本文共字，预计阅读时间。

案例名称

全域数据智能营销运营平台

案例简介

新网银行通过互联网展业，客户规模增长迅速，面对千万量级的存量用户，要在成本可控的情况下做到“全覆盖、体验好、漏损小”的营销运营很难。新网银行构建了全域数据智能营销运营平台，完成客户全域数据画像、客户价值分层与触达模式的联动、智能化商机线索挖掘三块核心能力建设，实现对多为维度画像分析，生命周期全覆盖的价值评估，可持续、循环的动态营销运营体系。应用于交叉营销、默客促活等多个存量客户运营场景，效果提升明显。

创新技术/模式应用

新网银行的全域数据智能营销运营平台，围绕营销运营流程中的四个核心要素“数据、策略、执行、循环”展开，并进行业技融合的创新。首先客户全域数据画像，利用隐私计算技术实现企业内外域数据融合，使得客户画像维度能覆盖全网；提供贴合业务场景的高价值事件、商机等标签。其次客户价值分层与触达模式联动，对不同的价值分层客户实施不同的触达模式与服务，在服务质量、覆盖粒度、收益转化达到最优化平衡。最后智能化商机线索挖掘，通过语音语义识别等技术实现人机结合的智能服务提升触达效率，同时自动化识别客户反馈、意愿以及情绪，完成新商机线索的收集，形成循环的可持续的运营，不断沉淀出我行的优质客户。

图1 全域数据智能营销运营体系图

客户全域数据画像，新网银行自研了联邦学习平台与多方安全计算平台，并与多家互联网平台合作，在数据安全且无隐私泄露的前提下实现了对客户全域数据的引入，结合自身业务场景与客户特点，以及自有数据，构建了用户近期大额消费指数、存款意愿指数、贷款意愿指数等多个金融业务商机线索指标，形成客户全域数据画像，能精准反应客户实际的金融需求。

图2 全域数据应用流程示意图

客户价值分层与触达模式的联动，新网银行基于上述的商机线索标签，结合我行在线业务中用户行为数据、交易数据、风险表现等信息，通过Xgboost、LightGBM等机器学习模型，以客户实际产生收益为导向，实现对客价值的精准量化分层。对于不同价值的用户，通过不同触达模式进行运营，例如低价值的长尾客户，主要以微信消息Push+短信等低成本方式，构建组合的触达模式。而对于高价值用户，会通过人工+企微专属客服的方式进行组合接触。这样在存量用户全覆盖运营的情况下，针对潜在转化可能性较高的客户深度触达，实现运营成本与效果转化的最优化平衡。

智能化商机线索挖掘，长尾客户的低价值并不是一成不变的，其中部分客户会动态产生金融需求，从而转化为高价值客户。这些客户流动与转换需要借助智能化商机线索挖掘能力来实现。长尾客群的通过机器人、短信、微信Push等方式触达，过程中客户交互的信息，我们会用语音语义分析技术进行解析，发现能体现用户金融需求信息，并调整客户价值分层等级，形成营销运营持续性的循环，不断沉淀出优质客户。

项目效果评估

随着互联网流量逐渐到达天花板，银行的业务重心从“增量获客”变为“存量运营”，另一方面，年轻一代消费者自我意识强且选择多样化，使得用户对金融服务体验的要求越来越高。这提高了对银行精细化的营销运营能力的要求，既要有广度，还要有温度，既要转化高，还要成本可控。在传统的运营思路当中基于二八法则，优先服务20%的高价值客户，由于其收益高能覆盖精细化运营的成本，明显具备经济可行性；另外80%的长尾客户，很多企业的运营思路相对比较粗放，并不追求精细化。而新网银行作为一家新兴的民营银行，客群天然偏下沉更接近80%的长尾客户，只有更好的满足长尾客群的金融服务需求，新网银行的业务发展才能得到保障；这也迫使新网银行必须通过技术手段创新去解决长尾客户精细化运营的难点。

客户全域数据画像方面，通过与京东、字节跳动、腾讯等互联网平台合作，基于隐私计算技术在数据可用不可见的情况下，构建了多个客户全域数据指标，例如存款意愿指数、资金需求指数等。其中资金需求指数应用于小微企业信贷存量客户营销运营活动中。通过ABtest实验对比，构建了全域数据指标的客户在累计提款金额上，明显高于随机客户，提升比例超过20%。极大的优化了营销运营活动的ROI。

客户价值分层与触达模式的联动方面，我们基于LightGBM模型并结合客户行为、交易以及基础属性等数据，预测客户未来30日的交易行为以及行为产生的收益。基于收益将用户四类高、中上、中下、低。而用户实际产生的收益基本符合模型预测，产生收益的46%来自高收益客户，29%来自中上收益，16%来自中下收益，9%来自低收益。客户价值分层联动后整体运营成本下降31.9%。

智能化商机线索挖掘方面，我们打通短信、在线客服、语音外呼等交互渠道的数据进行汇总后，基于NLP（自然语音处理）技术进行分析挖掘，识别客户各类潜在诉求与意愿，以此不断动态调整用户价值，同时辅以合理的触达方式与服务，例如在线客服交互内容中，我们会定期挖掘有调额意愿的潜在高价值客户，半年内累计挖掘8万+客户，实际调额近1万人，并且调整客户价值跟进运营触达，促成提款约6000万，且后续复借比例超过40%。

项目牵头人

李开宇 新网银行AI应用研发负责人

项目团队成员

彭恒、惠兴国、黄志林、何思佑、江漩、徐万珺、王铖东、何超、毛兴明

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。