0.45

0.78

也可以把新客戶(之前沒有購買理財(cái))和老客戶(至少購買過一次)分開評估效果。 新客戶的購買占了整個理財(cái)購買的1/3 以上。

測試新客戶的預(yù)測效果,可以看出模型對冷啟動問題解決的好壞。

對新客戶的預(yù)測效果

AUC

Logloss

MRR

0.80

0.73

0.32

對老客戶的預(yù)測效果

AUC

Logloss

MRR

0.92

0.38

0.88

2.7模型優(yōu)化

1.上線之前的優(yōu)化:特征提取,樣本抽樣,參數(shù)調(diào)參
2.上線之后的迭代,根據(jù)實(shí)際的A/B testing和業(yè)務(wù)人員的建議改進(jìn)模型

(三)需求預(yù)測和客戶價值

“顧客終生價值”(Customer Lifetime Value)指的是每個購買者在未來可能為企業(yè)帶來的收益總和。研究表明,如同某種產(chǎn)品一樣,顧客對于企業(yè)利潤的貢獻(xiàn)也可以分為導(dǎo)入期、快速增長期、成熟期和衰退期。

經(jīng)典的客戶終身價值建模的模型基于客戶RFM模型。模型簡單的把客戶劃分為幾個狀態(tài),有一定意義但不一定準(zhǔn)確,畢竟RFM模型用到的特征不全面,不能很好的表征客戶的價值以及客戶銀行關(guān)系管理。

為了方便的對客戶終身價值建模,有幾個假定條件。其一把客戶的購買價值近似為客戶為企業(yè)帶來的總收益,其二把未來時間定義在未來一個季度、半年或者一年。也就是我們通過預(yù)測客戶在下一個時間段內(nèi)的購買價值來定義客戶的終身價值。因此,我們將預(yù)測的問題分為兩個步驟:第一步預(yù)測這個客戶在下一個階段是否會發(fā)生購買(需求預(yù)測)。第二步對預(yù)測有購買行為的客戶繼續(xù)建模預(yù)測會購買多大產(chǎn)品價值。

3.1需求預(yù)測

提取客戶定活期存款、pos機(jī)刷卡、渠道端查詢歷史等特征,以這些特征作為輸入預(yù)測用戶在當(dāng)前時間節(jié)點(diǎn)是否有購買需求,訓(xùn)練和測試樣本構(gòu)造如下:

1.歷史用戶購買記錄作為正樣本。
2.抽樣一部分從未購買的理財(cái)產(chǎn)品的用戶作為負(fù)樣本集合Un,對于每一個正樣本Un中隨機(jī)選取一個用戶構(gòu)造負(fù)樣本。
3.選取2016.04-201610 的購買數(shù)據(jù)作為訓(xùn)練樣本,2016.11的數(shù)據(jù)作為測試樣本。

使用機(jī)器學(xué)習(xí)算法進(jìn)行分類訓(xùn)練和預(yù)測,重復(fù)上述實(shí)驗(yàn),得到下列結(jié)果:

AUC: 0.930451274
precision: 0.8993963783
recall: 0.8357507082
fmeasure: 0.8664062729

進(jìn)一步對客戶分群之后,可以更好的對新客戶進(jìn)行建模,對于老客戶我們可以進(jìn)一步提取他們的歷史購買特征,預(yù)測他們在下一段時間內(nèi)購買的產(chǎn)品價值(數(shù)量,金額等),對于新客戶,可以進(jìn)根據(jù)他的存款量預(yù)測其第一次購買的產(chǎn)品價值,把存款客戶變成理財(cái)客戶。通過分析客戶存款變動于客戶購買理財(cái)?shù)年P(guān)系,我們發(fā)現(xiàn)客戶購買理財(cái)?shù)那耙欢螘r間內(nèi)定活期的增加的有不同的模式,如下圖。

根據(jù)需求預(yù)測模型,我們給出新客戶最有可能購買的top N 列表,然后由業(yè)務(wù)人員進(jìn)行市場推廣。

3.2客戶價值預(yù)測

進(jìn)一步預(yù)測有購買需求的客戶的購買價值高低。這是個回歸問題,但是預(yù)測變量從二分類變量變?yōu)轭A(yù)測連續(xù)的金額值。訓(xùn)練的時候預(yù)測值取訓(xùn)練周期內(nèi)(一個月或者季度)客戶所購買的總金額。

算出客戶的當(dāng)前價值(即當(dāng)前階段購買的產(chǎn)品價值)和未來價值(預(yù)測的下一個階段的客戶價值)可以幫助我們鑒定客戶處于流失階段,或者上升階段,或者是穩(wěn)定階段。當(dāng)前價值取的是當(dāng)前時間前三個月的交易量。對流失階段高價值客戶可以適當(dāng)給予營銷優(yōu)惠,對于有購買意向的客戶適當(dāng)引導(dǎo)。如下圖所示。

