【案例】索信达数据：银行业智慧营销平台，零售之王的凤凰涅槃之路

来源：互联网发布：jha风险分析矩阵编辑：程序博客网时间：2024/04/28 09:33

随着业务的飞速发展，资源整合已成为零售银行二次转型的首要任务，管理层要求举全行之力，推进零售条线资源整合与流程改造，全力以赴实现客户信息的统一与共享、产品研发与服务资源的整合、销售渠道的协同与整合、后台集中运营的整合以及条线队伍的整合等五大突破

作者 | 索信达数据

官网 | www.datayuan.cn

微信公众号ID | datayuancn

本篇案例为数据猿推出的“金融科技价值—数据驱动金融商业裂变”大型主题策划活动第一部分的文章/案例/产品征集部分;感谢 索信达数据 的投递

1、企业名称

某全国性股份制商业银行

2、所属分类

消费金融·零售银行

3、案例背景

随着业务的飞速发展，资源整合已成为零售银行二次转型的首要任务，管理层要求举全行之力，推进零售条线资源整合与流程改造，全力以赴实现客户信息的统一与共享、产品研发与服务资源的整合、销售渠道的协同与整合、后台集中运营的整合以及条线队伍的整合等五大突破。

某股份制银行在数据库营销实践做了积极的探索，开展了进攻式，拦截式，事件式和管户式4种营销模式，在行内开发的营销管理平台支持下，取得了骄人的业绩，处于国内领先的水平。数据营销的规模在急剧膨胀：2008年，行方是一个平台，开展了100个数据活动，进行了1百万次数据营销，而到了2014年，还是一个平台，举行了1900个数据营销活动，进行了1亿5千万次数据营销。

某股份制银行在二次转型的战略驱动下，在全行流程改造大背景下，对营销管理和营销资源整合也提出了新的要求，营销管理需要切实落地实现以客户为中心，在对的时间，用对的渠道，提供符合客户需求的金融商品及服务。通过建立以客户为中心的营销体系，整合营销资源，提高营销准确性，降低成本并建立One Bank 的客户体验。

4、实施时间

2015年3月21日：项目启动

2015年5月30日：需求调研完成，执行周期：2.5个月，业务需求说明书、研讨会材料报告

2015年7月31日：需求分析与总体设计完成，执行周期：2个月，需求分析说明书、总体设计说明书、运营管理建议

2015年9月30日：系统开发完成，执行周期：2个月，源代码与说明、可执行程序

2015年12月31日：UAT测试完成，系统投产&试运行，执行周期：2个月，设计文档、源代码与可执行程序、集成测试报告、UAT测试报告

2016年3月31日：试运行结束，执行周期：3个月，系统试运行报告、活动评估修正报告

5、应用场景

从企业营销应用层面上看，主要是围绕客户、产品、消费行为三大元素进行营销策略的制定和实施的。这三要素之间彼此独立又相互联系，每个独立要素都可制定营销策略，同时三要素之间的关联组合更是企业制定有效营销策略的关键。

应用1：客户价值识别（用户特征）

定位最有价值用户群及潜在用户群，最具价值客户提高忠诚度；潜在用户，通过全面客户画像，多角度了解客户。营销的本质就是在客户生命周期的各个阶段与客户进行互动，提升客户价值，明确客户当前所处的生命周期阶段，完成对客户群体的分类，从而确定营销目标，并且实施差异化的营销手段。

应用2：个性化关联分析

通过对用户购买了什么产品、浏览了什么产品、如何浏览网站等网站行为数据收集；通过分析客户群需求相似程度、产品相似度，通过个性化推荐引擎向用户推荐哪些产品或服务是哪些用户感兴趣的。精准探索客户金融需求，为客户提供妥帖的财富管理、消费融资和支付结算，更能发掘客户潜在的非金融生活需求。

