新網銀行：全域數據智能營銷運營平臺

案例名稱

全域數據智能營銷運營平臺

案例簡介

新網銀行通過互聯網展業，客戶規模增長迅速，面對千萬量級的存量用戶，要在成本可控的情況下做到“全覆蓋、體驗好、漏損小”的營銷運營很難。新網銀行構建了全域數據智能營銷運營平臺，完成客戶全域數據畫像、客戶價值分層與觸達模式的聯動、智能化商機線索挖掘三塊核心能力建設，實現對多為維度畫像分析，生命周期全覆蓋的價值評估，可持續、循環的動態營銷運營體系。應用于交叉營銷、默客促活等多個存量客戶運營場景，效果提升明顯。

創新技術/模式應用

新網銀行的全域數據智能營銷運營平臺，圍繞營銷運營流程中的四個核心要素“數據、策略、執行、循環”展開，并進行業技融合的創新。首先客戶全域數據畫像，利用隱私計算技術實現企業內外域數據融合，使得客戶畫像維度能覆蓋全網；提供貼合業務場景的高價值事件、商機等標簽。其次客戶價值分層與觸達模式聯動，對不同的價值分層客戶實施不同的觸達模式與服務，在服務質量、覆蓋粒度、收益轉化達到最優化平衡。最后智能化商機線索挖掘，通過語音語義識別等技術實現人機結合的智能服務提升觸達效率，同時自動化識別客戶反饋、意愿以及情緒，完成新商機線索的收集，形成循環的可持續的運營，不斷沉淀出我行的優質客戶。

圖1 全域數據智能營銷運營體系圖

客戶全域數據畫像，新網銀行自研了聯邦學習平臺與多方安全計算平臺，并與多家互聯網平臺合作，在數據安全且無隱私泄露的前提下實現了對客戶全域數據的引入，結合自身業務場景與客戶特點，以及自有數據，構建了用戶近期大額消費指數、存款意愿指數、貸款意愿指數等多個金融業務商機線索指標，形成客戶全域數據畫像，能精準反應客戶實際的金融需求。

圖2 全域數據應用流程示意圖

客戶價值分層與觸達模式的聯動，新網銀行基于上述的商機線索標簽，結合我行在線業務中用戶行為數據、交易數據、風險表現等信息，通過Xgboost、LightGBM等機器學習模型，以客戶實際產生收益為導向，實現對客價值的精準量化分層。對于不同價值的用戶，通過不同觸達模式進行運營，例如低價值的長尾客戶，主要以微信消息Push+短信等低成本方式，構建組合的觸達模式。而對于高價值用戶，會通過人工+企微專屬客服的方式進行組合接觸。這樣在存量用戶全覆蓋運營的情況下，針對潛在轉化可能性較高的客戶深度觸達，實現運營成本與效果轉化的最優化平衡。

智能化商機線索挖掘，長尾客戶的低價值并不是一成不變的，其中部分客戶會動態產生金融需求，從而轉化為高價值客戶。這些客戶流動與轉換需要借助智能化商機線索挖掘能力來實現。長尾客群的通過機器人、短信、微信Push等方式觸達，過程中客戶交互的信息，我們會用語音語義分析技術進行解析，發現能體現用戶金融需求信息，并調整客戶價值分層等級，形成營銷運營持續性的循環，不斷沉淀出優質客戶。

項目效果評估

隨著互聯網流量逐漸到達天花板，銀行的業務重心從“增量獲客”變為“存量運營”，另一方面，年輕一代消費者自我意識強且選擇多樣化，使得用戶對金融服務體驗的要求越來越高。這提高了對銀行精細化的營銷運營能力的要求，既要有廣度，還要有溫度，既要轉化高，還要成本可控。在傳統的運營思路當中基于二八法則，優先服務20%的高價值客戶，由于其收益高能覆蓋精細化運營的成本，明顯具備經濟可行性；另外80%的長尾客戶，很多企業的運營思路相對比較粗放，并不追求精細化。而新網銀行作為一家新興的民營銀行，客群天然偏下沉更接近80%的長尾客戶，只有更好的滿足長尾客群的金融服務需求，新網銀行的業務發展才能得到保障；這也迫使新網銀行必須通過技術手段創新去解決長尾客戶精細化運營的難點。

客戶全域數據畫像方面，通過與京東、字節跳動、騰訊等互聯網平臺合作，基于隱私計算技術在數據可用不可見的情況下，構建了多個客戶全域數據指標，例如存款意愿指數、資金需求指數等。其中資金需求指數應用于小微企業信貸存量客戶營銷運營活動中。通過ABtest實驗對比，構建了全域數據指標的客戶在累計提款金額上，明顯高于隨機客戶，提升比例超過20%。極大的優化了營銷運營活動的ROI。

客戶價值分層與觸達模式的聯動方面，我們基于LightGBM模型并結合客戶行為、交易以及基礎屬性等數據，預測客戶未來30日的交易行為以及行為產生的收益?；谑找鎸⒂脩羲念惛?、中上、中下、低。而用戶實際產生的收益基本符合模型預測，產生收益的46%來自高收益客戶，29%來自中上收益，16%來自中下收益，9%來自低收益?？蛻魞r值分層聯動后整體運營成本下降31.9%。

智能化商機線索挖掘方面，我們打通短信、在線客服、語音外呼等交互渠道的數據進行匯總后，基于NLP（自然語音處理）技術進行分析挖掘，識別客戶各類潛在訴求與意愿，以此不斷動態調整用戶價值，同時輔以合理的觸達方式與服務，例如在線客服交互內容中，我們會定期挖掘有調額意愿的潛在高價值客戶，半年內累計挖掘8萬+客戶，實際調額近1萬人，并且調整客戶價值跟進運營觸達，促成提款約6000萬，且后續復借比例超過40%。

項目牽頭人

李開宇 新網銀行AI應用研發負責人

項目團隊成員

彭恒、惠興國、黃志林、何思佑、江漩、徐萬珺、王鋮東、何超、毛興明

責任編輯：方杰