在大數據營銷領域，金融行業是典型的效果類客戶，說白了，它對廣告效果的期待就是為銷售業績帶來增長，簡單而直接?？墒且_到這樣的目標，并不那么簡單。TalkingData以其豐富的數據源，強大的數據分析能力和廣泛的合作生態滿足金融業客戶多元化需求，出奇制勝。

    金融客戶的痛點，TalkingData最懂

    TalkingData的某券商客戶要在某大型媒體平臺（SSP、廣點通）上投放廣告，并選擇了該平臺自有的一些金融標簽來進行投放。依照行業規范，券商對用戶的數據嚴格保密，不能對外開放。所以，券商雖然清楚哪些是自己的用戶、哪些是活躍用戶、哪些是沉默用戶，卻無法將這些數據在媒體平臺上使用。于是，TalkingData確立了一方數據結合三方數據、并發揮自身技術算法優勢這兩個要點，來保證投放效果。

    TalkingData在之前為此券商搭建移動端統計分析平臺和數據管理平臺而建立的數據庫中，按高風險、低風險、高收效、低收益等類別做好用戶分群。之后，再通過第三方數據庫的數據進行機器學習，提取出一個目標客群，作為依據指導媒體投放。比對直接使用媒體平臺自有標簽的投放效果，使用TalkingData的客群分組進行投放無論從點擊率還是轉化率來看，投放效果都更好。

    再一個案例，某銀行的數據顯示，其3%的用戶購買了78%的資產。為了挖掘出更多這樣的優質用戶，TalkingData將這3%用戶的種子提取出來，通過機器學習在余下97%用戶的10億個活躍設備中篩選出2萬余用戶，銀行在根據我們算出來的數據向這些用戶推送理財產品信息，一個星期之內就實現了2.2億的銷售額，人均購買12萬。

    TalkingData所使用是Lookalike機器學習算法，Facebook、Google等國際頂尖科技公司也都使用這個算法尋找目標客群。TalkingData對算法的模型參數持續進行調整優化，因而可以獲得極高的響應度。

    精準營銷是吸引金融客戶的最大魅力之一。機器學習就好比是TalkingData手中的水晶球，總能準確回答出“目標客群在哪里”，助力金融客戶快速大幅拉升銷售業績的夢想成真。

    洞察數據價值，客戶真實獲益

    除了精準營銷，大數據在金融風控方面的能力也非常突出。

    為了幫助一家保險公司降低理賠成本，TalkingData通過數據分析和模型篩選，從100萬個被保險人中找到潛在的高風險客群，分析精確度比以往提高了三倍。在針對此客群提價后，成功降低了理賠成本。

    現在，越來越多的機構和企業掌握著海量數據，但是如何讓這些數據活起來，產生真實價值，則很少有人能回答。TalkingData在一次次為客戶達成了提高效率、增加營收和降低成本的核心目標中證明了自己的能力，也廣泛贏得了證券、保險和銀行等金融業客戶的信賴。