基于大數據架構的精準營銷模式研究

□ 陳健恒 徐永紅 陳蓓 王子豪 葛冬

一、引言

伴隨全球互聯網金融進入高速發展軌道，商業銀行對于客戶營銷、維護需求日益增加，無論是新客拓展還是客戶維護，都面臨巨大挑戰。零售及對公客戶營銷中面臨多個痛點問題：缺乏數字化驅動、難以持續化建設用戶畫像、營銷成本居高不下、無法閉環的營銷鏈路、客戶有效觸達率低等。商業銀行亟需打破固有營銷模式僵局，開拓數智化營銷新模式，在大數據、互聯網時代背景中帶來金融機構與客戶關系及營銷模式的轉變。

商業銀行如何以數據驅動的新型營銷閉環建設為抓手，進行大數據技術在數據中臺、營銷中臺中的探索；研究數字營銷產品如何助力營銷模式轉型以及如何將先進技術與有效的營銷方式結合，提升營銷成功率，降低營銷人力成本，成為當前數字化轉型背景下創新構建數智化營銷新模式研究的重點。

二、研究現狀及其存在的問題

數據中臺是以“業務數據化”為目的，實施“數據業務化”，以業務的視角提供包含數據規范、收集、治理、挖掘、應用等數據服務能力。數據中臺基于底層海量基礎數據，為上層各機構、各系統提供統一的數據應用服務，通過對數據需求的整合分析，抽象出共性數據服務需求，在數據服務過程中沉淀數據中臺數據資產，制定統一的數據服務標準與規范，滿足縱向不同層級間、橫向跨條線間的數據應用需求。數據中臺與傳統數據倉庫相比，一是數據源更豐富，包含交易系統、客戶管理系統、財務系統等各類系統的數據，并引入工商、稅務、海關、公安、法院等外部數據，為全面完整的數據服務能力提供數據支撐；二是數據服務更統一，可實現跨部門、跨機構、跨系統的數據資產共享，減少了重復開發，提高了數據資產復用效率。

基于數據中臺提供的模塊化、業務化的數據服務，搭建智能化營銷中臺，實現“建模→推薦→營銷→交易→監測→優化”的營銷閉環，為實現數字化營銷模式構建架構基礎。依據“數據驅動”的原則，將專家經驗或數據建模產生的精準營銷目標客戶入庫形成標簽，實現客戶的靈活篩選和多渠道智能推薦，客戶經理根據產品推薦情況，將產品或產品組的鏈接分享至客戶端，通過鏈接引流客戶，通過線上或線下渠道一鍵購買產品組合。

同時，營銷中臺提供多維度客戶業績監測。一是客戶營銷后業績情況，如客戶營銷后重要指標增長情況、營銷后產品購買明細等；二是業績監測情況，包括客群觸達客戶情況、觸達前后以及營銷前后主要指標增長情況、推薦產品購買情況、渠道及交易購買情況。根據監測結果，持續迭代優化營銷閉環，形成營銷監測雙輪驅動。

相比于金融科技公司，傳統的客戶經理面對面營銷模式在客戶資源方面占有優勢，而如何合理利用已有的客戶資源，在云計算、人工智能、大數據等科技背景下的數字化時代實現業技數深度融合，提升客戶對數字化產品和數字化服務的滿意度，同時降低營銷成本提升營銷質量為數字化營銷模式的重點。數字化營銷已成為新時代銀行尋求新增長引擎的必然選擇。

雖然基于大數據技術的數據中臺、營銷中臺建設，在技術研究方面已有較多進展，但在實際應用中仍存在若干問題使得研究成果難以落地實際應用。一方面零售與對公客戶的營銷模式不同卻又存在多種數據和營銷場景的交叉，在數據中臺及營銷中臺建設中，需要考慮數據中臺及營銷中臺產品組件的的完整性和覆蓋度。另一方面，如何將傳統營銷模式與數智化營銷模式相融合，發揮業技數最大合力，仍是一個值得深入研究的問題。

