案例名稱

基于大數據技術的客戶價值提升數智化運營

(資料圖片)

案例簡介

本項目基于行內存量客戶的用戶畫像及行為偏好等特征數據，應用大數據挖掘技術，對長尾客戶和中高端客戶進行數據挖掘，建立長尾客戶價值提升預測模型、中高端客戶流失預警模型，圈定長尾潛在價值提升名單和中高端潛在流失客戶名單；基于模型可解釋性，歸集客戶價值提升或者流失的原因，結合客戶的行為偏好，制定差異化的客群經營策略，開展精準營銷和維系，打通零售客戶營銷全流程，形成智能化的客群閉環運營機制。

創新技術/模式應用

本案例的主要創新為基于大數據精準營銷技術實踐與全流程營銷數智化驅動。

1、基于大數據精準營銷技術實踐：該項目基于有監督學習和無監督學習相結合的機器學習技術開展，從客戶的基本屬性、資產狀況、負債狀況、偏好信息、金融行為、渠道行為等特征維度進行大數據挖掘；根據客戶資產等級劃分客群，對客群進行探索，定義價值提升/流失標識，基于梯度提升樹、隨機森林、XGBoost等機器學習算法，建立長尾客戶價值提升模型和中高端流失預警模型，并根據模型效果選擇最優的算法，預測客戶價值提升或流失的概率；模型可解釋，基于可解釋性算法SHAP，歸集影響客戶價值提升或者流失的重要影響特征。通過分析每個特征不同取值范圍對概率的影響，定位價值提升或流失原因，并將量化的結果轉化為業務解釋，根據重要影響特征制定營銷或者維系策略，對客戶進行精準營銷。客戶聚類輔助營銷，基于客戶行為數據，分別對潛在價值提升或流失目標客戶進行K-Means聚類，分析客群的行為偏好、產品偏好及渠道偏好等數據，并結合影響客戶價值提升或者流失的特征行為，針對客群進行精準營銷，節省營銷成本。

2、全流程營銷數智化驅動：創新開展機器學習模型在零售金融場景營銷的落地，打通數智化零售客戶營銷全流程，推進智能化應用探索。首先為構建營銷數據支撐閉環機制，構建跨系統數據流，跨部門多渠道的數智化的零售客戶營銷流程，打通行內系統，讓沉睡數據流轉，強化對客戶千人千面精準營銷的數據應用支撐，為客戶經理差異化、精準化營銷提供數據支撐。

其次為營銷流程端到端，基于可視化建模平臺和客戶管理系統，設置卸數、模型、供數調度，每月定期從數據中臺卸數至建模平臺，建模平臺輸出營銷名單；隨機劃分實驗組和對照組，開展A/B測試，將實驗組的清單配套營銷組合產品方案，并供數到營銷系統，各分支機構通過營銷系統進行智能營銷，也可供數到智能外呼系統根據語音識別客戶意向，再通過客戶經理人工外呼營銷。最后為營銷效果智能化監測，根據營銷系統反饋的營銷數據，通過業績看板、大屏展示等方式，智能監測營銷方案落地實施效果以及模型效果評估指標，定期輸出評估報告，根據評估報告判斷營銷策略和模型是否需要迭代優化。

項目效果評估

1、推進營銷流程再造：成立跨部門項目組，聯動數據平臺，應用系統，觸客渠道等相關系統平臺，打造基于數據驅動的營銷機制，完善端到端服務流程，大大提高營銷運行效率。

2、客群全覆蓋的閉環運營：基于大數據模型，建立行內存量客戶閉環運營鏈路。對長尾客戶進行潛力挖掘，并進行精準營銷。對中高端客戶則進行了流失預警，并借助客戶畫像，助力客戶經理實現個性化營銷。同時全面構建起業務與科技創新的協同聯動，建立“數據中臺建模數據支撐-建模平臺數據分析及模型構建-客戶營銷平臺輔助營銷并回流效果數據至中臺-可視化建模平臺效果監控及評估-策略調整及模型優化”的閉環鏈路，形成持續的運營迭代優化機制，賦能數據運營智能化，提升營銷效能。

3、模型落地成效顯著：在長尾客戶價值提升預測模型輸出的營銷名單中篩選兩個機構進行試點營銷，營銷期間，資產提升率81.8%，AUM資產增長約占兩個機構全部客戶資產提升的四分之一，精準營銷效果顯著；中高端流失客戶預警模型輸出的模型名單，經過三個月數據驗證，在Top10%的樣本上流失率提升約4.1倍（最高提升度lift為5.0），精確率55.3%，召回率40.0%，模型效果顯著。

項目牽頭人

粟尉廷廣西北部灣銀行數字金融管理部總經理

項目團隊成員

汪成鋼、姜雄飛、周家吉、陳雪、吳天、任杰、李長燦、邱天、陳雪婷

關鍵詞：