应用3：客户体验一体化

短信、邮件、客户经理、远程银行、手机银行等全渠道待命，多渠道、多批次，更能协同联动管理和统一接触。

6、面临挑战

消费升级的时代，个性化趋势越来越强，在实施智慧营销项目之前，银行面临着以下问题：

执行力不足：4年总行发起活动，全行执行率仅为20%，事件式营销活动占比不足1/40；

活动盲目性：缺乏策划缺乏分析评估活动规则简单；

作业流程不规范：活动管理流于形式，仅通过报告监控；活动推广前未经充分的分析和试点活动效果无检视；

协同管理困难：营销活动部署在多个系统，无法统一管控，周期性，灵活活动配置无法满足，手机银行、电子邮件等部分渠道还未接入；

活动规则简单：未实现从客户、渠道、产品等多层面的协同管控；

客户信息缺失：客户标签数量有限，商业关系、信用记录及信用评级等信息缺失。

7、数据支持

智慧营销平台涉及多个数据类型，来源渠道多样化，每日的数据量大概2~3G。

智慧营销项目用到的数据类型包含：

日期型：日期型指标一般见于客户开户日期，购买产品日期，产品到期日等，一般取最大值或最小值来保证唯一性。

数值型：数值型指标常见于AUM、交易金额、交易笔数、占比等类型指标，一般取数值上的最大值、最小值、汇总值（或基于汇总值加工），也有按日期范围内的最近、最早等日期取客户UID+分行的维度下的唯一值。

布尔型：布尔型指标常见于达标标识、持有标志等有“是否”判断的指标。一般基于汇总值做判断，也有基于客户UID+分行的维度下的唯一值做判断。

文本型：文本型指标无法通过汇总、取极值等方法获取唯一值，必须依附于其他数值型或日期型客户属性加工后获取唯一值。数据来源主要有两大块：数据上行系统、数据下行系统。

数据上行系统：由数据集市经过数据处理加载到仓外集市的联机库数据。

数据下行系统：由仓外集市的远程银行、新各贷、新财富管理系统、定向白名单、短信平台、个性化推荐系统等各个渠道下发的源数据，经过数据仓库的逻辑处理，实时推送到报表层。

8、应用技术／实施过程

智慧营销从流程上实现多渠道多波次营销的协同联动管理，从客户上实践统一接触、一个银行（One bank）的优质体验，从技术上实践大数据客群模型与个性化事件决策模型的组合策略营销，以客户洞察分析支持营销决策、管理营销资源，提供执行渠道成功率高的销售线索，并通过观察执行过程中的指标值变化协助分支行实现业务价值。规划的智慧营销平台主要包括营销自动化、事件营销、营销优化三大关键模块，以实现营销决策科学化、营销业务精准化和资源投入最适化。

依据业界典型的客户分析与营销发展趋势，银行现在应延续过去分析线索，挖掘模型或各类型营销活动产生，在业务面与技术应用层面支撑营销闭环自动化与优化，为未来迈入实时客户交互联系，实现全渠道的客户体验，以及整合性营销。

以下为智慧营销系统架构图：

在整个项目中最难部分是用户需求分析和模型设计，而ETL规则设计和实施则是工作量最大的，约占整个项目的60%～80%，这是国内外从众多实践中得到的普遍共识。

ETL数据加工的过程如下：

1、数据仓库内Amart层数据加工。

2、在数据仓库内加工完成报表逻辑，导出成标准文件到交换平台，通过DS作业加载到报表库的STG层（分PC端和iPad端，PC端的DS工程名：DXP_LD_MI2，iPad端的DS工程名：DXP_LD_CMD），调用存储过程加载到目标表，用MSTR报表工具展现出前端报表。

3、首先在数据仓库内完成智慧营销数据集市的加工，然后将数据导出成标准文件文件，然后把标准转非标，通过FTP的方式LOAD到仓外集市的STG层，调用存储过程加载到目标表。

4、把营销自动化平台产生的数据通过DB2库抽取落地到TD库NDS层。

5、按渠道分24批次从oracle库抽取成标准文件落地到交换平台，然后把标准转非标，通过FTP的方式LOAD到仓外集市的STG层，调用存储过程加载到目标表。

6、把定制化产生的文件分24批次下发到各个渠道。通过ETL数据抽取、清洗、转换、装载的过程来构建数据仓库,最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。