結(jié)果/效果

一是提高銀行營銷準(zhǔn)確性。隨著客戶不斷增加,理財(cái)產(chǎn)品也在不斷推陳出新,在實(shí)時精準(zhǔn)營銷平臺的幫助下,銀行從以前盲目撒網(wǎng)式的營銷方式轉(zhuǎn)變到對不同客戶精準(zhǔn)觸達(dá),提高了理財(cái)產(chǎn)品的營銷成功率,降低銷售和運(yùn)作成本。理財(cái)產(chǎn)品推薦的上線以來,產(chǎn)品推薦成功率比專家經(jīng)驗(yàn)排序模型最高提升10倍。

二是增加銀行獲客數(shù)量。精準(zhǔn)營銷系統(tǒng)洞察客戶潛在需求和偏好,提高了銀行獲取目標(biāo)客戶群的準(zhǔn)確率。從數(shù)百萬客戶中,通過機(jī)器學(xué)習(xí)模型,找到最有可能購買產(chǎn)品的客戶群,通過渠道營銷,實(shí)現(xiàn)響應(yīng)率提升。相比傳統(tǒng)盲發(fā)模式,發(fā)送原38%的短信即可覆蓋80%的客戶。

通過構(gòu)建基于大數(shù)據(jù)的精準(zhǔn)營銷方案,恒豐銀行深入洞察客戶行為、需求、偏好,幫助銀行深入了解客戶,并打造個性化推薦系統(tǒng)和建立客戶價值預(yù)測模型,實(shí)現(xiàn)可持續(xù)的營銷計(jì)劃。

2、剛?cè)胄凶鯬OS機(jī)代理,不知道怎樣找精準(zhǔn)客戶,大家都從什么地方找客戶。

電信、聯(lián)通運(yùn)營商精準(zhǔn)數(shù)據(jù)
一、直接提取競爭對手公司做競價推廣頁面的意向客戶聯(lián)系方式
二、直接提取競爭對手公司咨詢座機(jī)接通的客戶聯(lián)系方式,
三、直接提取同行業(yè)APP注冊的用戶聯(lián)系方式
各行各業(yè),只要你需要意向客戶,我就能幫你。 利用大數(shù)據(jù)幫助機(jī)構(gòu)低成本獲取高意向度的客戶資源,我們做的是運(yùn)營商大數(shù)據(jù)項(xiàng)目,有自己獨(dú)立的后臺!有協(xié)議,有合同,有行業(yè)建議,有后期服務(wù)!

3、如何獲得精準(zhǔn)的pos數(shù)據(jù)

企業(yè)可以利用運(yùn)營商大數(shù)據(jù),獲得精準(zhǔn)的pos數(shù)據(jù)。

作為一款收單商品,手機(jī)POS遮蓋全部客戶。中國銀聯(lián)承擔(dān)與每個手機(jī)生產(chǎn)商深層協(xié)作,將手機(jī)POS安裝布署到每個生產(chǎn)商的手機(jī)中,并以出示統(tǒng)一的POS控制方式為每個收單組織 顛覆式創(chuàng)新。

運(yùn)營商大數(shù)據(jù)精準(zhǔn)獲客,用戶數(shù)據(jù)抓取的原理。

任何行業(yè),企業(yè)都可以利用三網(wǎng)運(yùn)營商大數(shù)據(jù)進(jìn)行精準(zhǔn)獲客。比如你是做POS行業(yè),想要一批有POS機(jī)需求的客戶,那么就可以利用運(yùn)營商大數(shù)據(jù)來進(jìn)行建模,可以搜集同行,比如可以抓取相關(guān)app。

隨行付、瑞銀信、星驛付 等等。這些POS機(jī)相關(guān)app注冊用戶 肯定是潛在的意向客戶)競品的相關(guān)平臺和標(biāo)簽(網(wǎng)站,網(wǎng)頁,網(wǎng)址,URL;手機(jī)APP;400電話,固話,座機(jī);短信;關(guān)鍵詞等)進(jìn)行建模。

實(shí)時截流訪客數(shù)據(jù),還可以通過建模對其客戶的地域,性別,年齡,訪問次數(shù),通話時長等維度進(jìn)行精準(zhǔn)的篩選、數(shù)據(jù)是實(shí)時數(shù)據(jù),如此實(shí)時的客戶數(shù)據(jù)既可以保障相關(guān)客戶的意向度,也可以保證相關(guān)合作的行業(yè),企業(yè)可以第一時間對客戶進(jìn)行觸達(dá),從而進(jìn)行確定意向,轉(zhuǎn)化,和成交。

總結(jié)如下:

作為一款收單商品,手機(jī)POS遮蓋全部客戶。中國銀聯(lián)承擔(dān)與每個手機(jī)生產(chǎn)商深層協(xié)作,將手機(jī)POS安裝布署到每個生產(chǎn)商的手機(jī)中,并以出示統(tǒng)一的POS控制方式為每個收單組織 顛覆式創(chuàng)新。



4、pos機(jī)虛擬刷卡地址大數(shù)據(jù)能查到嗎

不能。pos機(jī)虛擬刷卡地址大數(shù)據(jù)不能查到,pos機(jī)商戶的信息只能查詢到持卡人身份信息。pos機(jī)是一種配有條碼或OCR碼技術(shù)終端閱讀器,有現(xiàn)金或易貨額度出納功能。

5、POS行業(yè)如何找客戶?

