一、项目背景及目标

数字经济新业态下的银行服务，是在数字化和新技术驱动下，给客户带来业务感知和体验感动，逐渐成为嵌入生活的智能银行服务。

中国银行业协会发布的《2021 年中国银行业服务报告》指出银行业应持续打造以技术、数据、场景为依托的线上服务能力，搭建互利共赢的开放平台，推动“线上 + 线下”“人工+ 智能”的融合一体服务模式，高效地响应客户需求和社会需求。在与客户建立联系的过程中，数字营销始终发挥着桥头堡的作用，其业务价值在于通过数据驱动的低成本、高效率的方式，将提供客户需求最为匹配的内容和产品信息，以最适合的媒介渠道和形式载体，传递给最准确的受众。

吉林银行自零售战略转型以来，始终坚持以客户为中心，致力于提供优质、个性化的服务。洞察客户需求，致力于通过大数据和人工智能等技术手段，对客户数据进行深入挖掘和分析，了解客户需求，提供精准服务。根据客户需求和市场变化，不断推出新的零售产品，满足不同客户群体的个性化需要。提供个性化的服务方案。并不断提升用户体验优化，通过优化业务流程、提高服务效率、提供便捷的线上渠道等方式，提高客户满意度。

吉林银行要打赢这场新战役需要围绕客户、围绕场景、围绕产品构建数字化营销体系，提供千人千面的精准化营销，实现业务持续、稳定、长期的增长。这个数字化营销体系能在客户理财到期当天推送新的财富产品，能在客户购房首付时通知客户经理进行按揭和装修分期的产品营销，能在客户信用卡活跃下降时推送信用卡专题权益进行客户再度促活，对银行而言，提升数字营销能力的关键在于打造完善的客户数据分析和精准营销体系，以客户为中心，通过数据驱动实现我行的数字化经营。

二、创新点

1.颠覆了传统银行的经营驱动模式。彻底打通零售各业务线的零售数据，涵盖客户金融数据、行为数据、生活类数据，可以更精准绘制客户全生命周期服务需求全景图。

2.颠覆传统银行的客户分层管理理念。在传统银行理念中80％的能力资源服务20％的高净值客户，数量巨大的大众客户，基本没有得到专业的金融服务，借助数字化运营分析平台其强大的大数据分析和活动策略部署能力，实现对大众客户的有效触达覆盖。

3.颠覆了传统银行的静态经营理念。线上、线下、远程外呼等全渠道协同经营，完成客户的断点触达。是一套完整的、动态的、自动的客户经营网络，通过对客户服务的结果状态建立标签，实现智能化、多批次、跨渠道协同、无缝衔接和触达客户，从而提升经营效果。

4.颠覆了传统银行的客户经营策略配置模式。将产品、权益、活动模块化、参数化，通过“策略流程画布”实现客户经营策略、经营动作拖拉拽、图形化的界面配置，打通客户群、策略、素材资源、渠道等不同数据平台，实现一站式活动策划、配置、AB测试、调优的统一营销中台能力，提升策略配置效率。

三、项目技术方案

项目建设过程中，将重要业务功能进行合理的边界区分，使整体项目规划层次分明，错落有致，功能清晰。在设计过程中，搭建三大系统功能模块，下面分别将三大系统功能模块予以介绍。

1.数据标签管理模块

将数据资产的价值充分发挥极致，打通数据壁垒，形成多维度的数据加工模式，整合金融、非金融属性数据，突破数据盲区，提升数据的整体加工能力。搭建用户标签画像标签画像模块，设计、采集、存储用户数据，包括银行交易类、用户行为类数据，CRM系统用户标签、数据仓库DW层数据、与银行有关的三方应用场景数据。加工生成数据标签。

（1）用户行为数据导入

以需求为导向，采集用户的线上行为数据，运用行为分析平台完善的数据采集方式，保障数据采集的完整性、高质量及高性价比。在数据埋点技术上可实现全埋点、代码埋点、可视化埋点及ETL导入。主要分为事件（Event）和用户（User）两大类数据，形成两大类数据集合，统一用户的UserID。在事件类数据中记录用户是谁，事件发生的时间、地点、事件行为、事件发生的具体方式、事件的具体内容，在用户类数据中记录用户基本属性和用户的UserID。通过用户UserID，可以将用户在数据层面进行打通，将用户在各个线上渠道产生的行为事件进行汇总，这里采集范围包括：APP、公众号、小程序、H5、PC等，形成数据标签。

