基于大数据架构的精准营销模式研究

□ 陈健恒 徐永红 陈蓓 王子豪 葛冬

一、引言

伴随全球互联网金融进入高速发展轨道，商业银行对于客户营销、维护需求日益增加，无论是新客拓展还是客户维护，都面临巨大挑战。零售及对公客户营销中面临多个痛点问题：缺乏数字化驱动、难以持续化建设用户画像、营销成本居高不下、无法闭环的营销链路、客户有效触达率低等。商业银行亟需打破固有营销模式僵局，开拓数智化营销新模式，在大数据、互联网时代背景中带来金融机构与客户关系及营销模式的转变。

商业银行如何以数据驱动的新型营销闭环建设为抓手，进行大数据技术在数据中台、营销中台中的探索；研究数字营销产品如何助力营销模式转型以及如何将先进技术与有效的营销方式结合，提升营销成功率，降低营销人力成本，成为当前数字化转型背景下创新构建数智化营销新模式研究的重点。

二、研究现状及其存在的问题

数据中台是以“业务数据化”为目的，实施“数据业务化”，以业务的视角提供包含数据规范、收集、治理、挖掘、应用等数据服务能力。数据中台基于底层海量基础数据，为上层各机构、各系统提供统一的数据应用服务，通过对数据需求的整合分析，抽象出共性数据服务需求，在数据服务过程中沉淀数据中台数据资产，制定统一的数据服务标准与规范，满足纵向不同层级间、横向跨条线间的数据应用需求。数据中台与传统数据仓库相比，一是数据源更丰富，包含交易系统、客户管理系统、财务系统等各类系统的数据，并引入工商、税务、海关、公安、法院等外部数据，为全面完整的数据服务能力提供数据支撑；二是数据服务更统一，可实现跨部门、跨机构、跨系统的数据资产共享，减少了重复开发，提高了数据资产复用效率。

基于数据中台提供的模块化、业务化的数据服务，搭建智能化营销中台，实现“建模→推荐→营销→交易→监测→优化”的营销闭环，为实现数字化营销模式构建架构基础。依据“数据驱动”的原则，将专家经验或数据建模产生的精准营销目标客户入库形成标签，实现客户的灵活筛选和多渠道智能推荐，客户经理根据产品推荐情况，将产品或产品组的链接分享至客户端，通过链接引流客户，通过线上或线下渠道一键购买产品组合。

同时，营销中台提供多维度客户业绩监测。一是客户营销后业绩情况，如客户营销后重要指标增长情况、营销后产品购买明细等；二是业绩监测情况，包括客群触达客户情况、触达前后以及营销前后主要指标增长情况、推荐产品购买情况、渠道及交易购买情况。根据监测结果，持续迭代优化营销闭环，形成营销监测双轮驱动。

相比于金融科技公司，传统的客户经理面对面营销模式在客户资源方面占有优势，而如何合理利用已有的客户资源，在云计算、人工智能、大数据等科技背景下的数字化时代实现业技数深度融合，提升客户对数字化产品和数字化服务的满意度，同时降低营销成本提升营销质量为数字化营销模式的重点。数字化营销已成为新时代银行寻求新增长引擎的必然选择。

虽然基于大数据技术的数据中台、营销中台建设，在技术研究方面已有较多进展，但在实际应用中仍存在若干问题使得研究成果难以落地实际应用。一方面零售与对公客户的营销模式不同却又存在多种数据和营销场景的交叉，在数据中台及营销中台建设中，需要考虑数据中台及营销中台产品组件的的完整性和覆盖度。另一方面，如何将传统营销模式与数智化营销模式相融合，发挥业技数最大合力，仍是一个值得深入研究的问题。

