原创《网络借贷平台精准营销策略探究》
本文是精准营销论文范本跟营销策略和借贷和精准类参考文献格式范文。
（山西财经大学信息管理学院,山西太原030006）
【摘 要】网络借贷平台精准借贷策略探讨以用户画像与数据挖掘技术为支持的网络借贷用户细分、用户精准营销模型、用户忠诚度模型,并以模型为基础提出具体的互联网精准借贷营销策略建议,以期解决网络借贷平台在客户关系管理方面的经营痛点,促进网络借贷行业健康可持续发展.
【关键词】用户画像数据挖掘精准营销
互联网金融的繁荣发展,加速了网络借贷的发展,网络借贷平台成为其不可缺少的一个重要部分.当前,面向海量网络借贷用户的高维大数据技术的不断发展为网络借贷平台提高其平台竞争力提供了新的途径.网络借贷平台通过挖掘用户数据,可增加对用户的了解,增强用户粘度,从而制定精准借贷营销策略,有效控制网络借贷信用风险,最终降低经营成本,提高其盈利能力.本文旨在以互联网借贷平台为研究对象,研究其网络借贷特点、流程及规律,在此基础上构建互联网借贷平台信用评价指标体系,并将其融入二次贷款预测模型,从而实现精准借贷营销,提高平台盈利能力.
一、构建网络借贷用户画像
网络借贷用户细分即构建网络借贷用户画像.互联网借贷平台用户在网上的借贷交易行为以及浏览、点击、留言、评论等碎片化的行为轨迹都可被搜集整理并存储起来,这些数据直接或间接反映了借贷用户的性格、习惯、态度等信息,可完整地重构平台用户的借贷需求.并且,不同类型的借款人,其借贷动机不同、消费习惯不同,使其贷款的种类、还款期限的选择、信用贷款的频次或周期也不同.因此,可利用借贷平台中借贷用户的行为数据构建全方位、立体性的网络借贷用户画像,即为不同的借贷群体打标签,研究不同类型的借款人的不同借贷行为、习惯和心理,从而为不同类型的借贷用户制定不同的营销策略和设计不同的金融产品和服务.构建网络借贷用户画像内容具体又细化为以下3个部分内容,分别为：
(一)基于人口属性的多维度借贷用户群体分析
首先收集并处理互联网借贷平台的基础数据,然后采用因子分析或聚类分析等方法分别从地域、年龄、性别、职业、收入、消费习惯等维度来分析微观借贷用户的特征、借贷习惯、借贷缘由及心理等,建立合适的用户描述标签,并进一步研究不同类标签下的消费效用模型.另外,也可在上面静态分析的基础上,结合时间维度,进行基于人口属性的多维度用户群体动态分析.
（二）基于金融产品行为的多维度借贷用户群体分析
首先收集互联网借贷平台关于金融产品和用户借贷及相关点击、浏览等轨迹数据,然后根据研究目标的不同,选择不同的维度进行研究借贷用户的借贷行为及意愿.基于金融产品行为的群体分析涉及的维度可以从以下方面展开：金融产品和服务的类别、借贷用户交易频率及在线活跃频率、用户对金融产品和服务的偏好、借贷用户借贷方式行为习惯、借贷用户借贷行为等.分别从单维度和多个维度的组合的角度研究网上借贷行为,进行用户细分.例如,根据历史记录,可分别从借贷人购买某一金融产品和服务的频率的维度和用户对交易及成本的敏感程度两个维度研究用户借贷行为,也可同时组合这两个维度研究用户借贷行为,从而实现用户细分,后期最终可依据不同的群体类标签,实施不同的产品策略和营销策略.同样,此部分内容也可考虑时间维度,进行基于金融产品行为的多维度用户群体动态分析.
上面两部分内容是基于“借贷用户的行为及其决策是相互独立的”的假定的.实际上,在社会网络中,用户之间的借贷行为和决策行为,甚至是违约行为都是相互影响的,且具有传染性.因此第三部分我们可以从社会网络视角下借贷平台用户决策行为影响
（三）基于网络结构的借贷用户群集行为分析
从社会网络视角下考虑不同主体之间的交叉影响,基于社会网络结构研究互联网借贷平台用户的群集行为.具体内容有基于网络结构研究互联网微观借贷用户行为特征及信息传递路径；基于网络结构研究互联网借贷中的信用传染与信用互联问题；基于网络结构研究互联网用户二次借贷意愿和行为(即重复借贷、客户忠诚度)之间的相互影响及传染.
二、相关预测
在多维度的用户借贷行为分析的基础上进行相关内容的预测,如借贷消费能力预测、信用违约预测、借贷用户流失概率预测、用户近期二次借贷需求预期.各种预测的流程首先是进行相关影响因素分析,然后构建预测模型.这里以二次借贷需求预测为例.影响借款人发生网络二次借贷的相关因素分析,借贷意愿一般指借款人购买一种金融产品或服务的概率可能性,它代表借款人选择某种产品的主观意愿.二次借贷,则表示为多次重复借贷行为,即可计算客户忠诚度.借贷平台及出借方需要首先了解不同类型借款人的借贷意愿以及产品偏好,才能据此精准地设计金融产品,提供配套的服务,进行有目的有针对性的营销推广活动.若想建立借款人二次借贷（即客户忠诚度）预测模型,首先,在影响借款人发生网络二次借贷的相关因素分析内容确定的影响因素基础上,采用合适的方法进行变量筛选；其次,采用统计方法或机器学习方法分别建立基于人口属性基本信息的预测模型、基于基本信息+借贷交易数据的的预测模型、基于基本信息+借贷交易数据+社会资本的预测模型；最后,模型比较,选择最佳模型将其用于实际二次借贷意愿的预测.
三、精准借贷营销策略研究
根据网络借贷用户数据,提供一些互联网精准借贷营销策略建议.
产品推荐策略可以通过网络大数据,结合信用评价结果和用户类型标签,分析及预测不同用户群体的借贷行为偏好,分布设计适合于不同群体的金融产品和配套服务,并进行产品推荐.策略,一方面,根据前面的构建的用户画像,基于不同的年龄、地区、不同等级的客户实施不同的策略.另一方面,根据借款人是否对（利息优惠）是否敏感,实施不同的策略,如不敏感型,可以不实行优惠策略；如果是敏感型的用户,可考虑采用优惠券、电子券、提供客户等级等可以降低交易成本、降息甚至于免息、或提供额外服务的促销措施.促销和策略.根据用户类标签和其行为偏好,设计适合于不同用户的不同时段的各种促销活动和推广活动.渠道策略：通过现有用户的偏好研究,扩展其他的线上和线下渠道,实现留住忠诚的活跃用户,吸取潜在的有价值客户.
参考文献
[1]姚凤阁,隋昕.网络借贷平台借款人信用风险影响因素研究——来自“拍拍贷”的经验依据[J].哈尔滨商业大学学报(社会科学版),2016,01:3-10.
[2]陶丰.网络借贷平台营销战略研究[J].科技创业月刊,2016,(05):41-42+45.
作者简介：李雅坤（1992-）,女,山西晋中人,山西财经大学2015（管理学）学术硕士研究生,研究方向：信息管理与知识管理.
精准营销论文参考资料：
评论，此文为适合营销策略和借贷和精准论文写作的大学硕士及关于精准营销本科毕业论文，相关精准营销开题报告范文和学术职称论文参考文献。