三、基于數據中臺構建的數字化營銷模式

（一）數據中臺建設

1.數據中臺總體框架

本課題搭建的數據中臺框架體系如圖1所示。數據中臺介于源數據和應用之間，對各業務系統構建統一的資產視圖，建立統一的資產標準，提供統一的數據服務能力，為商業銀行內各部門、各應用系統提供數據共享和分析應用服務。從客戶標簽體系構建的過程來看，主要是對源系統數據的加工與整合、數據中臺以數據服務能力支撐應用系統、應用系統反饋數據評價三個環節。

圖1 數據中臺框架體系圖

數據中臺的建設過程，首先是對源系統數據的加工與整合，整合行內交易系統、客戶管理系統、財務系統等各類系統的數據，并引入工商、稅務、海關、公安、法院等外部數據，導入規上企業、上市公司、專精特新小巨人等企業名錄，使得客戶畫像更加全面完整。在構建了客戶360度畫像的基礎上，以數據支撐數據應用，一是向客戶經理提供客戶全面信息，在了解客戶的基礎上提升客戶服務質量。二是向管理人員提供跨板塊的全局數據，有助于領導層站在更高維度進行戰略決策。此外收集數據應用過程中產生的評價信息，如客戶產品營銷成效，短信營銷、外呼營銷、外拓活動、客服電話記錄等，通過數據評價動態調整數據中臺服務，形成數據服務閉環。

2.構建標簽體系

源數據數據整合后，需要結合業務需求，在數據中臺中建立起客戶標簽體系。業務需求需要經過專家高度精煉，深度結合歷史數據分析項目經驗，持續的收集整理。客戶標簽體系，是基于商業銀行已建設的大數據平臺、個人、對公以及分行集市等已有數據資產，將總分行、各業務條線所需客戶數據以標簽形式進行集中管理、統籌建設，構建全行級的客戶標簽中心。可打通條線壁壘、加速標簽查詢與定位，全行標簽資產集中在數據中臺進行統一存儲與管理，形成統一的數據與元數據資產視圖。依托條線內業務人員對條線內事務的敏感性、專業性、前瞻性，各條線標簽由該條線業務與數據分析師共同開發建設。各業務條線產出的全行級共性標簽，供全行共享使用，最大化標簽利用與復用價值。數據中臺對標簽數據進行更新，保證標簽的時效性和有效性。

客戶標簽需要分級分類管理，以銀行零售業務為例，零售客戶標簽從資產、負債、產品、交易、價值、風險、自然屬性七個方面對銀行零售客戶特征進行抽象與總結，構建一級主題；再對一級主題進一步細分，從銀行零售業務場景維度出發，按照不同產品進行劃分，以業務視角形成二級主題，便于各業務線開展標簽管理與應用，有助于將客戶標簽與業務場景進行有效對應，開展客戶畫像與原有業務流程嵌入，開展特定業務客群劃分，增加標簽實用性，最終形成如下圖2所示的商業銀行零售客戶智能標簽體系。統一的客戶標簽體系，解決了指標含義理解不同、數據口徑不同導致的數據偏差問題，形成固定數據標準，提高數據分析師的數據開發效率，提升數據資產沉淀能力。

圖2 商業銀行零售客戶智能標簽體系

3.數據中臺資產應用

在完成零售客戶、對公客戶、商戶客戶等數據對象的標簽構建后，業務管理人員可更高效地開展基于業務的應用場景的設計，以發揮標簽的價值。以基于零售業務客戶構建的智能標簽為例，通過對客戶自然屬性、行為數據、客戶分級分類的標簽化處理和探索，按照業務需求圈定群體范圍，實現對復雜群體數據的智能化統計、篩選、加工、沉淀，建立單一客戶的360°個性化標簽全景視圖，通過關系圖譜展示、可視化線索分析、相似人員智能化推薦等來實現業務人員對于目標群體的精準定位，支撐精準營銷、差異化營銷、風險防控等相關業務場景的建設，使得數據充分發揮業務價值，提升整體經營服務質量，實現數據對業務的反哺。