（2）用户业务数据导入

用户在行内系统中产生的各类业务数据，包括存贷款、理财、生活缴费、支付、信用卡消费等，可以通过实时接口获取和批量文件导入2种方式实现。在批量文件导入上，行内各系统根据定时批量任务，自动将数据文件加载到交互平台，行为分析平台自动去交互平台获取文件，加载到本地存储；在实时数据导入上，通过数据抽取相关技术，将生产上发生的交易类数据，实时传输到行为分析平台，存储加工处理，主要用于一些关键用户事件的抓取和捕获，使得银行业务人员可以提早部署、及时准备、实施有效的应对措施。

（3）用户三方数据导入

通过与三方数据平台的合作，在保证用户敏感信息不被泄露的前提下，充分与三方平台对接，共享数据资源，这里可以是批量数据导入，也可以是实时数据接口，实现数据来源多元化，使用户的数据来源更加丰富。通过对行内外数据的整合，各类活动场景的数据融合，挖掘出潜在客户群体，例如通过转账频度较高；频繁使用个人网银进行批量转账；客户每月固定时间入账等相关维度分析，可以挖掘该类客户为潜在的代发工资客户群体。

（4）网点终端数据采集

行为分析平台支持采集网点硬件终端设备的数据，银行用户不仅在线上渠道的行为记录在内，在线下渠道的行为也将被记录，通过平台端的SDK，可实时捕捉到用户在线下渠道的各类行为，涉及硬件设备主要包括智能柜台的PC设备、客户经理使用的手持Pad、网点自助柜员机等，客户的相关行为数据也可在后台进行加工和存储，形成统一的用户视图。

（5）数据导出/API服务

可通过批量导出或实时API接口的方式，提取平台数据，输出到业务系统。用于客群经营、精准营销、用户画像、实时事件抓取等，行内各业务系统可按需在平台中进行订阅，平台实时更新，定时发送，确保各系统能获取到相关数据。

2.数字化运营分析模块

可支持产品、运营、数据分析人员等各角色人员的数据分析工作，协助各角色实现自助分析。运用数字资产，驱动业务高效开展，定位目标客户群体，进行精准营销，整合行内外各类数据，分析客户行为、习惯、爱好，开展用户画像，实现千人千面的用户分析体系。分析用户特征属性行为，结合营业数据，三方数据等，进行精细化运营、产品功能及用户体验优化、提升管理决策。可通过 BI、大数据模块、CRM、ERP 等内部 IT 系统，构建用户数据体系，让用户行为数据发挥深远的价值。

（1）指标智能预警及诊断

对关键数据指标设定阈值，时刻跟踪监测各类型指标数据变动情况，对超出阈值范围的的异常波动提出预警，并提供相应诊断分析过程，初步做出结果判断。通过对核心指标的监控，实现对重要数据的 24 小时无缝观察，第一时间通过数据波动了解业务最新状态。

（2）灵活/多维下钻分析模型

模型是对现实世界的抽象，可以表现出数据间的某种内在联系，根据不同的数据分析类型，对数据进行深度分析挖掘，且支持数据下钻分析功能，可以对数据进行深度和广度的不断延展，挖掘问题背后的根本原因。通过对数据模型的搭建和有效分析，可以精准的在模型中洞察出用户在操作和交易方面的一些异常现象，及时研判，做好应对措施。行为分析平台要支持各类业务分析模型的搭建，包括一些通用的数据分析模型和业务人员自定义的数据分析模型。包括但不限于应用事件分析模型、漏斗分析模型、用户路径分析模型、RFM客户价值创造分析模型等。

（3）可视化标签创建与管理

可以在基础标签的基础上形成复合标签，业务人员可根据自身需要自定义标签的分类，并可按需要管理自定义的数据标签，形成可视化的管理页面，确保非IT技术人员也可轻松实现各类标签的加工、处理、使用。

（4）用户洞察分析

支持单用户画像和用户群画像，在用户群画像方面，支持基于用户属性、标签、行为事件、已有客群等规则选择方式进行创建客户群体，也可基础产品属性、类型、周期、到期日等规则选择方式进行创建偏好客户群体；在单用户画像方面，对我行每一位零售客户组合各类标签，包括：（基础信息、资产信息、产品持有、渠道签约、基础客群、客户活跃、客户行为等方面）可以实现个人用户的千人千面，在具体营销活动中找到目标客户，提供资产类、财富类、生活类等各类场景的精准推送。

（5）用户客群管理

支持基于自定义规则创建客群，使用用户属性、标签、客群、用户行为、多个有序的行为序列进行客群筛选，设置规则流程，通过触发条件，将符合条件的用户进行聚类，形成结果客户群，可支持客群保存、查看、更新、暂停、启动、删除、重新计算等。客群支持下钻分析，支持查看单个用户画像。

