智能建模賦能海量客戶數(shù)字化提級(jí)營(yíng)銷

陳萌 包沫怡

中國(guó)工商銀行秉承“科技賦能、價(jià)值創(chuàng)造”思路，應(yīng)用人工智能模型聚類分析，對(duì)海量客戶進(jìn)行動(dòng)態(tài)分組和排序預(yù)測(cè)，優(yōu)選更易提級(jí)、更能促活的目標(biāo)客戶，重點(diǎn)開展多輪次營(yíng)銷觸達(dá)，實(shí)現(xiàn)事半功倍的效果。

隨著時(shí)代的發(fā)展和競(jìng)爭(zhēng)的加劇，商業(yè)銀行零售業(yè)務(wù)逐漸從做大增量向深耕存量轉(zhuǎn)型。過(guò)往依靠有限的人員隊(duì)伍開展?fàn)I銷的模式與服務(wù)海量客戶的需求出現(xiàn)錯(cuò)位。亟需發(fā)揮金融科技手段從大量數(shù)據(jù)資源中尋寶挖潛的專屬特長(zhǎng)，更高效地洞察客戶，更便捷地滿足客戶，讓適配的金融服務(wù)觸及更龐大的目標(biāo)客戶。在此背景下，中國(guó)工商銀行秉承“科技賦能、價(jià)值創(chuàng)造”思路，應(yīng)用人工智能模型聚類分析，對(duì)海量客戶進(jìn)行動(dòng)態(tài)分組和排序預(yù)測(cè)，優(yōu)選更易提級(jí)、更能促活的目標(biāo)客戶，重點(diǎn)開展多輪次營(yíng)銷觸達(dá)，實(shí)現(xiàn)事半功倍的效果。

基于大量數(shù)據(jù)構(gòu)建海量客戶聚類模型

工商銀行擁有超過(guò)7億個(gè)人客戶，其中有不少低資產(chǎn)客戶。為做好這部分客戶的畫像和需求分析，工行采用無(wú)監(jiān)督學(xué)習(xí)的聚類算法構(gòu)建機(jī)器學(xué)習(xí)模型，深度挖掘客戶特征，歸納聚合同類型客戶，以期通過(guò)模型輸出結(jié)果賦能潛力客戶的動(dòng)態(tài)分群和策略運(yùn)營(yíng)。

選取年齡適中且有有效聯(lián)系方式的客戶納入研究樣本，從中隨機(jī)抽取300多萬(wàn)客戶作為建模樣本。在此基礎(chǔ)上，從客戶的基礎(chǔ)信息、行為信息、資產(chǎn)余額、產(chǎn)品信息等多個(gè)維度切人，提取客戶特征數(shù)據(jù)。再根據(jù)客戶標(biāo)簽的代表性、提級(jí)客戶和非提級(jí)客戶標(biāo)簽的差異、數(shù)據(jù)之間的相關(guān)性以及數(shù)據(jù)的完整度，從中精選客戶標(biāo)簽進(jìn)行去極值和標(biāo)準(zhǔn)化處理。下一步是降維處理標(biāo)簽提升建模效率，通過(guò)建模工具對(duì)樣本客戶的數(shù)據(jù)進(jìn)行了主成分分析，將原來(lái)的多個(gè)數(shù)據(jù)標(biāo)簽降維成優(yōu)中選優(yōu)的幾個(gè)主成分，在保留原有數(shù)據(jù)信息的基礎(chǔ)上降低后續(xù)建模的變量，提高聚類模型訓(xùn)練效率。

選擇業(yè)內(nèi)常用的聚類模型，調(diào)整模型參數(shù)并多次迭代后，針對(duì)樣本客戶形成特征較為穩(wěn)定的15個(gè)細(xì)分客戶組別，在計(jì)算每一個(gè)聚類小組的自然提級(jí)率和顯著的客戶特征基礎(chǔ)上形成六個(gè)海量客戶細(xì)分群組。再根據(jù)人工智能模型輸出的聚類結(jié)果，細(xì)化分析各組別客戶的主要特征和差異化需求，結(jié)合重點(diǎn)產(chǎn)品及業(yè)務(wù)分類施策，制定差異化營(yíng)銷服務(wù)方案。