客戶標簽的各類應用，是數據中臺支撐數據業務化的最佳體現，通過對沉淀數據資產的深入洞察分析，實現對一線客戶經理經營服務的進階探索：

（1）精準營銷：傳統的廳堂營銷逐漸無法適應數字化轉型的大環境，盲目的電子渠道營銷不能精準識別客戶、精確針對客戶需求，而且可能導致客戶的抵觸，產生客戶投訴。數據中臺基于用戶分類標簽、行為與資產標簽，通過數據分析挖掘技術，精準實現客群劃分與產品推薦，精準識別用戶需求，及時向用戶推送可能感興趣或需要的產品，刺激用戶購買。縮小營銷范圍，提高營銷成功率，跟蹤營銷效果標簽，可為營銷決策提供依據，不斷推進精準高效的產品營銷工作。

（2）風險防控：通過對客戶歷史逾期情況、資金流水分析、工商司法處置信息等標簽，可以通過機器學習或專家經驗，區分出信貸違約、反洗錢、反電信欺詐等方面的高風險客戶，及時向相關客戶經理發起預警，以達到減少損失，規避風險的目的。

（3）決策支撐：傳統的商業銀行業務分析系統，多基于機構與指標，雖然能夠提供趨勢分析，但難以對指標的變化進行解釋與進一步分析。基于客戶標簽的業務分析系統，能夠從客戶類型、所屬產行業、所屬部門等多種維度，描述社會資金輪動邏輯，精準定位指標變化深層次原因，為領導層決策提供精準可靠的依據。

本課題按照零售客戶與對公客戶兩大領域，分別從資產、負債、產品、交易、價值、風險等多個角度，整合加工各維度客戶標簽共計1468個，構建了較為完善的客戶標簽體系。數據中臺系統提供的數據服務能力，同時面向業務管理人員、數據分析師、客戶經理，多管齊下提升數據價值。在數字化轉型戰略背景下，應持續深入研究數據中臺與業務場景融合，不斷提高數據推進業務產生價值的能力。

（二）智能化營銷中臺

課題組圍繞客戶服務全生命周期，以數據中臺為基礎，探索“模塊化、組件化、服務化”的營銷中臺架構搭建方法。通過建立豐富客戶畫像、多渠道營銷方式、線上線下協同營銷、多維度業績監測，為客戶經理及各級行管理層提供智能營銷引擎。營銷中臺不僅僅把之前不同系統相似的營銷功能服務集成融合在一起，實現標準規范的一致性、功能接口的統一性；還能通過模塊化組件化的整合從而做到資源與服務能力的共享，滿足新應用新系統的敏捷開發和迭代，迅速響應基層業務的營銷需求。營銷中臺主要由數字化客戶關系管理系統、智能化客戶管理系統和多功能移動營銷平臺構成；基于可彈性伸縮擴展的PaaS云平臺構建了為零售和對公客戶經理提供了PC及移動端營銷的數據服務，涵蓋了統一的資產視圖、豐富的客戶畫像、多渠道的智能化產品推薦、多功能的營銷方式、多維度的客戶業績監測、靈活的搜客尋客引擎等數字化營銷功能。

1.營銷中臺的數據基礎

基于數據中臺提供的模塊化、業務化的數據服務，營銷中臺繼承個人數據集市、對公數據集市、分行數據集市、信貸系統、第三方外部數據、數據分析挖掘平臺等多個來源的數據，通過客戶標簽體系形成客戶畫像，并為客戶經理提供了客戶查詢、搜客引擎、資產視圖等服務。豐富的客戶畫像涵蓋了個金、個貸、信用卡、私行、公司、普惠等多個條線；上千個靈活可擴展的客戶標簽為客戶經理提供了豐富的搜客組合，直通基層，讓客戶經理了解客戶、定位客戶、自主選擇適合營銷的客戶。同時，省市支行管理層也可以通過業務經驗將預設的標簽組合作為特定客群，分發到網點客戶經理作為營銷商機。

圖3 營銷中臺數據基礎構成圖

營銷中臺作為商業銀行營銷領域的決策、管理、執行中樞，與數據中臺緊密銜接，依托數據中臺提供大數據分析支持，并將營銷過程中產生的數據回流至數據中臺供后評價指標加工。

2.營銷中臺的大數據應用

為了能實現數字化精準識別營銷模式，給對的客戶在正確的時間通過恰當的渠道推送適合的產品，營銷中臺通過數據分析的營銷模型驅動營銷業務場景。營銷中臺的營銷模型可分為固態模型、自定義模型和機器學習模型三類。

