一、项目背景及目标

为响应重庆银行十四五规划科技赋能业务目标，推动零售业务数字化升级，加快数字化转型，打造线上线下融合驱动营销模式，构建差异化、特色化、智能化的潜客识别与利率定价等客户营销服务体系，助力零售业务营销速赢，故开展本项目研究。

二、项目/策略方案

1.数字营销服务模式

1.1数字营销整体服务体系

数字营销以客户为基准、以潜客识别为导向、以个性化服务为蓝图整合线上线下相关营销资源，通过圈定目标客户、匹配适宜产品、定制个性化内容方案实现对客户价值的深入挖掘，整合分支机构营销资源，周期性下发潜客营销名单，实时收集营销反馈，采取多轮营销方式，定期跟踪营销结果复盘调整营销计划，实现线上线下迭代推动数字化营销体系建设。

①营销线上化

营销线上化通过巴狮/渝鹰、手机银行/微银行/短信银行、运营平台、标签平台、零售集市等相关系统的配套改造，关联整合分散的营销环节，集成全业务流程、全客户生命周期的营销数据流、业务流、决策流，搭建营销跟踪线上链路闭环，使营销管理过程更加高效、便捷、准确，通过数字化辅助原有营销作业，实现移动化办理、线上化操作、智能化管控。

② 营销精准化

营销精准化丰富客户360画像、深化客群价值分层，综合专家规则+人工智能算法构建精细化潜客识别模型、精准化产品及服务方案适配。细化客群分层画像、行为特征分析、增强客户理解，从客户到客群的聚类管理，从产品到客户的匹配推荐，从批量到精准的适配服务，综合分析客户分层管理与营销要素实现分析赋能与业务流程的融合。

③ 营销智能化

营销智能化以营销过程的高效执行为导向探索营销链路整合，融合线上线下渠道高效推动名单的下发与跟进。以分支机构到管理部室的业务手动传导链路为主线，整合分散的业务环节与数据，建立总行管理与分支行执行的敏捷响应机制，构建客户到客户经理到管理决策的快速传导链路，助力分支行专注客户关系维护与营销活动开展，提升营销政策的落地性与转化速度，提升营销的数据流、决策流准确度，增强营销经验沉淀。

1.2数字营销落地实现方式

① 深化营销决策支撑

营销决策支持包括潜客识别和差异化服务方案。潜客识别以基于XGBoost的潜客识别模型为核心，探索重点产品的定向潜客圈定机制，通过机器学习算法模型量化测算客户的产品购买概率，并以潜客识别模型重要变量结合专家经验规则构建客户价值分层量化体系。差异化服务以基于XGBoost的客户价值积分差异化定价模型为主，实现客户的差异化、动态化利率定价策略。

② 线下机构营销赋能

通过运营平台、展业平台等实现营销任务下发与营销过程管理、结果跟踪。管理部室通过运营平台导入营销名单实现营销名单的审核与发布，试点机构通过登录展业APP实现营销目标客户的筛查、营销记录反馈。营销结果跟踪通过中台汇集各系统营销结果数据进行实时统计分析及二次触达决策，构建常态化营销分析报表和个性化营销效果分析，通过数据助力分行优化调整策略，对有意向客户、未购买或少量购买客户进行多次营销。

③ 线上多渠道营销

线上营销通过手机银行、微信银行、短信银行、运营平台进行客户营销活动、营销产品的曝光和触达，留存线上商机线索，监控活动实施效果。手机银行通过首页弹窗、区域banner、H5活动等实现定向活动页面、办理链接等推送。微信银行以动账贴尾文字链、H5活动及落地页等实现触达。短信银行协同每次线下电话营销，提前一周进行活动营销短信触达与初步反馈收集。

2.基于XGBoost的潜客识别模型

2.1潜客识别模型方案设计

潜客识别旨在通过机器学习算法预测未来有可能购买产品的潜在客户，挖掘购买行为与潜客特质的关系并进行购买预测，结合营销目输出相应的营销名单，为精准营销提供数据支撑，以便营销人员基于名单制定定向营销策略提高营销成功率。通过爱家钱包客户分析梳理出1236个变量，据此构建潜客识别模型，主要变量包括客户基本信息、产品持有、渠道签约、金融资产、手机银行、交易数据、代发工资、信用卡消费、信贷信息等。

