大數據推動手機銀行“精準”營銷應用

梅發貴 宗強 張征

在電子信息技術快速發展的時代，通過數據分析將其轉化為生產力對業務發展產生巨大的推動作用。Y農商銀行針對手機銀行應用的現狀，通過進行指標設計、權重確定對現有手機銀行客戶識別模型進行優化，結合存量客戶大數據對優化的手機銀行客戶識別模型進行對比分析與驗證，為基層手機銀行業務宣傳、獲客、柜面替代率、產品關聯，推動手機銀行“精準”營銷應用提供有力支撐。

一、引言

從整體市場格局來看，目前手機銀行市場尚未充分飽和，仍處于各銀行業機構“跑馬圈地”的戰略機遇期。目前，Y農商銀行個人客戶手機銀行開戶率僅占31.16%，柜面替代率為76.54%。但反觀其他國有商業銀行，部分銀行的個人客戶手機銀行開戶率已達70%以上，且柜面替代率已達95%以上。由此可見，通過對蜀信e平臺客戶開展大數據分析，深度挖掘貸款客戶、柜面轉賬客戶、理財客戶、社保卡客戶、ETC客戶需求，為業務營銷提供強有力的數據支撐已勢在必行。在此基礎上，結合本行蜀信e手機銀行在存款、貸款、轉賬、理財、社保醫保和生活繳費方面的便捷性等優勢，精準拓展有需求的客群，改善客戶年齡結構，推動本行客戶結構進一步優化和提升。

二、手機銀行客戶識別模型的應用現狀調研

結合Y農商銀行實際情況，成立了調研小組以“如何對手機銀行有效客戶進行有效識別”作為切入點，通過構建模型，提取、整理、分析數據，獲取調研結果等思路，對現有的手機銀行客戶識別模型進行調研。Y農商銀行調研組先對現有“手機銀行動賬客戶識別”模型進行分析。經過調研發現，目前銀行個體、私企老板使用頻率最高;使用手機銀行查詢和轉賬功能的最多;手機銀行客戶擁有貸款的使用率相對較高，經常使用柜面轉賬及柜面繳費交易的客戶可作為重點營銷客戶。而銀行現有的“手機銀行動賬客戶識別”模型較為粗獷，僅有簡單的客戶年齡段、性別、動賬筆數、非動賬筆數、登錄次數、貸款余額、存款余額等維度，各維度間沒有交叉驗證分析，模型提取存量客戶的營銷動賬成功率很低。

三、手機銀行客戶識別模型的優化

1.優化模型指標設計。結合發散思維、否定思維、逆向思維等思維模式，通過明確問題、把握現狀、制定計劃、設定目標、驗證解決等一系列解決問題的思路，調研組成員采用頭腦風暴先“加”后“減”的方法，先集思廣益，將調研組成員、外部專家建議、手機銀行業務全行問卷調研結果等多渠道收集到的關于手機銀行客戶動賬的特征維度進行橫向補充，將收集的維度指標豐富到模型運用中。經過匯總分析，并結合Y農商銀行目前大數據能提取到的有效信息，將模型維度指標由原來的7個豐富到12個，具體為：非動賬交易筆數、活躍率、柜面轉賬情況、柜面繳費情況、惠支付用戶、產品數、貸款余額、ETC用戶、存款日均余額年齡、手機銀行登錄次數、短信用戶。

2.優化模型指標權重的確定。為確保模型各維度指標間是否具備相關性，調研組成員運用統計調研專業工具，引入SPSS數據相關性分析軟件。通過將分析時間點的手機銀行業務數據明細導入SPSS分析軟件，計算出各維度指標與客戶活躍率的相關度，去掉部分相關度低的維度指標，確保模型維度指標的準確性。結合Y農商銀行相關數據，得出各項指標的關聯情況如下：與非動賬交易筆數與活躍率相關度為0.367，產品數與活躍率相關度為0.207，惠支付用戶與活躍率相關度為0.202，貸款余額與活躍率相關度為0.121，ETC用戶與活躍率相關度為0.086，存款日均余額與活躍率相關度為0.082，短信用戶與活躍率相關度為0.036，客戶年齡與活躍率相關度為0.031。根據SPSS相關性分析結果，與活躍度相關性由高到低的維度指標分別是：非動賬交易筆數、產品數、惠支付用戶、貸款余額、ETC用戶、存款日均余額、短信用戶、客戶年齡。根據從、分值分配結果，相關度高的指表匹配更高的分值。前期調研得出客戶的職業、工資代發用戶、柜面轉賬及柜面繳費交易用戶也會是手機銀行活躍度高相關的維度指標，在模型中也相應匹配不同分值。

調研組對本行存量手機銀行業務客戶信息進行分析比對，結合EXCLE圖表比對工具、SPSS數據相關性分析工具等，最終計算出各維度指標間在有效客戶中的占比情況，再通過百分制匹配至各維度指標。經過大量數據的分析、比對，對各維度指標賦分，在通過模型抓取客戶各維度指標的綜合得分，判斷該客戶成為有效客戶的可能性大小。通過以上系列方法，調研組成功將原來以定性為主，僅提供方向性指導的模型功能，轉變為具體的定性、定量結合、可操作性強的模型。模型指標權重分值總分100分，各指標權重分值及具體說明如下。

