一、项目背景及目标

为延伸金融服务半径，践行“全量客户”经营理念，实现存量客户的“精耕细作”，搭建数据赋能全量零售客户精准营销管理体系，为客户提供个性化、数字化、特色化的综合金融服务。从关注客户需求与服务体验出发，构建了从“数据→模型→平台→渠道→线上+线下运营团队”的完整营销链条管理。运用科技手段及机器学习算法进行智能决策，挖掘客户产品偏好，预测客户流失概率及价值提升概率，结合客户业务生命周期进行分层分群，完善客户“360度画像”，实现千人千面，释放数据价值赋能业务发展，将营销动作进行拆解归类，形成精细化的客群经营方案，通过线上+线下团队触达客户，探索出了更有效的全量客户数字化运营模式。

本实践项目是以零售客户管理基础平台（包括客户管理中心、营销管理中心、数据分析中心等）为依托。在获客方面，合理利用多渠道，加强线上线下营销资源协同，积极探索裂变式、场景化营销模式，激活更多金融客户触点，提升规模化获客水平，降低获客成本。在获客方面，运用大数据技术洞察客户行为偏好和需求，在合法合规的基础上智能推送客户偏好金融产品，推动营销服务向智能化转变，提升客户活跃度。在留客方面，基于机器学习、知识图谱等技术打造服务客户全生命周期的营销模式，强化以客户为中心的服务能力及价值创造，提升客群分层分类经营能力，推动客户关系管理数字化、精细化升级，增强客户黏性和忠诚度。

通过对千万级的客户群体进行数据挖掘，运用科技手段及机器学习算法进行智能决策，挖掘客户产品偏好，预测客户流失概率及价值提升概率，结合客户业务生命周期进行分层分群，完善客户“360度画像”，实现千人千面，释放数据价值赋能业务发展，通过“线上+线下”运营模式建立客户关系，将营销动作进行拆解归类，形成精细化的客群经营方案，探索出了更有效的全量客户数字化运营模式。通过平台营销活动策划及销售全流程管理，实现对营销活动的灵活配置、精准投放及全流程跟踪管理，优化业务流程，提升客户体验；结合智能客服应用，打通10余个营销渠道，丰富了客户触达手段，形成了营销管理闭环。解决了客户洞察不深入、产品交叉持有少、销售渠道不联动、营销活动难跟踪、网点服务半径受限、人力资源有限、长尾客户维护难等问题。

二、创新点

项目由贵阳银行信息科技部、各零售业务部门及4家分支行紧密配合并形成敏捷小组自主研发了基于大数据营销模型、规则决策引擎搭建、客户生命周期管理体系及客户数字化运营体系。作为西南地区城商行，率先践行基于大数据的零售客户关系精细化运营实践，实践全量零售客户按照生命周期进行数字化营销及客户关系运营的探索，实现销售全流程管理与数据挖掘模型深度融合应用。

 项目主要内容：

（一）基于零售客户全生命周期下的精细化运营

通过数据挖掘技术及机器学习算法对全量零售客户进行生命周期划分，并结合各周期内的客户特性进行细分群，同时运用人工智能算法搭建各周期客户的营销类模型，最终将生命周期标签、细分客群标签及模型结果传输至零售销售管理平台进行运用展示，并出具配套运营方案指导分支行及线上运营团队通过平台运用标签结果定位目标客户，有效的将金融科技与业务实现融合，发挥数据价值，赋能一线发展。主要内容为：

1.数据层面 

围绕客户业务旅程，划分生命周期，进行粗分层、细分群。通过分析千万级客户数据并截取上亿级交易数据，从开户时间、活跃接触、消费行为、资产状况、产品持有、服务种类等方面将全量零售客户划分为引入期、成长期、成熟期、挽留期、衰退期5个生命周期阶段。结合生命周期划分结果与各类业务客群特性，对各生命周期中的人群进行聚类，筛选出每个周期内的重点维护对象，形成了10类细分客群及80余个客群筛选标签。根据细分客群特性及标签特性将客户的业务旅程拆解为促开卡、促绑定、促登录、促交易、产品推荐、裂变留存6个环节，不断提升客户MAU，进而提升AUM，延长客户生命周期，盘活存量客户，做优客户结构，有效提升和释放客户经理产能及潜力，形成长效竞争优势。

2.模型层面

应用大数据+人工智能算法建立机器学习模型实现智能圈客精准营销。依托我行MPP数据中台服务能力的分布式计算引擎MaxCompute，采用Xgboost、逻辑回归、协同过滤、RFM等多类算法进行模型构建。覆盖产品推荐、流失预警、价值提升等多个方面，部分模型简介为：