首先做POS之前你的思想有沒做好了做POS機(jī)代理的準(zhǔn)備,因?yàn)樽鲞@一行跟其他行業(yè)有很大的不同,不同的地方體現(xiàn)在:1、剛開始的時候你要時刻迎接客戶的各種專業(yè)性問題并給予合理的解答 2、客戶的使用過程中的各種問題,諸如不到賬、無法使用等等,都需要你第一時間處理 3、你的微信和手機(jī),可能每天都會收到來自客戶的詢問,這個情況你是否能接受得了,畢竟你也有你的生活空間

以上幾點(diǎn)可能是很多新手代理在一開始的時候就遇到過,我親自見證過很多新手代理就這樣倒在了這些問題面前,就此半途而廢。

第二:如果你做好了上面的思想準(zhǔn)備后,那你就開始行動吧,首先你得先問問身邊的朋友有沒做這行的,如果有那再好不過了,找他聊聊,哪個代理相對靠譜點(diǎn),哪個平臺相對靠譜點(diǎn),首先得聽他的建議,畢竟人家干過,或多或少知道點(diǎn)。然后自己先拿個機(jī)器耍耍,覺得還行,那么你就開始談代理分潤的事宜,一切就緒后后面就開始推廣了。有的朋友會說,那我身邊朋友都沒做這行,我又該去哪做靠譜的代理,這個問題我前面的帖子里有說過,也麻煩你們找找,我這里就不多說了。

第三:機(jī)子拿到手了(建議新手第一次進(jìn)貨少量為主,先試試水看看自己是不是適合做這行)在機(jī)子推廣出去之前,你是否對你手上的這款機(jī)子所有操作了如指掌,它的各種問題和刷卡支付過程中的問題你是否有相對應(yīng)的解決方案,遇到客戶提出的問題,自己一時間無法給出合理專業(yè)的解釋時,立馬尋求你的上家或者直接打支付公司的官方客服幫忙!
第四:推廣:朋友圈、地推、網(wǎng)絡(luò)打廣告、線下到處貼小廣告等等,只要你想到有人的地方,都給我推廣出去(寫字樓、農(nóng)貿(mào)市場、沿街店鋪陌拜推廣為主攻方向)

第五:做好風(fēng)控,信用不好的人不推,提供資料非本人的不推、只要你感覺不妥的不推,做好風(fēng)控是你在這條道路上能越做越遠(yuǎn)的基石,不要嫌麻煩和存在僥幸心理,小心駛得萬年船!

轉(zhuǎn)載請帶上網(wǎng)址:http://www.javbus2020.com/posji/35639.html

版權(quán)聲明:本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻(xiàn),該文觀點(diǎn)僅代表作者本人。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如發(fā)現(xiàn)本站有涉嫌抄襲侵權(quán)/違法違規(guī)的內(nèi)容, 請發(fā)送郵件至 babsan@163.com 舉報,一經(jīng)查實(shí),本站將立刻刪除。
聯(lián)系我們
訂購聯(lián)系:小莉
微信聯(lián)系方式
地址:深圳市寶安區(qū)固戍聯(lián)誠發(fā)產(chǎn)業(yè)園木星大廈

公司地址:深圳市寶安區(qū)固戍聯(lián)誠發(fā)產(chǎn)業(yè)園木星大廈

舉報投訴 免責(zé)申明 版權(quán)申明 廣告服務(wù) 投稿須知 技術(shù)支持:第一POS網(wǎng) Copyright@2008-2030 深圳市慧聯(lián)實(shí)業(yè)有限公司 備案號:粵ICP備18141915號

主站蜘蛛池模板: 西盟| 绿春县| 南和县| 望城县| 兴安盟| 福安市| 舟曲县| 兴城市| 敖汉旗| 东明县| 富宁县| 房产| 惠来县| 正定县| 合江县| 巨野县| 云安县| 崇信县| 黄平县| 莱西市| 德江县| 岱山县| 四川省| 镇宁| 鹤庆县| 宜兰市| 衡水市| 闽清县| 临沂市| 柳江县| 肇庆市| 镇平县| 台山市| 岑巩县| 金湖县| 四子王旗| 高邑县| 巴中市| 苏州市| 辽中县| 新竹市|