貴陽銀行：基于零售客戶全生命周期下的精細化運營體系

案例名稱

基于零售客戶全生命周期下的精細化運營體系

案例簡介

本項目主要通過機器學習算法及數據挖掘對零售客戶進行生命周期劃分，結合客戶特性實現“粗分層、細分群”，同時運用人工智能算法搭建7個營銷類模型，實現了客戶全生命周期標簽識別與模型覆蓋體系，并出具配套運營方案指導分支行通過中臺系統運用標簽定位目標客戶，構建了從“數據→模型→平臺→渠道→線上+線下運營團隊”的完整客戶經營鏈條，實現從經營高價值客戶到全量客戶運營的轉變，做到“大客戶做好，小客戶不丟”。

創新技術/模式應用

一是貫徹落實全量客戶經營理念，圍繞客戶業務旅程，劃分生命周期，進行粗分層、細分群。

隨著互聯網金融的快速發展及傳統銀行數字化技術的迭代更新，金融業的競爭越趨激烈，在零售客戶經營方面，面對流量觸頂，獲客成本越來越高的問題，將關注高價值客戶的運營模式調整為注重全量客戶經營，深入挖掘長尾客戶的運營模式。

本項目從全量零售客戶出發，按照客戶生命周期進行分層分群，尋找各客群間的相似點，將運營方案進行拆解細分，實現存量客戶的“精耕細作”，為客戶提供個性化、數字化、特色化的綜合金融服務。從關注客戶需求與服務體驗出發，圍繞客戶業務旅程，將客戶劃分為五個生命周期階段，同時形成了10類細分客群及80余個客群篩選標簽，根據細分客群特性及標簽特性將客戶的業務旅程拆解為促開卡、促綁定、促登錄、促交易、產品推薦、裂變留存6個環節，不斷提升客戶MAU，進而提升AUM，延長客戶生命周期，盤活存量客戶，做優客戶結構，有效提升和釋放客戶經理產能及潛力，形成長效競爭優勢。

圖1 零售客戶全生命周期分層分群+模型概覽

二是通過釋放數據價值賦能業務發展，應用大數據+人工智能算法建立機器學習模型實現智能圈客精準營銷。

依托貴陽銀行MPP數據中臺服務能力的分布式計算引擎MaxCompute，通過對千萬級的客戶數據及截取上億級的交易數據進行分析，從基礎信息、資產水平、收入水平、負債水平、交易行為、活躍情況、產品持有等多個維度圍繞客戶生命周期進行分層分群，同時運用Xgboost、GBDT、邏輯回歸、協同過濾、RFM等多類機器學習算法，構建了從“活客、提升、推薦、維穩、留存”等多維度的營銷類模型生態，運用技術手段探索客戶潛在價值，發掘客戶個性化需求，以數據結果指引前端業務發展。

三是多業務條線協同聯動，融合4大平臺，形成13個管理中心，連接18個渠道，實現集客戶、業務、場景、渠道、數據、平臺一體化的開放式營銷生態。

將負債條線與資產條線的零售客戶資源進行整合，從系統層面將各個業務系統數據進行匯總加工，探尋客戶負債數據與資產數據間的價值點與需求點，互通互用；從部門層面將各類業務發展統籌考慮，共享數據成果，減少中間環節，消除“信息繭房”。從促開卡、促交易出發，針對客戶需求綜合考慮負債服務與資產服務，不斷提升客戶的產品持有率與客戶粘性。

同時將CRM系統、銷售管理平臺、數據分析平臺、權益平臺打通融合，以銷售管理平臺為營銷中心，將模型結果、分層分群結果及客戶生命周期標簽可視化呈現，描繪出全方位的客戶畫像。形成從智能圈客→營銷活動匹配→權益匹配→銷售流程管理→渠道整合→活動監控分析的全流程閉環營銷活動管理鏈路。將客戶運營流程線上化，豐富了服務范圍與權益活動，對不同客群采用差異化運營方案，增強了用戶體驗感，極大提升了分支行的維護效率與營銷效率。

圖2 零售客戶全生命周期運營流程圖

項目效果評估

本項目是貴陽銀行對數字化轉型道路的實踐，是西部地區率先針對全量零售客戶按照生命周期進行數字化運營的探索，借助貴州省大力發展數字經濟的契機，貴陽銀行結合自身實際，在市場容量和人才支撐相對欠缺的情況下，不斷探索新興技術，打造了西部地區城商行零售數字化轉型模范，在同類城商行中起到了一定的示范作用。同時注重金融科技人才培養，為數字化轉型道路提供支撐。

結合人行及銀保監會頒發的金融科技及數字化轉型相關指導文件，貴陽銀行結合數據挖掘技術及機器學習算法，對零售客戶進行全生命周期管理，運用7個營銷模型篩選重點客群，通過平臺開展線上活動，結合遠維團隊提供客戶維護后，300余家營業機構創建了2300余個營銷活動，參與人次共計9000余萬，增強了對長尾客戶的分析洞察，極大提升了客戶關懷覆蓋度。在減輕分支行維護壓力的同時實現了業務增長，同時逐步形成全員數字化營銷思維，實現從傳統的人際關系營銷到通過挖掘存量客戶的數智營銷轉變，有效地將金融科技與業務融合，發揮數據價值，賦能一線發展。

項目牽頭人

張曉琴 零售金融管理部副總經理

項目團隊成員

何芳、何欣、張曉琴、盧斌、宋金龍、成運、陳萍、彭薇、鄒鵬、陳忠圣

責任編輯：陳愛