2.2潜客识别模型构建

① 目标客户选取

经过数据探查选择8月31日作为观察时点、表现期4个月，以观察时点全量客户为模型目标客群。若某客户在8月时没有持有爱家钱包产品，而在9月1日至12月31日期间，该客户购买了爱家钱包产品，那么就将该客户称为是爱家钱包潜在客户并标记为Y=1，其余标记为Y=0，使用24个月作为本模型的观察期。

② 模型样本建立

从客户标签信息出发对目标客群的特征进行双变量分析从而缩小全量客户与样本的量级差异。手机银行、活期存款、持有存款产品等客群中样本占比>75%，将开通手机银行且持有存款产品且持有活期存款作为全量客群，数据量降为64万。同时选取9月数据进行验证，数据量降为66万与8月基本保持一致，表明该客群具有较强的稳定性，故将“开通手机银行且持有存款产品且持有活期存款的客群作为全量客群”具有较强的可行性。

③ 潜客识别模型训练

潜客识别中考虑到模型的使用场景和数据情况，结合模型专家的项目经验，确定了候选模型分别为：lightGBM和XGBoost。结合lightGBM和XGBoost两种模型的重要参数，使用网格搜索对模型参数进行优参数值搜索得到参数值。

模型训练后通过样本内验证和样本外验证评价模型。样本内验证用8月31日时点客群按照8:2比例划分训练数据与测试数据。样本外验证用9月30日时点客群作为验证数据。用ROC、KS和LIFT值衡量模型好坏。模型样本内外验证中，ROC和LIFT都较高。终选取XGBoost模型作为潜客识别模型算法，该模型的ROC、Lift均相对较高，且KS值在合理的范围之内，模型的预测能力、区分能力、稳定性及预期提升效果均较为理想。

2.3潜客名单与潜客画像

① 潜客识别名单输出

根据XGBoost潜客识别模型输出预测购买潜客名单。模型结果目标变量Y取值为1的即预测的爱家钱包潜客，共计10.5万客户，预测平均预测购买概率14.5%。2.4%的客户预测概率大于0.3，1.2%的客户预测概率大于0.5，0.4%的客户预测购买概率大于0.7。为了有效对比验证模型预测效果，按5：5模型预测潜客名单与随机客户名单构成营销下发名单。

② 模型重要变量与潜客主要特征

变量的信息价值IV值决定了变量对于潜客营销模型的重要性和各特征对于潜客的区分度。将IV值较大(>=0.1)的重要连续型变量与目标变量Y（是否爱家钱包潜客）进行影响关系双变量分析结果选出模型重要变量，包括AUM、活期存款、定期存款、代发工资、转账次数、转账金额、手机银行登录次数、开通微银行、按揭客户等。将重要变量作为潜客的简要画像指标，除保留原始值以外，根据指标类型分别按数值百分位、数值与均值比值、标准差偏离度等进行测算，测算结果突出的进行重点标识，即该客户的不同于其他客户的个性化性特征。。潜客画像标签随客户基本信息共同构成潜客营销名单的客户补充信息。

3.基于XGBoost的客户价值量化与差异化定价

3.1基于XGBoost的“贡献度-忠诚度”客户价值量化体系

银行客户价值指客户在整个生命周期中为银行所做的总贡献，通过提供满足客户需要的产品和服务，影响客户价值链从而提高客户感知，为客户创造价值并提高客户忠诚度，激励客户重复购买产品和服务，实现银行自身价值链和客户价值链的双赢。

XGBoost潜客识别模型中的重要变量对潜客识别、客户爱家钱包产品持有具有重要意义。以XGBoost潜客识别重要变量为基础，结合同业价值量化的主要指标、行内零售评价体系，构建基于“贡献度-忠诚度”的客户价值量化体系与客户价值积分测算体系，通过T+1加工计算客户价值积分，结合忠诚维度、贡献维度分区划分4-5个客户等级，实现对存量客户、潜在客户的动态等级划分与价值监测。