固態模型由分行數據集市基于專家經驗制定的規則將每日批量加工標記預設的客群作為營銷中臺的客群標簽基礎，另有按事件觸發的實時商機標簽提示比如實時大額資金變動等；自定義模型可以由營銷人員通過搜客引擎在線簡易建模，按用戶的資產情況、歷史產品偏好、生日信息等篩選規則定制客群；機器學習模型依托數據分析挖掘平臺，通過數據中臺提供的數據標簽、數據寬表二次加工衍生，通過聚類、隨機森林等機器學習算法篩選出重要性較高的特征寬表，代入邏輯回歸、隨機森林、Xgboost等預測算法，挖掘潛力客戶，預測流失客戶，產品推薦預測，模型預測的結果可定期對接至營銷中臺，為基層營銷人員提供營銷切入點。

圖4 營銷中臺模型示意圖

目前各業務條線固態模型的使用率最高，通過搜客建群和導入建群的在用客群有兩千多個；機器學習模型可通過數據分析提升營銷的精準度；自定義模型則可降低開發周期，讓業務人員能靈活、快速的進行營銷分析，實現數據的價值。

3.營銷中臺的觸客渠道

營銷中臺集成對接了總分行覆蓋線上、線下、遠程共計10余個營銷渠道，隨著新興營銷渠道以及分行特色營銷渠道的快速增加，豐富渠道成為營銷系統的主流選擇。

圖5 營銷中臺渠道分類圖

線上方面，營銷中臺為客戶經理提供了向目標客群批量發送營銷短信，給對應客戶的掌銀推送小信封消息，虛擬電話一鍵外呼等線上引流營銷功能，網點線下方面可通過營銷中臺對接至超柜的終端精靈、智迎客、微信等渠道進行營銷。另外客戶經理可在營銷日志頁面查看或新增營銷日志：記錄營銷時間、營銷方式、日志狀態、意愿產品、意愿情況、營銷人、要點記錄等關鍵信息協助后續跟蹤。

4.營銷中臺的后評價系統支持

營銷中臺對標簽使用及篩選規則進行埋點，同時收集客戶經理營銷渠道功能使用情況、營銷日志反饋，對營銷過程進行了監測；同時系統自動加工了營銷前后的目標客戶產品持有情況、資產變化、推薦產品購買情況等營銷后業績情況，并且按客戶經理、按機構、按客群生成了營銷過程統計、營銷前后業績統計、待辦業務統計、智能外呼營銷統計等十余張客群業績監測統計表。

營銷中臺完成了營銷全流程的跟蹤，記錄、整合營銷過程數據，為營銷管理工作積累數據沉淀，支持下階段進行營銷效果分析和管理，形成數據鏈路閉環。

圖6 營銷中臺營銷監測示意圖

（三）數字化營銷模式

零售金融行業的發展現狀：存量客戶體量巨大，客戶經理人力不足，每個網點2-4名理財經理和客戶經理，主要服務高凈值客戶，大量潛在高凈值客戶無人維護，并且客戶經理進行單點觸達和營銷，服務效率較低，銀行亟需數字化精準營銷的轉型創新，而零售的海量客戶數據，本就非常適合通過數據驅動業務的數字化經營模式。

銀行的數字化營銷模式轉變體現在如下三個方面：一是業務交易的線上化，減少對線下網點到店營銷的依賴；二是經營管理的智能化，精準識別精準投放，提升效率避免大海撈針；三是閉環營銷，迭代優化。營銷中臺將流程分解為營銷活動創建、營銷執行、交易實現、業績登記、業績評價、模型調優等環節，實現了閉環營銷，打通斷點，拉通多個線上線下場景，提高了業務經營、營銷獲客的效率，不斷豐富接入的產品，提升用戶體驗，全面支持了零售數字化轉型。

1.營銷中臺全面提升線上化獲客能力

線上渠道交易量劇增，快捷支付的普及，后疫情時代的諸多限制，銀行如何適應客戶的線上化、離行化趨勢？營銷中臺實現了線上客戶觸達，支持電話、短信、產品卡片、二維碼、短鏈接等多種客戶觸達形式，基本涵蓋目前主流的互聯網營銷推薦方式；客戶在多功能移動營銷平臺上可通過企業微信添加客戶的個人微信實現即時通訊交流，便于隨時開展對客營銷和服務。