产品推荐模型：针对有历史购买行为的用户采用协同过滤算法，无购买行为的用户采用K-means聚类算法，预测客户的产品偏好，最终根据客户偏好、渠道偏好等通过线上渠道实现对客户的产品智能推荐；

客户流失预警模型：运用逻辑回归算法挖掘客户流失与流失客户特征之间的关系，对客户的流失概率进行预测，识别流失客户，对易流失客户提前采取预防流失措施或差异化营销策略。

长尾客户提升模型：构建百余个特征变量，运用Xgboost算法对我行低价值客户进行价值提升预测，并结合营销策略筛选出提升概率高的客户，助力分支机构开展长尾客户运营。

（二）零售客户数字化营销应用实践

本实践以零售销售管理平台为依托，平台搭建营销数据集市，建立客户指标和标签体系，为构建360度客户画像和“千人千面”营销场景夯实数据基础。营销活动打造“方案-活动-客群-创意-执行-效果”的全流程活动管理闭环，支持营销活动A/Btest持续优化活动策略，对活动的效益及费用的后评估监控分析，实现营销活动的灵活策划与全生命周期管理。建立线索采集识别机制，涵盖核心、信贷、理财、手机银行等主要业务渠道，建立“线索商机订单评价”的销售全流程自动化追踪管理体系及营销漏斗分析管理，精准分析每个环节转化、流失等情况，实现对营销活动的迭代优化及销售全流程数字化管理。实践的主要内容为：

1.零售客户全生命周期营销生态

零售客户全生命周期下的精细化运营，基于零售销售管理平台，将模型结果、分层分群结果及客户生命周期标签可视化呈现，描绘出全方位的客户画像。线上线下相结合的形式，形成从“智能圈客→营销活动匹配→权益匹配→销售流程管理→渠道整合→活动监控分析”的全流程闭环营销活动管理链路。将客户运营流程线上化，丰富了服务范围与权益活动，对不同客群采用差异化运营方案，增强了用户体验感，极大提升了分支行的维护效率与营销效率。

2.远维运营团队层面客户运营

构建了远程运维团队，专职负责客户运营，扩大网点服务半径，减轻客户经理运营压力。各分支行运用零售销售管理平台开展客户运营模式，平台与模型的结合应用，精准筛选出客户中的潜力价值客户进行建联，实现数据价值释放。同时结合企业微信对客户进行日常关怀、咨询答疑。扩大了客户运营范围，为网点减轻客户运营压力。

3.搭建规则决策引擎

平台中的产品推荐规则决策引擎支持各业务部门根据业务发展及专家经验进行产品推荐规则决策的个性化灵活配置，根据不同客群进行差异化的产品推荐，完善及丰富产品推荐模型结果，实现“千人千面”产品推荐。

4.产品智能推荐场景应用

客户偏好产品是产品推荐模型与专家策略规则的结果加总，通过手机银行、微信银行、营销PAD、移动办公平台等渠道实现精准营销，智能推荐场景覆盖了对客端及对客户经理端。一是对客端，将客户差异化产品推荐投放至手机银行与微信银行，客户登录后将实现差异化偏好产品营销触达，可进行线上自主业务办理及预约，最大化提高客户体验。二是对客户经理端，客户偏好产品推送至营销PAD、移动办公平台等渠道，有助于客户经理、柜台人员、客服人员在面向客户时，获取全面的客户偏好数据，更好地服务客户。

5.基于大数据的客户挽留及价值提升的应用

流失预警模型及价值提升模型预测的“易流失”“高潜力价值”客户，每月月初通过零售销售管理平台派发白名单客户至各家管理行。客户经理、柜台人员及客服人员将结合客户产品偏好、渠道偏好、权益偏好等差异化制定维护及营销策略，降低客户流失率，提升客户在我行资产配置。

6.建立大数据营销模型的监控驾驶舱

建立大数据模型的监控驾驶舱，对零售产品推荐模型、零售客户流失预警模型、客户价值预测模型的日常模型指标及相关活动效果指标进行监控。定期监控模型指标，确保模型的稳定性及区分能力，随时监控和评估模型应用效果。

三、项目技术方案

本项目首先依托于我行具备统一调度、全生命周期治理管控的数据技术能力层，基于我行湖仓一体化的华为FI+VERTICA数据仓库及高性能高并发的阿里大数据平台离线计算引擎MaxCompute，通过对千万级的客户数据及截取上亿级的交易数据进行分析，将多维度数据梳理整合，结合交易数据的探索，将客户需求清晰化，为权益匹配、营销活动开展提供了“采-存-算-管-用”全局闭环生态的数据服务能力支撑。