（6）自定义查询统计功能

为数据采集技术人员提供解决方案，快准细全地完成数据的采集及接入，充分理解业务人员的分析需求，协同完成产品的指标增长任务。可根据业务需求，自定义统计和查询数据，应具备业务人员可以使用的智能数据分析工具，业务人员可通过该工具的灵活性、可扩展、易操作等特性，轻松进行数据统计，通过工具拖拽，展现数据分析结果集，并且支持各类主流图表的制作。且平台也要支持目前主流的数据分析语言，包括SQL、Python语言，方便数据开发人员进行操作，开发界面要简单易操作，支持工具扩展，提成数据开发人员工作效率。

3.数字化智能营销模块

智能运营是一个帮助客户实现自动化、场景化、个性化、智能化运营的模块。从目标受众筛选→受众触达→活动效果反馈，帮助客户在最佳的时刻以正确的触达方式给用户传递感兴趣或需要的内容。支持运营角色关注用户构成现状及变化，并从用户行为角度剖析用户的活跃程度、流失情况。针对不同用户分群设置策略给予激励，以提升产品的核心关键指标。

（1）指标智能预警及诊断

对关键数据指标设定阈值，时刻跟踪监测各类型指标数据变动情况，对超出阈值范围的的异常波动提出预警，并提供相应诊断分析过程，初步做出结果判断。通过对核心指标的监控，实现对重要数据的 24 小时无缝观察，第一时间通过数据波动了解业务最新状态。

（2）灵活/多维下钻分析模型

模型是对现实世界的抽象，可以表现出数据间的某种内在联系，根据不同的数据分析类型，对数据进行深度分析挖掘，且支持数据下钻分析功能，可以对数据进行深度和广度的不断延展，挖掘问题背后的根本原因。通过对数据模型的搭建和有效分析，可以精准的在模型中洞察出用户在操作和交易方面的一些异常现象，及时研判，做好应对措施。行为分析平台要支持各类业务分析模型的搭建，包括一些通用的数据分析模型和业务人员自定义的数据分析模型。包括但不限于应用事件分析模型、漏斗分析模型、用户路径分析模型、RFM客户价值创造分析模型等。

（3）可视化标签创建与管理

可以在基础标签的基础上形成复合标签，业务人员可根据自身需要自定义标签的分类，并可按需要管理自定义的数据标签，形成可视化的管理页面，确保非IT技术人员也可轻松实现各类标签的加工、处理、使用。

（4）用户洞察分析

支持单用户画像和用户群画像，在用户群画像方面，支持基于用户属性、标签、行为事件、已有客群等规则选择方式进行创建客户群体，也可基础产品属性、类型、周期、到期日等规则选择方式进行创建偏好客户群体；在单用户画像方面，对我行每一位零售客户组合各类标签，包括：（基础信息、资产信息、产品持有、渠道签约、基础客群、客户活跃、客户行为等方面）可以实现个人用户的千人千面，在具体营销活动中找到目标客户，提供资产类、财富类、生活类等各类场景的精准推送。

（5）用户客群管理

支持基于自定义规则创建客群，使用用户属性、标签、客群、用户行为、多个有序的行为序列进行客群筛选，设置规则流程，通过触发条件，将符合条件的用户进行聚类，形成结果客户群，可支持客群保存、查看、更新、暂停、启动、删除、重新计算等。客群支持下钻分析，支持查看单个用户画像。

（6）自定义查询统计功能

为数据采集技术人员提供解决方案，快准细全地完成数据的采集及接入，充分理解业务人员的分析需求，协同完成产品的指标增长任务。可根据业务需求，自定义统计和查询数据，应具备业务人员可以使用的智能数据分析工具，业务人员可通过该工具的灵活性、可扩展、易操作等特性，轻松进行数据统计，通过工具拖拽，展现数据分析结果集，并且支持各类主流图表的制作。且平台也要支持目前主流的数据分析语言，包括SQL、Python语言，方便数据开发人员进行操作，开发界面要简单易操作，支持工具扩展，提成数据开发人员工作效率。

四、项目过程管理

1.需求阶段

需求阶段，我们的主要了解项目的需求，对需求进行详细的拆分，并对需求文档进行深入的沟通，联合零售各部门进行意见及需求征集，根据沟通内容。我们进行详细的分析和记录，规划功能的要点，确认功能的排期，以此作为依据来制定项目计划。同时，我们进行了初步的技术和可行性评估，以确保项目能够顺利实施。