应用部署图：

总体的设计思路要以满足业务需求为目标，以需求分析的结果为指导，以保证系统稳定为原则。

智慧营销平台作为一个中台业务系统，需要承接上游数据与下游渠道，提供友好易用的用户界面。总体设计需要考虑以下5个层面：

功能层面：充分考虑业务需求，紧贴需求分析的结果，子系统的划分要清晰合理，尽量实现松耦合，功能模块的设置粒度适中且要有针对性。

性能层面：充分评估系统内不同的工作负载，合理分配服务器资源，避免不同类型负载混合造成的性能问题。

可用性层面：区分系统内不同应用的时效性要求，针对性的设计架构和配置硬件资源。

时效性层面：考虑业务的时效性要求，以及对系统使用时间窗口的要求，合理安排系统批次。

规范层面：遵循行方现有的设计规范，尽量采用统一的标准支持渠道和关联系统的交互。

智慧营销平台零售集市根据整体逻辑架构分为两部分，客户筛选和评估监控。客户筛选为营销活动的前置，评估监控对营销活动进行跟踪与评估。

汇总层-评估监控主题是银行对客户进行营销所涉及的客户相关信息，包括：营销的接触信息、客户的反馈信息、推荐给客户的产品、客户级别的营销效果、营销相关的客户偏好、客户积分信息。

应用层-评估监控主题是根据营销活动评估监控指标梳理与报表需求进行主题分类设计，包含：营销概览、活动监控、渠道监控、价值分析、特定报表。

同时，在此次案例中我们主要采取事件式营销的方法。

传统营销，决定那一个产品要卖，假设或找出那一个客户细分或全部的客户皆需要该产品。

营销活动设计，销售单一产品。事件式营销分析客户的行为改变，找出最近一二天内符合行为改变的客户，营销活动设计，销售多种产品。通过评估分析、发现客户需求，寻找主动接触客户的最佳时机，制定相应营销策略并实施营销活动的营销理念和方法。让银行能掌握最佳销售时机，进而展开适当的客户需求探索与商品销售。

开展事件式营销需要哪些数据？首先分为两大部分：行内零售应用系统的数据需求、零售客户领域信息模型框架。那么在这两大部分之中又分为九大板块，具体包括客户属性信息，银行管理信息，营销信息，关联信息，财务信息，风险信息，评价信息，产品持有信息，往来信息等等数据。我们要把这些数据组织成数据资源体系，再对数据进行层次、类别等方面的划分，同时，要把数据和数据的相关性标注出来，这种相关性是反映客观现象的核心。以客户信息为主构建营销数据集市，按照业务条线组织数据，全面覆盖业务关键指标。

事件式的成功关键在于，藉由侦测客户行为的重大变化，让银行能掌握最佳销售时机，进而展开适当的客户需求探索与商品销售。通过对用户的360度画像分析，聚集重点客户。同时，事件式营销也是一种终极的客户体验，最小化打扰，在任何时间任何地点都能获得个体的尊重。一切需求都有场景，如境外留学可关联境外保险，购房计划可关联住房贷款，升级加薪可关联理财产品。在合适的时间通过合适的渠道，推广合适的产品，对客户进行精准服务。另外对客户进行全生命周期的管理，如新户蜜月经营期，大额异动客户回访营销期，沉睡用户唤醒期，流失客户挽留期等等。

大额异动的回访是有效稳定或挽回总资产及存款流失的重要手段。根据资金变动金额划分客户等级，或根据客户转入转出划分回访层次，引流至对应渠道。

客户行为变化可能隐含着对特定金融商品或服务的需求，透过有目的的询问，明确客户需要的金融商品或服务。举个例子说明，客户突然有大额存款，自动化侦测客户的该行为变化，于3至5天内尽速与客户联络，以因应客户需求的急迫性，与客户联系的主要目标，在找出客户的真正需求，以决定应销售的产品或服务(而非只销售单一产品)。若有转介的需求，应将该名单转介予适当的渠道，完成多渠道多步骤的整体的销售流程。智慧营销平台零售集市根据整体逻辑架构分为两部分，客户筛选和评估监控。客户筛选为营销活动的前置，评估监控对营销活动进行跟踪与评估。