“易提級(jí)”組別客戶。主要特征為月日均金融資產(chǎn)較高、工資收入較為穩(wěn)定、儲(chǔ)蓄存款較多。重點(diǎn)推廣資產(chǎn)配置、權(quán)益回饋、發(fā)薪套餐、養(yǎng)老金、中長(zhǎng)期限理財(cái)、權(quán)益或固收類基金等活動(dòng)和產(chǎn)品，吸引客戶留存資金。觸達(dá)渠道為手機(jī)銀行、智能設(shè)備和柜面。

“頻交易”組別客戶。主要特征為線上交易活躍，平均年齡相對(duì)較低。重點(diǎn)推廣支付立減、消費(fèi)套餐、商戶聯(lián)名、信用卡、中短期限理財(cái)、貨幣基金等活動(dòng)和產(chǎn)品，鞏固客戶使用習(xí)慣。

“年輕客”組別客戶。主要特征為平均日均資產(chǎn)較低，交易活躍度很低，且平均年齡較小。重點(diǎn)向其推廣新客禮包、年輕客群專屬品牌、首綁有禮、簡(jiǎn)約無(wú)界信用卡等活動(dòng)和產(chǎn)品，提高客戶滲透水平。

“常透支”組別客戶。主要特征為使用信用卡交易，且偏好線上交易。重點(diǎn)推廣信用卡權(quán)益、積分兌換、刷卡有禮、線上平臺(tái)聯(lián)動(dòng)、自動(dòng)還款、消費(fèi)分期、信用貸款等活動(dòng)和產(chǎn)品，提升信用卡消費(fèi)占比，強(qiáng)化客戶業(yè)務(wù)綁定。

“線下客”組別客戶。主要特征為偏好到店，近一年在柜面辦理業(yè)務(wù)相對(duì)較頻繁，近期現(xiàn)金存款金額較高。抓住客戶到店契機(jī)，重點(diǎn)推廣養(yǎng)老金、社保卡、壽險(xiǎn)、疾險(xiǎn)、大額存單、國(guó)債、貴金屬等活動(dòng)和產(chǎn)品，加強(qiáng)客戶往來(lái)聯(lián)系。

“繳費(fèi)客”組別客戶。主要特征為近期批量代扣流出金額相對(duì)較高。重點(diǎn)推廣資產(chǎn)配置、貨幣基金、現(xiàn)金管理類理財(cái)、家裝分期、汽車分期、消費(fèi)減免、信用卡等活動(dòng)和產(chǎn)品，引導(dǎo)客戶歸集零錢，防止資金流失。

根據(jù)差異化策略開展多輪）欠精準(zhǔn)觸達(dá)

2023年全年，結(jié)合各組別特征和營(yíng)銷觸達(dá)策略，圍繞大個(gè)金板塊熱門產(chǎn)品和活動(dòng)，在全域渠道和觸點(diǎn)開展張網(wǎng)式布放，持續(xù)面向各組別高潛力客戶開展多輪次精準(zhǔn)營(yíng)銷觸達(dá)。截至2023年10月末，針對(duì)聚類模型的目標(biāo)客戶累計(jì)精準(zhǔn)推送近十億人次，觸達(dá)近億戶，累計(jì)提級(jí)客戶數(shù)量較活動(dòng)開始前實(shí)現(xiàn)顯著增長(zhǎng)，取得了較好的成效。