3.2基于客户价值积分的利率差异化定价

① 客户价值积分测算

根据上述基于XGBoost的“贡献度-忠诚度”客户价值量化体系，将各个指标以价值积分的形式进行累计测算。积分结构及度量方式如下，爱家钱包新用户适用全部积分规则，全新白户适用日更资金留存动作类及一次性产品持有动作类积分。差异化基础积分面向所有客户根据客户状态及动作测算基础积分。老用户面向全部规则，根据测算规则每月累积积分，根据分期消耗行为扣减积分，动态测算维持客户当月积分及利率档次。新用户动作类积分翻倍，首月资金留存及产品持有获取双倍积分，且激活当月回溯过去12个月状态类积分数值并累积为新用户的积分。

② 价值积分的差异化定价应用

客户根据积分兑换不同级别不同额度的利率，利率分档，额度分级，每高一个额度级别进行差异化积分上浮。客户月度积累积分，积分不使用不消耗。使用积分兑换利率时，根据兑换的利率及额度扣除对应积分。每个客户的信审档次为初始档位，初始档位为客户总积分及档次的下限，即客户扣减前后的总积分不得低于初始挡位的分数值。

营销活动以积分形式量化，面向活动客群在基础积分上进行积分折扣或者叠加。每个营销活动面向目标客群测算其营销活动积分，终积分等于差异化基础积分加上营销活动积分，根据终积分区间测算对应利率。

③ 客户价值积分与差异化定价效果

以全量零售客户测算，客户平均新客积分37分、每月新增2.4分。有效客户平均新客积分59分、每月新增7分。全新白户首月产品开通高可得110分，平均使用状态可得40分。

差异化定价将原始固定的两个利率档次转化为动态的六个利率档次。基于XGBoost的客户价值量化与差异化定价通过动态评估客户价值进行差异化利率定价，将原本风险视角的信审一次性固定两档利率转化为了从活期存款、用户黏性、白名单、资金留存、产品持有、兑换行为等维度的客户价值动态差异化利率，实现面向客户价值的差异化贷款定价及个性化精准营销。

三、创新点

1.机器学习算法下的潜客识别

基于XGBoost机器学习算法拟合已购买目标客户的产品购买行为特征，识别全量零售客户中具有此购买特征的潜在客户，据此预测发现有可能完成购买目标产品购买行为或拥有相应特征的客户，然后输出相应的目标客户名单及其客户特征画像，便于营销人员基于该名单制定相应的营销策略，从而显著提高营销的成功率。通过机器学习算法对客户状态及行为数据进行充分的拟合分析，剖析客户的个性化特征并量化营销的成功概率，解决传统潜客识别的主观性强、精准性差、缺乏定量分析、难以跟踪追溯迭代优化等问题。

同时根据各特征数据对分类模型的贡献度选择核心特征，统计客户在核心特征上的表现数值，结合客户的基本信息构建客户的用户画像，便于客户经理在营销时快速识别客户特征，打开话术有针对性的进行营销沟通。针对目标客户的客群特征分析及各特征对目标产品购买行为的关联程度，结合聚类算法发现客群的主要特征，提炼客群画像，便于营销人员认识客群、有的放矢的调整营销方案。

2.动态差异化定价

以XGBoost潜客识别特征为基础构建“贡献度-忠诚度”个人客户价值评估及跟踪体系，动态维护客户价值积分池，跟踪监测客户价值积分变动情况及时度量客户当前及累积价值，根据客户累积价值积分兑换不同贷款利率。针对分期产品的重点个体工商户群体，引入收单行为、收单金额、资金留存转化等行为正反馈增强客户感知度提升客户黏性，实现对目标客群的监测与定向营销。同时联动营销活动，在价值积分的基础上叠加营销活动积分折扣，实现营销活动、客户价值与贷款利率的映射联动，通过监测积分变动，识别积分临界客户、兑换未分期客户、资金变动客户、净价值客户、异常收单客户等特定目标客户，配以相应的定向积分折扣营销方案，实现面向客户价值的差异化贷款定价及个性化精准营销。