三、基于数据中台构建的数字化营销模式

（一）数据中台建设

1.数据中台总体框架

本课题搭建的数据中台框架体系如图1所示。数据中台介于源数据和应用之间，对各业务系统构建统一的资产视图，建立统一的资产标准，提供统一的数据服务能力，为商业银行内各部门、各应用系统提供数据共享和分析应用服务。从客户标签体系构建的过程来看，主要是对源系统数据的加工与整合、数据中台以数据服务能力支撑应用系统、应用系统反馈数据评价三个环节。

图1 数据中台框架体系图

数据中台的建设过程，首先是对源系统数据的加工与整合，整合行内交易系统、客户管理系统、财务系统等各类系统的数据，并引入工商、税务、海关、公安、法院等外部数据，导入规上企业、上市公司、专精特新小巨人等企业名录，使得客户画像更加全面完整。在构建了客户360度画像的基础上，以数据支撑数据应用，一是向客户经理提供客户全面信息，在了解客户的基础上提升客户服务质量。二是向管理人员提供跨板块的全局数据，有助于领导层站在更高维度进行战略决策。此外收集数据应用过程中产生的评价信息，如客户产品营销成效，短信营销、外呼营销、外拓活动、客服电话记录等，通过数据评价动态调整数据中台服务，形成数据服务闭环。

2.构建标签体系

源数据数据整合后，需要结合业务需求，在数据中台中建立起客户标签体系。业务需求需要经过专家高度精炼，深度结合历史数据分析项目经验，持续的收集整理。客户标签体系，是基于商业银行已建设的大数据平台、个人、对公以及分行集市等已有数据资产，将总分行、各业务条线所需客户数据以标签形式进行集中管理、统筹建设，构建全行级的客户标签中心。可打通条线壁垒、加速标签查询与定位，全行标签资产集中在数据中台进行统一存储与管理，形成统一的数据与元数据资产视图。依托条线内业务人员对条线内事务的敏感性、专业性、前瞻性，各条线标签由该条线业务与数据分析师共同开发建设。各业务条线产出的全行级共性标签，供全行共享使用，最大化标签利用与复用价值。数据中台对标签数据进行更新，保证标签的时效性和有效性。

客户标签需要分级分类管理，以银行零售业务为例，零售客户标签从资产、负债、产品、交易、价值、风险、自然属性七个方面对银行零售客户特征进行抽象与总结，构建一级主题；再对一级主题进一步细分，从银行零售业务场景维度出发，按照不同产品进行划分，以业务视角形成二级主题，便于各业务线开展标签管理与应用，有助于将客户标签与业务场景进行有效对应，开展客户画像与原有业务流程嵌入，开展特定业务客群划分，增加标签实用性，最终形成如下图2所示的商业银行零售客户智能标签体系。统一的客户标签体系，解决了指标含义理解不同、数据口径不同导致的数据偏差问题，形成固定数据标准，提高数据分析师的数据开发效率，提升数据资产沉淀能力。

图2 商业银行零售客户智能标签体系

3.数据中台资产应用

在完成零售客户、对公客户、商户客户等数据对象的标签构建后，业务管理人员可更高效地开展基于业务的应用场景的设计，以发挥标签的价值。以基于零售业务客户构建的智能标签为例，通过对客户自然属性、行为数据、客户分级分类的标签化处理和探索，按照业务需求圈定群体范围，实现对复杂群体数据的智能化统计、筛选、加工、沉淀，建立单一客户的360°个性化标签全景视图，通过关系图谱展示、可视化线索分析、相似人员智能化推荐等来实现业务人员对于目标群体的精准定位，支撑精准营销、差异化营销、风险防控等相关业务场景的建设，使得数据充分发挥业务价值，提升整体经营服务质量，实现数据对业务的反哺。

