在大数据营销领域，金融行业是典型的效果类客户，说白了，它对广告效果的期待就是为销售业绩带来增长，简单而直接。可是要达到这样的目标，并不那么简单。TalkingData以其丰富的数据源，强大的数据分析能力和广泛的合作生态满足金融业客户多元化需求，出奇制胜。

    金融客户的痛点，TalkingData最懂

    TalkingData的某券商客户要在某大型媒体平台（SSP、广点通）上投放广告，并选择了该平台自有的一些金融标签来进行投放。依照行业规范，券商对用户的数据严格保密，不能对外开放。所以，券商虽然清楚哪些是自己的用户、哪些是活跃用户、哪些是沉默用户，却无法将这些数据在媒体平台上使用。于是，TalkingData确立了一方数据结合三方数据、并发挥自身技术算法优势这两个要点，来保证投放效果。

    TalkingData在之前为此券商搭建移动端统计分析平台和数据管理平台而建立的数据库中，按高风险、低风险、高收效、低收益等类别做好用户分群。之后，再通过第三方数据库的数据进行机器学习，提取出一个目标客群，作为依据指导媒体投放。比对直接使用媒体平台自有标签的投放效果，使用TalkingData的客群分组进行投放无论从点击率还是转化率来看，投放效果都更好。

    再一个案例，某银行的数据显示，其3%的用户购买了78%的资产。为了挖掘出更多这样的优质用户，TalkingData将这3%用户的种子提取出来，通过机器学习在余下97%用户的10亿个活跃设备中筛选出2万余用户，银行在根据我们算出来的数据向这些用户推送理财产品信息，一个星期之内就实现了2.2亿的销售额，人均购买12万。

    TalkingData所使用是Lookalike机器学习算法，Facebook、Google等国际顶尖科技公司也都使用这个算法寻找目标客群。TalkingData对算法的模型参数持续进行调整优化，因而可以获得极高的响应度。

    精准营销是吸引金融客户的最大魅力之一。机器学习就好比是TalkingData手中的水晶球，总能准确回答出“目标客群在哪里”，助力金融客户快速大幅拉升销售业绩的梦想成真。

    洞察数据价值，客户真实获益

    除了精准营销，大数据在金融风控方面的能力也非常突出。

    为了帮助一家保险公司降低理赔成本，TalkingData通过数据分析和模型筛选，从100万个被保险人中找到潜在的高风险客群，分析精确度比以往提高了三倍。在针对此客群提价后，成功降低了理赔成本。

    现在，越来越多的机构和企业掌握着海量数据，但是如何让这些数据活起来，产生真实价值，则很少有人能回答。TalkingData在一次次为客户达成了提高效率、增加营收和降低成本的核心目标中证明了自己的能力，也广泛赢得了证券、保险和银行等金融业客户的信赖。