針對(duì)“易提級(jí)”組別客戶“月日均金融資產(chǎn)較高、工資收入較為穩(wěn)定、儲(chǔ)蓄存款較多”等特點(diǎn)，一是通過(guò)手機(jī)銀行開展多輪次精準(zhǔn)推送，應(yīng)用消息中心、首頁(yè)輪播等觸點(diǎn)和微信客戶服務(wù)公眾號(hào)、短信外撥、智能外呼等線上渠道，推送“升金有禮”“薪享事成”等活動(dòng)。二是常態(tài)化對(duì)該組別客戶進(jìn)行基保理營(yíng)銷，按周推送新發(fā)基金、優(yōu)質(zhì)理財(cái)產(chǎn)品信息，組織“資產(chǎn)診斷”活動(dòng)，引導(dǎo)客戶合理配置不同種類的產(chǎn)品分散風(fēng)險(xiǎn)，做好投資者教育工作。

針對(duì)“頻交易”組別客戶“三方交易活躍且較為年輕”等特點(diǎn)，一是通過(guò)手機(jī)銀行開展多輪次精準(zhǔn)推送，應(yīng)用手機(jī)銀行消息中心、首頁(yè)輪播、轉(zhuǎn)賬匯款首頁(yè)等觸點(diǎn)和批量短信，推送消費(fèi)立減、積分獎(jiǎng)勵(lì)、“i小宇”等活動(dòng)。二是常態(tài)化部署手機(jī)銀行中微信、支付寶渠道動(dòng)賬消息尾隨提示，提高信用卡、工銀信使等重點(diǎn)產(chǎn)品曝光率。三是根據(jù)客戶營(yíng)銷活動(dòng)敏感型的特點(diǎn)，聯(lián)動(dòng)“微信月月刷”活動(dòng)和公眾號(hào)“綁卡有禮”活動(dòng)，引導(dǎo)客戶關(guān)注工行客戶服務(wù)微信公眾號(hào)，增加觸達(dá)機(jī)會(huì)，逐步引導(dǎo)客戶使用工行卡，將工行作為主交易銀行。

針對(duì)“年輕客”組別客戶“月日均資產(chǎn)和交易活躍度均較低，平均年齡較小，發(fā)展?jié)摿^大”等特點(diǎn)，一是通過(guò)手機(jī)銀行、智能外呼、短信外撥和微信客戶服務(wù)公眾號(hào)等線上渠道矩陣，抓住新開戶六個(gè)月內(nèi)和各類節(jié)日營(yíng)銷契機(jī)，圍繞“新客有禮”“升金有禮”等活動(dòng)，按月滾動(dòng)開展線上運(yùn)營(yíng)和精準(zhǔn)推送。二是持續(xù)進(jìn)行重點(diǎn)產(chǎn)品滲透，包括三方綁卡、工銀信使、信用卡、風(fēng)險(xiǎn)測(cè)評(píng)、積存金等，逐步提高客戶的活躍度，以手機(jī)銀行精準(zhǔn)推送、智能外呼和短信外撥為主要推廣手段。

針對(duì)“常透支”組別客戶“偏好使用信用卡消費(fèi)，線上交易較為活躍”等特點(diǎn)，一是應(yīng)用手機(jī)銀行消息中心、生活首頁(yè)彈窗等觸點(diǎn)和“e生活”App、微信客戶服務(wù)公眾號(hào)開展精準(zhǔn)推送，圍繞各類消費(fèi)達(dá)標(biāo)、優(yōu)惠、立減、積分兌換活動(dòng)以及三方綁卡、“融e借”等產(chǎn)品。二是常態(tài)化部署手機(jī)銀行動(dòng)賬消息尾隨提示，提高重點(diǎn)產(chǎn)品和活動(dòng)的曝光率。

針對(duì)“線下客”組別客戶“偏好到訪線下網(wǎng)點(diǎn)，近一年柜面辦理業(yè)務(wù)較頻繁”等特點(diǎn)，一是圍繞“升金有禮”活動(dòng)，全年通過(guò)智能外呼或短信外撥開展主動(dòng)營(yíng)銷觸達(dá)，邀請(qǐng)客戶到訪網(wǎng)點(diǎn)。二是常態(tài)化部署叫號(hào)憑條精準(zhǔn)營(yíng)銷話術(shù)和客服經(jīng)理手持Pad熱銷活動(dòng)，客戶到店取號(hào)可查看相應(yīng)活動(dòng)或產(chǎn)品推薦，一線客服經(jīng)理也會(huì)收到營(yíng)銷提示內(nèi)容，做好到店承接，促進(jìn)提級(jí)目標(biāo)實(shí)現(xiàn)。