客户标签的各类应用，是数据中台支撑数据业务化的最佳体现，通过对沉淀数据资产的深入洞察分析，实现对一线客户经理经营服务的进阶探索：

（1）精准营销：传统的厅堂营销逐渐无法适应数字化转型的大环境，盲目的电子渠道营销不能精准识别客户、精确针对客户需求，而且可能导致客户的抵触，产生客户投诉。数据中台基于用户分类标签、行为与资产标签，通过数据分析挖掘技术，精准实现客群划分与产品推荐，精准识别用户需求，及时向用户推送可能感兴趣或需要的产品，刺激用户购买。缩小营销范围，提高营销成功率，跟踪营销效果标签，可为营销决策提供依据，不断推进精准高效的产品营销工作。

（2）风险防控：通过对客户历史逾期情况、资金流水分析、工商司法处置信息等标签，可以通过机器学习或专家经验，区分出信贷违约、反洗钱、反电信欺诈等方面的高风险客户，及时向相关客户经理发起预警，以达到减少损失，规避风险的目的。

（3）决策支撑：传统的商业银行业务分析系统，多基于机构与指标，虽然能够提供趋势分析，但难以对指标的变化进行解释与进一步分析。基于客户标签的业务分析系统，能够从客户类型、所属产行业、所属部门等多种维度，描述社会资金轮动逻辑，精准定位指标变化深层次原因，为领导层决策提供精准可靠的依据。

本课题按照零售客户与对公客户两大领域，分别从资产、负债、产品、交易、价值、风险等多个角度，整合加工各维度客户标签共计1468个，构建了较为完善的客户标签体系。数据中台系统提供的数据服务能力，同时面向业务管理人员、数据分析师、客户经理，多管齐下提升数据价值。在数字化转型战略背景下，应持续深入研究数据中台与业务场景融合，不断提高数据推进业务产生价值的能力。

（二）智能化营销中台

课题组围绕客户服务全生命周期，以数据中台为基础，探索“模块化、组件化、服务化”的营销中台架构搭建方法。通过建立丰富客户画像、多渠道营销方式、线上线下协同营销、多维度业绩监测，为客户经理及各级行管理层提供智能营销引擎。营销中台不仅仅把之前不同系统相似的营销功能服务集成融合在一起，实现标准规范的一致性、功能接口的统一性；还能通过模块化组件化的整合从而做到资源与服务能力的共享，满足新应用新系统的敏捷开发和迭代，迅速响应基层业务的营销需求。营销中台主要由数字化客户关系管理系统、智能化客户管理系统和多功能移动营销平台构成；基于可弹性伸缩扩展的PaaS云平台构建了为零售和对公客户经理提供了PC及移动端营销的数据服务，涵盖了统一的资产视图、丰富的客户画像、多渠道的智能化产品推荐、多功能的营销方式、多维度的客户业绩监测、灵活的搜客寻客引擎等数字化营销功能。

1.营销中台的数据基础

基于数据中台提供的模块化、业务化的数据服务，营销中台继承个人数据集市、对公数据集市、分行数据集市、信贷系统、第三方外部数据、数据分析挖掘平台等多个来源的数据，通过客户标签体系形成客户画像，并为客户经理提供了客户查询、搜客引擎、资产视图等服务。丰富的客户画像涵盖了个金、个贷、信用卡、私行、公司、普惠等多个条线；上千个灵活可扩展的客户标签为客户经理提供了丰富的搜客组合，直通基层，让客户经理了解客户、定位客户、自主选择适合营销的客户。同时，省市支行管理层也可以通过业务经验将预设的标签组合作为特定客群，分发到网点客户经理作为营销商机。

图3 营销中台数据基础构成图

营销中台作为商业银行营销领域的决策、管理、执行中枢，与数据中台紧密衔接，依托数据中台提供大数据分析支持，并将营销过程中产生的数据回流至数据中台供后评价指标加工。

2.营销中台的大数据应用

为了能实现数字化精准识别营销模式，给对的客户在正确的时间通过恰当的渠道推送适合的产品，营销中台通过数据分析的营销模型驱动营销业务场景。营销中台的营销模型可分为固态模型、自定义模型和机器学习模型三类。