然后，基于python语言采用主流的数据建模机器学习技术，通过Xgboost，协同过滤ItemCF、聚类K-means和Logistic Regression等模型挖掘算法，开发了客户生命分层、零售产品推荐、客户流失预警、客户价值提升、客户潜力预测等多个大数据营销模型，如：在低价值客户提升模型开发过程中，主要采用前向加法模型Xgboost算法用多棵树共同决策，并且用每棵树的结果都是目标值与之前所有树的预测结果之差并将所有的结果累加即得到最终的结果来预测资产1万元以下客户提升的可能性，通过对样本数据进行分类计算，最终将低价值客户的提升率分为高、中、低三档，结合模型运用策略在数据中台系统中进行部署运用。在产品推荐模型开发过程中，针对有历史购买行为的用户采用协同过滤算法，无购买行为的用户采用基于欧式距离的K-means聚类算法，预测客户的产品偏好，最终根据客户偏好、渠道偏好等通过线上渠道实现对客户的产品智能推荐。在客户流失预警模型开发过程中，运用逻辑回归算法挖掘客户流失与流失客户特征之间的关系，对客户的流失概率进行预测，识别流失客户，对易流失客户提前采取预防流失措施或差异化营销策略。

其次，通过多样化可视化技术手段——灵活性的BI服务套件及高兼容性的VUE、ECHARTS前端组件，配合业务单元逻辑分离、前后实现分离的微服务分布式应用架构技术，为最终用户提供了友好的、可扩展的、灵活的数字化服务门户，完善了我行数据业务能力层。

最后，通过大数据计算、机器学习及微服务架构三大核心技术手段的融合及使用，形成了将数字元素注入金融服务全流程，将数字思维贯穿于业务运营全链条,融合了4大应用中台，形成13个管理中心，连接18个渠道，实现集客户、业务、场景、渠道、数据、平台一体化的开放式营销生态，打通了科技成果转化“最后一公里”。

图1 零售客户管理基础平台架构图

四、项目过程管理

该项目于2020年初完成上会立项，于2020年9月完成需求调研及定稿，2020年10月进入开发阶段。2020年12月完成一阶段营销活动管理功能模块上线，2021年9月完成二阶段大数据营销模型、销售流程管理管理及数据分析中心功能模块上线，2022年8月完成三阶段客户全生命周期流程管理模块上线，2023年2月完成“移动展业工具箱”爽银云平台上线。于2023年3月全行投产，现已实现营销数据集市、标签管理、客群圈选、产品推荐模型智能推荐场景、营销活动管理功能模块、交叉销售管理功能模块、销售流程管理功能模块及客户全生命周期流程管理模块上线应用，打通10余个渠道端，构建营销闭环，打造“移动金融小店”，强化营销意识，打造“全员营销工具包”。

五、运营情况

贵阳银行作为贵州省唯一的一家A股上市城商行，在贵州省本地有着庞大的客户数量及完善的线上线下销售渠道，本实践项目为客户创造稳定收益做出了巨大贡献。项目实践覆盖10个省内外分行，88个县域，300多家营业机构，2000余个农村金融服务站点，助力全行零售客户精细化管理，实现新老客户的资产提升。

项目运营至今，系统运行稳定，平台累计管理在线营销活动2000余个，累计下发营销任务1000余万，支持活动参与9000余万人次。平台使用用户8000余个，累计访问量600余万次，员工使用率达90%以上，助推零售业务快速发展。通过该项目可解决一线业务前线“客户管理过程中信息分散，营销圈客流程长，客户归属无统一口径，业务到期提醒不及时，人力资源有限，客户洞察不深入，长尾客户维护难，营销线索不清晰，销售渠道不联动，营销活动难跟踪，产品交叉持有少”等问题。

六、项目成效

自本项目上线以来，助力贵阳银行零售业务取得快速发展，平台累计管理在线营销活动2000余个，累计下发营销任务1000余万，支持活动参与9000余万人次。平台使用用户8000余个，累计访问量600余万次，员工使用率达90%以上。

（一）经济效益方面

1.提升客户资产贡献度，通过对活动的组织、策划，助力零售业务保持稳定快速增长，保持储蓄存款余额位居全省城市商业银行首位，理财余额占地方法人机构发行理财产品余额的三分之二，位居全省首位。