2.开发阶段

开发阶段，主要是根据需求文档，开发出符合需求的项目成果，业务人员、科技人员全力投身于项目建设当中，实时配合合作伙伴解决问题。在此阶段我们每日召开晨会夕会，根据项目需要总结本日开发的进度，抛出问题并于第二日解决，密切关注项目的进度和质量，每月召开项目例会，参会人员包括各层主管领导，汇报项目进度，总结项目问题，制定下一步实施计划等。

3.测试阶段

测试阶段主要目标是确保项目成果的质量和稳定性。我们进行多轮测试安排，其中包括SIT测试共计2轮，涉及案例16000余个，UAT测试共计3轮，涉及案例4000余个，以及为期一个月的性能测试，整体测试工作为期3个月，确保系统功能、流程正常，确保项目成果能够在生产环境中正常运行。

4.试运行阶段

试运行阶段，确保项目能在实际环境中正常运行，流程正确且满足客户期望。并且我们对项目的成果进行详细的检查和评估，项目出现的问题保证在第一时间进行解决。

五、运营情况

项目自2023年3月份启动，至2024年3月上线，历时一年时间。在需求阶段、开发阶段、测试阶段、试运行阶段投入大量人力物力，确保项目稳定上线，开发阶段进行需求梳理30余次，测试阶段共计编写需求提纲3500余条，测试案例20000余条，为项目的稳定投产打下坚实接触。在试运营阶段，总行人员和分支行人员基集中进行灰度测试工作，设计营销活动20余场，包含“鲤跃龙门”白名单投放活动、“乐享缴费”等全行类活动、“吉客动7来”等高价值客户参与活动等，并取得了较为显著的活动效果。策略投放渠道主要集中在手机银行、企业微信、短信、APPpush等，在全流程全路径做到精准测试验证，在标签筛选、事件达标、精准名单推送、营销策略布放、活动中奖概率、权益领取与核销等环境做到了准确无误，针对千元户提升、千元户防流失、新客跟踪持续营销、信用卡及贷款产品推广等维度多方面进行推送，提升了用户黏性，包括手机银行活跃度、活动投放后PV、UV、客户转化率等成效指标显著提升，为我行线上、线下运营提供了强有力的营销赋能工具。

六、项目成效

通过平台落地，有效提升了手机银行、微信银行、远程银行的客户精准触达能力，掌握客户需求，匹配关联产品、活动、权益，大大增强客户黏性，业务人员对于活动的理解将更侧重于活动运营策划方面，将有效缓释业务和技术人员在活动的开发、部署、投产测试方面投入的人力成本，将更多的精力集中在主营业务上。

打造全行标签画像体系，通过581个客户级标签的开发，建立了我行零售客户的360全景视图，形成千人千面的的单客户画像和客群画像，为客户的精准营销打下坚实基础。

采集客户的行为埋点数据，包括客户浏览、点击、搜索行为，时刻捕捉客户实施行为，精准了解客户动态数据，作为客户交易数据的补充，借助于平台强大的模型分析能力，挖局客户营销需求。

捕捉营销事件，涵盖行为类事件、交易类事件、达标类事件等，实时进行事件透传，及时通过事件类营销精准触达客户，提升客户在我行整体价值贡献。

建立全行零售客户Oneid体系，整合客户在各系统的统一身份认证，不论客户在任何渠道登入，都能精准识别出客户的唯一身份，为后续客户权益视图整合、活动策划整合、渠道触达整合打下基础。

功能完善的策略布放组件，业务人员可通过图形界面进行活动策略设计，丰富的流程组件、客户筛选组件、产品筛选组件、策略组件、渠道组件、分析组件，可轻松实现营销活动从活动策划、活动部署、活动执行、活动监控、活动结果反馈等各个环节实现闭环。

七、经验总结

吉林银行数字化运营分析平台项目，得益于前期做的大量准备工作，在市场调研方面，结合平安银行、招商银行、中原银行等在零售业务开展较为突出的同业结构，借鉴其现有的数字化营销投放能力，取长补短，积累经验。在项目立项后，与各业务部门和分支行充分沟通，梳理需求和业务经过程中的痛点收集，银行端作为金融服务方，在其中扮演的角色已经从传统金融业务场景出发以产品为中心转变为以客户为中心，及客户之所想，做用户之所需。在数据侧更多的赋能业务开展，在各类金融和泛金融场景中发力，整合优势基础能力，提供更多的金融配套周边能力搭建，提升我行整体综合服务能力。