固态模型由分行数据集市基于专家经验制定的规则将每日批量加工标记预设的客群作为营销中台的客群标签基础，另有按事件触发的实时商机标签提示比如实时大额资金变动等；自定义模型可以由营销人员通过搜客引擎在线简易建模，按用户的资产情况、历史产品偏好、生日信息等筛选规则定制客群；机器学习模型依托数据分析挖掘平台，通过数据中台提供的数据标签、数据宽表二次加工衍生，通过聚类、随机森林等机器学习算法筛选出重要性较高的特征宽表，代入逻辑回归、随机森林、Xgboost等预测算法，挖掘潜力客户，预测流失客户，产品推荐预测，模型预测的结果可定期对接至营销中台，为基层营销人员提供营销切入点。

图4 营销中台模型示意图

目前各业务条线固态模型的使用率最高，通过搜客建群和导入建群的在用客群有两千多个；机器学习模型可通过数据分析提升营销的精准度；自定义模型则可降低开发周期，让业务人员能灵活、快速的进行营销分析，实现数据的价值。

3.营销中台的触客渠道

营销中台集成对接了总分行覆盖线上、线下、远程共计10余个营销渠道，随着新兴营销渠道以及分行特色营销渠道的快速增加，丰富渠道成为营销系统的主流选择。

图5 营销中台渠道分类图

线上方面，营销中台为客户经理提供了向目标客群批量发送营销短信，给对应客户的掌银推送小信封消息，虚拟电话一键外呼等线上引流营销功能，网点线下方面可通过营销中台对接至超柜的终端精灵、智迎客、微信等渠道进行营销。另外客户经理可在营销日志页面查看或新增营销日志：记录营销时间、营销方式、日志状态、意愿产品、意愿情况、营销人、要点记录等关键信息协助后续跟踪。

4.营销中台的后评价系统支持

营销中台对标签使用及筛选规则进行埋点，同时收集客户经理营销渠道功能使用情况、营销日志反馈，对营销过程进行了监测；同时系统自动加工了营销前后的目标客户产品持有情况、资产变化、推荐产品购买情况等营销后业绩情况，并且按客户经理、按机构、按客群生成了营销过程统计、营销前后业绩统计、待办业务统计、智能外呼营销统计等十余张客群业绩监测统计表。

营销中台完成了营销全流程的跟踪，记录、整合营销过程数据，为营销管理工作积累数据沉淀，支持下阶段进行营销效果分析和管理，形成数据链路闭环。

图6 营销中台营销监测示意图

（三）数字化营销模式

零售金融行业的发展现状：存量客户体量巨大，客户经理人力不足，每个网点2-4名理财经理和客户经理，主要服务高净值客户，大量潜在高净值客户无人维护，并且客户经理进行单点触达和营销，服务效率较低，银行亟需数字化精准营销的转型创新，而零售的海量客户数据，本就非常适合通过数据驱动业务的数字化经营模式。

银行的数字化营销模式转变体现在如下三个方面：一是业务交易的线上化，减少对线下网点到店营销的依赖；二是经营管理的智能化，精准识别精准投放，提升效率避免大海捞针；三是闭环营销，迭代优化。营销中台将流程分解为营销活动创建、营销执行、交易实现、业绩登记、业绩评价、模型调优等环节，实现了闭环营销，打通断点，拉通多个线上线下场景，提高了业务经营、营销获客的效率，不断丰富接入的产品，提升用户体验，全面支持了零售数字化转型。

1.营销中台全面提升线上化获客能力

线上渠道交易量剧增，快捷支付的普及，后疫情时代的诸多限制，银行如何适应客户的线上化、离行化趋势？营销中台实现了线上客户触达，支持电话、短信、产品卡片、二维码、短链接等多种客户触达形式，基本涵盖目前主流的互联网营销推荐方式；客户在多功能移动营销平台上可通过企业微信添加客户的个人微信实现即时通讯交流，便于随时开展对客营销和服务。