針對(duì)“繳費(fèi)客”組別客戶“經(jīng)常通過(guò)工行代扣代繳各項(xiàng)生活服務(wù)費(fèi)用”等特點(diǎn)，一是開展多次精準(zhǔn)推送，應(yīng)用手機(jī)銀行消息中心、短信外撥等渠道，以優(yōu)惠活動(dòng)為抓手，推送存款、貨幣基金、代扣代繳、“e錢包”和個(gè)人養(yǎng)老金等產(chǎn)品，邀請(qǐng)客戶在線或到店辦理。二是擇機(jī)在網(wǎng)點(diǎn)部署存款產(chǎn)品相關(guān)平面廣告，抓住旺季營(yíng)銷資金充裕契機(jī)，做好到店客戶營(yíng)銷。

智能建模營(yíng)銷成功啟示

海量個(gè)人客戶經(jīng)營(yíng)是一項(xiàng)復(fù)雜的系統(tǒng)性工作，面對(duì)龐大的客戶規(guī)模和經(jīng)營(yíng)目標(biāo)，兼顧資源投放、客戶體驗(yàn)與營(yíng)銷效果并非易事。人工智能模型的構(gòu)建和應(yīng)用能夠幫助業(yè)務(wù)人員快速鎖定高潛力目標(biāo)客戶，開展集約化的營(yíng)銷觸達(dá)，從而避免大海撈針；而常態(tài)化客戶運(yùn)營(yíng)和活動(dòng)策劃也會(huì)持續(xù)收集客戶的體驗(yàn)和反饋，為模型提供迭代思路和優(yōu)化方向。

在海量客戶的數(shù)字化經(jīng)營(yíng)過(guò)程中，需要結(jié)合業(yè)務(wù)發(fā)展的新趨勢(shì)和客戶服務(wù)的新要求，持續(xù)更新智能建模的方案和業(yè)務(wù)應(yīng)用的思路。同時(shí)伴隨著零售業(yè)務(wù)的不斷發(fā)展，客戶經(jīng)營(yíng)所承載的目標(biāo)和要求也將日益復(fù)雜和多樣。因此，無(wú)論是人工智能聚類模型的建模算法和特征框架，還是基于建模結(jié)論的業(yè)務(wù)策略都需要結(jié)合業(yè)務(wù)需求優(yōu)化升級(jí)持續(xù)迭代。

零售業(yè)務(wù)的核心是個(gè)人客戶，客戶的經(jīng)營(yíng)是持續(xù)開展、逐步完善的過(guò)程。我們需要圍繞客戶全生命周期，建立需求識(shí)別與服務(wù)滿足的匹配視圖，并結(jié)合與客戶交互時(shí)間或渠道節(jié)點(diǎn)的實(shí)際情況，匹配合適的產(chǎn)品和營(yíng)銷活動(dòng)，形成體系化的維護(hù)策略。在此基礎(chǔ)上，按照“多輪觸達(dá)、斷點(diǎn)跟蹤、人機(jī)協(xié)同、持續(xù)深入”模式，先通過(guò)手機(jī)銀行、短信和智能外呼部署批量推送任務(wù)，再實(shí)現(xiàn)高意向客戶由人員隊(duì)伍跟進(jìn)開展邀約維護(hù)，逐步達(dá)成“活躍一滲透一提級(jí)”的階梯式目標(biāo)。

展望未來(lái)，我們將繼續(xù)應(yīng)用人工智能模型分析客戶、了解客戶，推動(dòng)海量個(gè)人客戶促活捉級(jí)工作取得實(shí)效，持續(xù)為工商銀行客戶結(jié)構(gòu)優(yōu)化和金融資產(chǎn)提升貢獻(xiàn)力量！