非動賬交易筆數：有非動賬交易的客戶是有使用手機銀行的，此類客戶有使用基礎，不同的交易筆數決定了客戶的使用頻率及習慣度，本類客戶分值應最高，根據不同的交易筆數區間匹配不同分值。權重分值20，月均0-1次5分，月均1-5（含）次10分;月均5-10（含）次15分;月均10次以上20分。

活躍度：活躍度是客戶在年初至本月有動賬交易的月份占比，也可以用動賬交易代替，其本身也是客戶是否發生動賬交易的直接定性指標，根據活躍度高低匹配不同分值。權重分值15，活躍率10%以下2分，活躍率20%（含）以下5分，活躍率30%以下10分，活躍率35%以下15分。

柜面轉賬：手機銀行動賬交易使用率最高的是轉賬，單筆10萬，日累計50萬以內的轉賬交易均可以通過手機銀行實現，且免手續費，此類客戶有較大幾率營銷成功，根據柜面轉賬金額及筆數區間匹配不同分值。權重分值12，按交易筆數及金額占比匹配分值。

柜面繳費：手機銀行非常使用，但使用率不高的動賬交易是繳費累，可以有針對性的對有柜面繳費需求的客戶營銷手機銀行，根據柜面繳費頻率匹配不同分值。權重分值5，按交易筆數及金額占比匹配分值。

惠支付用戶：惠支付商戶作為Y農商銀行收單客戶，會使用手機銀行查詢收款信息，同時也可以通過手機進行款項的交易，此類客戶有較大幾率營銷成功。權重分值11，按是否匹配分值。

產品數：客戶在Y農商銀行產品數量的多少可以判斷客戶忠誠度及客戶粘性，產品數越多的客戶，業務都在Y農商銀行的可能性更大，能更有效的影響手機銀行。權重分值9，1-3（含）個3分，3-5（含）個6分，5個以上9分。

貸款余額：貸款客戶一方面可以通過手機銀行自助放款還款，也可以通過手機銀行轉賬;另一方面貸款客戶與客戶經理關系較好，營銷成功率會較一般用戶高。權重分值8，按分析數據的占比匹配區間分值。

ETC用戶：ETC用戶作為有車一族，可以有針對性的營銷Y農商銀行9元洗車活動，此類客戶有較大幾率營銷成功。權重分值7，按是否匹配分值。

存款日均余額：客戶存款余額波動較大，日均余額反映客戶在Y農商銀行存款真實情況，不同存款日均余額的客戶，手機銀行使用情況略有不同，根據存款日均余額區間匹配不同分值。權重分值6，按分析數據的占比匹配區間分值。

年齡：不同年齡結構的客戶使用手機銀行活躍度不同，不同年齡客戶使用的功能也有所不同，根據客戶年齡區間匹配不同分值。權重分值4，按分析數據的占比匹配區間分值。

登錄手機銀行：3個月內有登錄手機銀行的客戶，手機上有蜀信e客戶端，也在進行進行了使用，此類客戶有一定的營銷價值，匹配一定分值。權重分值2，按是否登錄匹配分值。

短信用戶：權重分值1，按是否開通短信服務匹配分值。

四、優化模型的應用驗證

調研組從2020年6月至2020年8月持續開展優化模型的客戶營銷及數據分析應用驗證。

6月中旬，根據手機銀行動賬客戶識別模型的原始模型，提取出全行年齡在35至55歲、日均存款在1萬元以內或有貸款余額的客戶，或本季度有登錄的手機銀行客戶信息。隨機選擇其中部分支行的客戶進行電話營銷。20天后提取手機銀行動戶情況，在本次營銷的500名客戶中，成功營銷81名客戶，營銷成功率為16.2%。

7月中旬，根據手機銀行動賬客戶識別的優化模型，提取出全行年齡在35至55歲、日均存款在1萬元以內或有貸款余額的客戶，或ETC用戶，或本季度有非動賬交易的手機銀行客戶信息。隨機選擇其中100名客戶進行電話營銷。20天后提取手機銀行動戶情況，在本次營銷的500名客戶中，成功營銷83名客戶，營銷成功率為16.6%。

8月中旬，根據手機銀行動賬客戶識別的優化模型對2020年7月31日存量數據進行回歸驗證，對所有手機銀行客戶按模型進行打分。得分排名前1萬名客戶中，活躍率高于50%的占比近80%;得分排名前2萬名客戶中，活躍率高于50%占比約74%;得分排名前5萬名客戶中活躍率高于50%的占比62%。由此可見，得分越高的客戶，是活躍客戶的概率遠遠大于非活躍客戶，得分越低的客戶是非活躍客戶的占比也遠大于活躍客戶，證明了手機銀行存量客戶營銷模型的準確性。

五、結論

通過多次的數據關聯性分析，并對指標進行關聯性測試，通過不斷地修正測算，逐項研究后最終得出數據。模型中的各項指標符合農Y農商銀行客戶的獨有特征，具有易識別、易篩選、易成功、易運用等特點。通過對客戶的特征識別，篩選出優質的存量客戶開展有效的跟蹤，從而有針對性地提高使用率。提高了廳堂手機銀行業務營銷的針對性，大堂經理和柜面員工做一線營銷時，通過大量數據的比對，篩選，驗證，可以實現大面積的運用。手機銀行通過其自身的功能關聯許多業務，包括存款、貸款、理財、生活繳費等，通過愉快的營銷建立起橋梁，從而為進一步拓寬營銷渠道、推動銀行多項業務發展打下基礎。[課題名稱：宜賓農商銀行“大數據營銷”]

（作者單位：宜賓農商銀行）