事件式营销重点&分析方法

成功的事件式营销重点：

1）分析层面：如何找到有需求客户；

2）执行层面：如何设计引发客户需求的开放式话术，让前台渠道销售人员一致的执行；

3）系统支持层面：多渠道多步骤的沟通。

事件式营销分析方法：

1）建置模型：决策树、逻辑回归、聚类...等；

2）前后期分析，快速有效的方法是：“Pre and Post Analysis”。

事件式营销的一般流程：

营销分析过程：

1）营销活动创意：包括营销活动的目标、营销基本思路概述等；

2）目标客户群：包括目标客户的筛选规则、预估名单数等。通过数据分析定义事件，厘清参数，确定事件有效性，找出客户需求；

3）事件侦测：包括识别事件发生的业务规则、侦测频率等。

营销执行过程：

1）营销测试：根据营销方案选定测试范围。模拟整个方案涉及的步骤及流程，评估测试结果跟预期的差距，优化营销方案；

2）优化/分发目标客户名单：根据目标客户定义规则提取目标客户名单并派发到执行渠道，对营销活动的目标客户名单进行控制和优化，包括营销活动目标客户剔重、沟通频次控制、渠道容量控制、特殊名单匹配等；

3）调度/监控活动执行：控制活动的上线、暂停/恢复、下线，并在执行过程中进行监控；

4）客户反馈信息采集：负责采集来自多步骤、多渠道的客户反馈信息。

营销评估过程：

1）营销执行跟踪分析，根据预先定义的执行指标进行活动的执行跟踪分析，了解营销过程推进的整体情况；

2）活动客户反馈分析：根据采集的目标客户反馈进行相关分析，了解目标客户对营销活动的反响；

3）营销活动效果分析：根据预先定义的营销目标KPI，对营销活动的目标达成情况进行分析。

9、商业变化

商业银行应用大数据分析客户的交易行为，挖掘并预测客户的金融需求，设计有竞争力的创新产品，提供全面的金融服务，从而快速聚拢客户资源，逐步增加客户粘性。某股份制银行开发新一代实时交互营销平台，该平台着眼于以客户分析为基础的市场营销战略、设计与执行。同时，该行全新的客户关系管理项目以重塑客户体验为重点，使银行能够为客户提供360°全方位的服务。

客户标签的不断增加，也使得银行能够为消费者提供更好的服务打下坚实的基础。从原来的三百多个标签扩充到目前一千个客户标签，其中包括金融属性的标签，客户的行为标签、浏览数据标签等等。轻松实现营销自动化，事件式营销能够使营销效果提高5到10倍。对于上线的营销活动，智慧营销平台完整的评估体系，能够让业务人员清楚地看到相关的指标，活动评估指数一目了然。从而，根据数据反馈的信息及时调整营销策略。同时，积累了线上线下丰富的数据资产，包括客群模型，用户标签，营销事件库等等。

智慧营销平台灵活支持事件式营销，多维度活动规则配置，多渠道&多波次活动，从客群，渠道，产品，活动周期，活动设计，执行时间等方面进行多方位把控。最小化活动设计粒度，最小化客户打扰，使客户经营，产品销售，服务都有迹可循，审批全程可控，让每个客体都得到尊重。灵活分配用户功能权限，精细控制数据访问权限，使总行-分行各司其职，管理不混乱。

同时，智慧营销平台促使业务人员思维变革，产品导向转变为客户导向，营销活动较之前增长2倍。2016年策划1777个营销活动，成功活动数量占比30%，2017年策划4370个营销活动，成功活动数量占比45%。全行发起的营销活动成功率平均可达24%，近5成为成功活动。银行为客户提供360°全方位的服务，交叉销售率提高了20%。

- 关于企业-

索信达数据是金融大数据解决方案供应商。成立于2004年，现有团队规模近400人。专注于为银行、保险、证券等金融机构提供营销智能（精准营销、自动化营销、用户画像）、风控智能（信用评分与风险管理、反欺诈）等大数据业务应用解决方案。目前，索信达的大数据产品及解决方案已涉及与应用于银行、金融机构、零售业、交通运输业、制造业等多个国民经济重点行业。公司主要采购大数据架构底层及数据分析相关的软硬件，并结合客户的应用场景，将其集合成智能化数据分析平台。

公司目前主要产品包括大数据分析平台、零售销售协同预测系统、银行运营风险预警系统、智慧运维平台；大数据商业应用服务有金融精准营销、银行反欺诈、大数据销售预测、大数据舆情分析、大数据可视化、大数据供应链管理等。