图7 多功能移动营销平台与客户微信即时通讯示意图

营销中台支持多渠道开展营销活动，客户收到营销推送后，通过短网址或购买链接，实现产品的一键跳转购买，真正做到移动营销，无需线下网点到店，线上全流程。并且在购买前，系统事先预判客户是否持有卡及风险测评、产品签约等情况，提前引导客户做好购买前准备工作，提升产品购买顺畅度。

2.营销中台客户需求为导向，精准营销

（1）大数据定向客群挖掘：营销中台采取可优化迭代的机器学习建模架构，构建“数据+算法”双轮驱动，打造智能“寻客”引擎，针对潜力高净值、代发工资客群、ETC车主客群、私行易流失客群等多个重点业务进行精准识别，让营销人员一眼明白客户是谁、什么特点、可能需要什么样的产品或服务。

（2）个性化产品推荐：借鉴总行敏捷建模方式，结合客户历史交易行为、产品偏好，构建了定期、理财、基金和贵金属等5个产品精准营销模型，打造智能产品推荐体系，完成对客户偏好金融产品的个性化匹配，并排定推荐优先级，进而为客户经理推送差异化的金融服务方案，助其高效地开展精准营销活动。

图8 数据分析挖掘特征选取

3.监测与优化改进，正负反馈螺旋前进

营销中台提供丰富的业绩监测功能。一是客户营销后业绩情况，包括客户营销后重要指标增长情况、AUM、存款等产品在营销节点后的变化情况、营销后产品购买明细等。二是客群业绩监测情况，包括客群触达客户情况、触达前后以及营销前后主要指标增长情况、推荐产品购买情况、渠道及交易购买情况等。三是对营销过程监测。营销中台将营销结果和监测结果作为模型迭代的重要输入源，不断调整特征、参数及样本、输出结果，形成模型迭代优化闭环。同时使用模型融合等多种技术手段，提升产品健壮性和敏捷迭代能力。营销中台的高效闭环式营销，打通了“建模→推荐→营销→交易→监测→优化”的营销闭环，实现一站式客户营销监测管理。

四、数字化营销模式建设前景

（一）丰富数据基础，提高智慧挖掘能力

进一步建设数据中台，形成丰富的标签库、模型库、指标库。进一步接入第三方数据源，快速响应行内外数据综合分析的需求，进一步沉淀营销行为分析、营销结果类数据，为行为精准化分析提供数据支持。

（二）构建营销与风控模型体系，加强业务监控

在客户营销过程中，风险一环的重要性日益凸显。对于风险的控制能力决定银行等金融机构在未来竞争是否处于优势地位的核心能力。营销中台可从客户及客户经理两方面进行行为分析，基于数据中台风险库中客户、行为、交易、风险等基础标签，机器学习分析挖掘客户异常操作构建反欺诈模型，进一步结合规则引擎、实时流计算等技术，最终构建事前、事中、事后全生命周期的风控模型，提升客户经营管理效能的同时降低风险。

（三）积极推动人工智能新技术落地应用

积极探索生物识别、自然语言处理、机器学习等人工智能技术，加大AI人工智能在营销工具上的使用。针对线上客户服务、外呼等营销渠道，上线对应的自动化运行流程。引入语音机器人，通过“人机协作”创新智能客户服务模式；挖掘非结构化数据，推动OCR技术落地，推动智能语音技术在营销和客服领域应用；引进机器学习平台，使用前沿机器学习算法构建更加全面有效的营销推荐模型。

五、小结

本文针对数字化转型浪潮下营销模式转型的问题，从搭建数据中台基础、构建智能化营销中台及数字化营销模式探索三个方向提出了解决方案，研究大数据、互联网时代背景中金融机构与客户关系及营销模式的转型，对未来数字化营销模式建设的前景进行分析预测，为商业银行数字化转型背景下创新数智化营销新模式提供了借鉴意义。