瞄準年輕族群商機，銀行業者今年紛紛打起消金補貼戰；除了有感的現金回饋以外，銀行也推出數位帳戶連結、網購外送優惠等方案搶食年輕小資族這塊大餅。消金一直都是金控的主戰場，今年起不僅數位銀行、純網銀加入競爭，連過去以企金為主的公股銀行也加入戰局搶發卡。
消金補貼戰，銀行搶獲客
補貼戰背後，如何「獲客」仍是消金業者最大的難處。這是一個供需問題；銀行不斷搶進之下，銀行的獲客成本自然持續上升，因此如何有效維持成本、提升營利空間變得非常重要。網路資訊和社群媒體興起成為影響決策的關鍵點；年輕人在辦卡前總是會上各大論壇爬文比較、參考各類財經部落客和網友的評價才下決定。這樣的行為改變，使商品的主導權由企業轉移到了消費者身上；意即，企業要賣什麼、推什麼樣的服務，是由「消費者喜歡什麼」決定。
找話題、找共鳴，更重要的是找到「會幫你賣貨」的人
有了數據，就有理解客戶的機會。銀行擁有豐富的既有存戶資訊，但對外部資料的掌握卻甚低，成為向「信用小白」這類的新客推卡時的一項阻礙。透過爬蟲我們能夠取得各種外部資料，諸如 ptt 相關議題文章、部落格等，都是豐富的話題參考。
除了了解客戶都在關注什麼，更重要的是能找到「很會幫你賣貨」的人；比起舊式行銷手段，集客式的網紅行銷 KOL 成為市場新藍海，網紅們不但能掌握聽眾喜好、透過社群力影響粉絲，還能以中立身分介紹產品並與觀眾互動，在行銷上有推波助瀾的效果。
透過分析將網友話題、聲量數據化，不再「憑感覺」行銷
擁有了數據，要從何著手？針對 ptt、部落格文章或網紅的發文內容，首先可進行斷字斷詞 (word segmentation)、特徵萃取 (feature selection) 擷取出文本中的關鍵字並進行轉譯。銀行業者可鎖定特定關鍵字來了解目前網路上話題度最高的優惠、卡種、方案，並針對留言評論進行語意分析，判定留言評論的正負面程度，作為市場風向的參考。有了這些外部資料，銀行業務更能了解這些「信用小白」在乎那些優惠方案，以溝通適合的產品。
以網紅發文文本為例，iKala 根據海量的發文，利用 AI 分析出「最能代表這位網紅發文型態」的關鍵字，並自動貼上關鍵字標籤，藉此建構每一位網紅的樣貌。我們隨之找到長期涉獵金融、信用卡優惠的網紅，再透過一系列行銷操作加強市場曝光同時有效帶進新客。
利用 AI 找到了適當網紅人選，但預算有限？iKala 的資料科學團隊，同樣能透過相似度分析，找到與特大號網紅性質類似的數十位中小型網紅，讓廣告主不再擔心「雞蛋都放同一個籃子」的風險。
「可量化的東西才能優化」，持續分析流量促進用戶轉換
而不論透過自媒體曝光或廣告露出，最終目標仍是回到網站上或分行申辦留名單。蒐集用戶行為後，運用 AI 進行智慧分眾，將潛在的客戶按照行為分群。例如，根據用戶查看特定網頁的時長、上網的時間等，就可區分出「對紅利積點較有感的上班族」或「對累積里程有偏好的商務客」等。這樣的受眾細分，有別於現有廣告平台或 GA (Google Analytics) 的功能限制，能夠高度客製化解決方案。
不僅金融業者，大多數企業對於外部資料的掌握遠低於內部的行為數據，除了購買第二方、第三方數據源以外，事實上公開的資料若能有效運用，也能輔助理解消費者的樣貌。iKala 便是企業在數據上的合作夥伴，從蒐集、分析至應用，協助企業發揮數據最大的商業價值。