2.优化客户结构，针对潜力价值客户和高价值流失客户进行精准营销触达，提升基础客户向高价值客户转化率，降低高价值客户的流失率。

3.完善零售业务销售流程管理，实现营销活动效果可跟踪评估，通过销售流程管理记录、汇集客户需求，并跟踪客户需求在业务系统的转化情况，通过从转化分析、统计分析、时效分析及业务阶段分析，从机构、人员、业务、渠道等不同维度进行线索评估，发现业务流程问题，调优业务流程，调整流程管理，提高业务处理效率，提升客户体验。平台记录线索共600余万条。

4.建立营销人员过程管理机制，通过任务管理记录营销任务、线索任务分配及执行情况，及时跟进营销人员任务处理进度。通过平台为总行各业务部门及分支行提供1000余万条营销机会。

（二）社会效益方面

1.在国家大力发展数字经济，贵州省依托国发2号文打造“数字经济发展创新区”，监管部门纷纷出台数字化转型相关支撑保障政策的时代背景下。作为西南地区城商行，率先践行基于大数据的零售客户精细化运营实践，实现全量零售客户按照生命周期进行数字化营销及客户运营的探索，借助贵州省大力发展数字经济的契机，我行结合自身实际，在市场容量和人才支撑相对欠缺的情况下，不断探索新兴技术，打造了西部地区城商行零售数字化转型模范，在同类城商行中起到了一定的示范作用。其中，销售全流程管理结合数据挖掘模型应用，营销模型体系建设在同级别城商行中处于领先位置，在行内也属于首次应用。

2.项目在2022年及2023年获得诸多奖项，得到同行及业界的认可，同时也在多家媒体（如人民网、新华网等）进行正面宣传。对贵阳银行在推进零售数字化转型过程中如何探索建立数字化营销体系、锻炼培养数字化复合人才、提高零售业务精细化管理水平、构建大数据应用能力的认可。这是贵阳银行在数字化转型过程中的创新探索，标志着贵阳银行在零售数字化转型中迈出了坚实一步。

3.受邀参加由中国金融认证中心（CFCA）、数字金融联合宣传年主办的“转型加速 2022——CFCA 数字生态大会”，并作为城商行代表发表题为“贵阳银行零售数字经融体系建设”的主旨演讲，提高了我行品牌公信力，促进同业交流，使我行在数字化转型过程中的创新探索得到了同业和业界的广泛认可。

4.受邀参与编写由中国电子银行网联合中国金融出版社共同打造的《数字金融创新思考与案例精选》一书，我行获奖案例被收录其中，在全国范围内大力推广和借鉴，本书已于2022年12月面向社会公众出版发行。

七、经验总结

本项目以零售客户管理基础平台为依托：

一是构建数据分析中心集成了零售数据集市及数据分析工具，解决了客户数据信息分散、口径不统一等问题，为零售业务提供统一的数据洞察和应用标准。集市对所有零售类业务指标进行加工，涵盖零售储蓄、信贷、信用卡、理财、客户、渠道、代发、运营等方面的宽表分析体系，客户指标、标签及基础数据项9个大类1000余项。包含数据视图、敏捷分析、机器学习、数据应用商店等功能模块，为数据安全、数据灵活高效分析、数据价值挖掘、数据应用和管理决策提供工具支撑。

二是建成客户管理中心，解决客户洞察不深入、客户归属不统一、业务跟踪不及时、长尾客户难维护、网点服务半径大等问题。将客户管理、业绩管理及绩效考核功能进行归集，从关注客户需求与服务体验出发，“以客户为中心”建立360度客户画像。运用数据挖掘技术将客户进行“粗分层、细分群”，将整体零售客户划分为5个生命周期及11类重点客群，并通过机器学习模型构建智能推荐、价值提升、流失预警三大类模型，覆盖零售客户全生命周期，实现精细化管理。结合绩效考核机制，配套客户画像+业务预警等功能，线上渠道+线下营销共同作用，不断提升客户服务覆盖度，增加客户粘性与转化。

三是建成营销管理中心，解决营销线索不清晰，销售渠道不联动，营销活动难跟踪，产品交叉持有少等问题。依托零售营销集市，支持多种方式进行圈客，实现“千人千面”营销模式，形成“方案-活动-客群-创意-执行-效果”的全流程营销活动管理闭环。建立线索采集识别机制，涵盖核心、信贷、理财、手机银行等主要业务渠道系统，通过“线索商机订单评价”的销售全流程自动化追踪管理体系，建立营销漏斗分析管理，精准分析每个环节转化、流失等情况。根据营销效果评估、模型指标监控，结合大数据、AI能力及各机构现状，分析行内零售业务产品交叉持有情况，制定产品组合、差异化营销策略及个性化产品推荐，提升各机构交叉销售能力。