圖7 多功能移動營銷平臺與客戶微信即時通訊示意圖

營銷中臺支持多渠道開展營銷活動，客戶收到營銷推送后，通過短網址或購買鏈接，實現產品的一鍵跳轉購買，真正做到移動營銷，無需線下網點到店，線上全流程。并且在購買前，系統事先預判客戶是否持有卡及風險測評、產品簽約等情況，提前引導客戶做好購買前準備工作，提升產品購買順暢度。

2.營銷中臺客戶需求為導向，精準營銷

（1）大數據定向客群挖掘：營銷中臺采取可優化迭代的機器學習建模架構，構建“數據+算法”雙輪驅動，打造智能“尋客”引擎，針對潛力高凈值、代發工資客群、ETC車主客群、私行易流失客群等多個重點業務進行精準識別，讓營銷人員一眼明白客戶是誰、什么特點、可能需要什么樣的產品或服務。

（2）個性化產品推薦：借鑒總行敏捷建模方式，結合客戶歷史交易行為、產品偏好，構建了定期、理財、基金和貴金屬等5個產品精準營銷模型，打造智能產品推薦體系，完成對客戶偏好金融產品的個性化匹配，并排定推薦優先級，進而為客戶經理推送差異化的金融服務方案，助其高效地開展精準營銷活動。

圖8 數據分析挖掘特征選取

3.監測與優化改進，正負反饋螺旋前進

營銷中臺提供豐富的業績監測功能。一是客戶營銷后業績情況，包括客戶營銷后重要指標增長情況、AUM、存款等產品在營銷節點后的變化情況、營銷后產品購買明細等。二是客群業績監測情況，包括客群觸達客戶情況、觸達前后以及營銷前后主要指標增長情況、推薦產品購買情況、渠道及交易購買情況等。三是對營銷過程監測。營銷中臺將營銷結果和監測結果作為模型迭代的重要輸入源，不斷調整特征、參數及樣本、輸出結果，形成模型迭代優化閉環。同時使用模型融合等多種技術手段，提升產品健壯性和敏捷迭代能力。營銷中臺的高效閉環式營銷，打通了“建模→推薦→營銷→交易→監測→優化”的營銷閉環，實現一站式客戶營銷監測管理。

四、數字化營銷模式建設前景

（一）豐富數據基礎，提高智慧挖掘能力

進一步建設數據中臺，形成豐富的標簽庫、模型庫、指標庫。進一步接入第三方數據源，快速響應行內外數據綜合分析的需求，進一步沉淀營銷行為分析、營銷結果類數據，為行為精準化分析提供數據支持。

（二）構建營銷與風控模型體系，加強業務監控

在客戶營銷過程中，風險一環的重要性日益凸顯。對于風險的控制能力決定銀行等金融機構在未來競爭是否處于優勢地位的核心能力。營銷中臺可從客戶及客戶經理兩方面進行行為分析，基于數據中臺風險庫中客戶、行為、交易、風險等基礎標簽，機器學習分析挖掘客戶異常操作構建反欺詐模型，進一步結合規則引擎、實時流計算等技術，最終構建事前、事中、事后全生命周期的風控模型，提升客戶經營管理效能的同時降低風險。

（三）積極推動人工智能新技術落地應用

積極探索生物識別、自然語言處理、機器學習等人工智能技術，加大AI人工智能在營銷工具上的使用。針對線上客戶服務、外呼等營銷渠道，上線對應的自動化運行流程。引入語音機器人，通過“人機協作”創新智能客戶服務模式；挖掘非結構化數據，推動OCR技術落地，推動智能語音技術在營銷和客服領域應用；引進機器學習平臺，使用前沿機器學習算法構建更加全面有效的營銷推薦模型。

五、小結

本文針對數字化轉型浪潮下營銷模式轉型的問題，從搭建數據中臺基礎、構建智能化營銷中臺及數字化營銷模式探索三個方向提出了解決方案，研究大數據、互聯網時代背景中金融機構與客戶關系及營銷模式的轉型，對未來數字化營銷模式建設的前景進行分析預測，為商業銀行數字化轉型背景下創新數智化營銷新模式提供了借鑒意義。