通过动态监测客户价值并提供差异化贷款利率定价，建立科学、合理的客户价值量化机制，将统一定价优化为面向客户价值的动态个性化差异定价，优化贷款定价及信贷资源配置，促进全面成本管理、重点客户价值分析和风险跟踪计量，对信用卡业务开拓市场、提升产品竞争力和盈利能力、更好地满足用户资金需求、推动消费增长具有积极意义。

3.全流程一体化数字营销

通过整合大数据平台、决策引擎、标签平台、营销平台、手机银行等相关业务系统及营销资源设计了一套“精准化潜客识别差异化利率服务线上广泛宣传分发线下重点集中电销”的线上线下一体化的标准化全流程一体化数字营销流程体系，促进行外信用卡系统与行内客户数据的融合应用，打通风险到营销的一体化数字运营链路，基于中台服务体系为业务数字化转型赋能，充分调动发挥各类营销资源优势，实现智能化、数字化、一体化的智慧营销服务。通过全流程一体化数字营销，实现对重庆银行营销流程的标准化、规范化、系统化、常态化，以及过程可管控，挖掘营销商机，反馈优化营销运营体系。

相比传统营销流程，该体系不仅强化了营销前的精准识别差异化服务，也重视营销过程管控及时收集跟进用户行为与营销反馈，迭代触发波次营销。同时注重全流程的回检分析与跟踪优化，营销触达及结果数据从手机银行、微信银行、巴狮/渝鹰等平台反馈回流到数据中台，再通过线上报表、线下专题分析实现对营销效果的深化分析，量化营销转化漏斗，剖析营销结果的边际影响特征，分析渠道与流程环节的转化效率与症结，有助于分行通过数据监测指引策略优化调整、模型迭代提升，流程优化完善。

四、项目过程管理

2021年7月，项目启动；

2021年8月至2022年1月，系统方案设计与实施；

2022年1月至3月，系统投产试运行，营销试点；

2022年4月至今，系统迭代优化，营销推广应用；

五、运营情况

1.数字营销线上试点应用

为检验数字营销模式有效性特整合线上线下进行试点，以线下爱家钱包潜客集中电销试点为主，辅以线上电子渠道宣传推广支撑，检验短信银行/手机银行/微信银行定向营销触达、运营平台权益优化配置等功能。

营销初期通过短信银行对名单客户发送产品简介、预测算利率、活动权益、办理链接等进行铺垫。跟踪短信营销一周内短信回复结果、链接点击率等反馈行为，结合反馈标记重点客户并纳入第二轮营销候选。手机银行面向10万名单潜客，定制爱家钱包专属活动弹窗及H5页面，通过行为埋点采集体系跟踪客户对弹窗的点击、浏览时长、链接跳转、是否申请等行为反馈数据。对开通微信银行的客户进行微信银行活动链接推送。同时运营平台将活动权益重点分配给了名单客户，结合客户模型购买概率及预测算利率进行权益配置。

2.数字营销线下试点应用

线下集中电话营销试点旨在验证潜客识别与差异化利率模型效果，选取4家分支机构对5:5模型潜客与随机客户名单及其差异化利率体系进行为期2个月的三轮营销试点。营销以电话营销为主，短信营销手机银行营销为辅，首先调研营销客户总量、单日电销量、营销节奏及营销话术等构建营销方案，组织爱家钱包营销话术体系专场培训。接着将营销名单、话术、方案、反馈表下发给机构。前两轮共六周由试点机构指定人员进行电话营销并记录结果反馈，*****轮全量名单营销，第二轮根据首轮营销反馈对有意向、未触达客户进行。第三轮营销由信用卡直营团队作为执行力的对照样本进行独立营销。

3.数字营销推广应用

该体系已经进行过三次全市场营销工作，支持了开门红、推荐有礼、节日活动等集中性专题营销活动，验证了该体系在核心功能上能够良好的支持业务营销。应用结构由信用卡部延展到4家试点机构再到支行大面积铺开，能够有效的支撑日常营销工作，提升营销精准性、优化任务下发、过程跟踪、结果反馈效率。

六、项目成效

1.数字营销试点效果

营销名单中模型名单的电销初步意向及申请办理均显著高于随机名单。模型名单随着预测购买概率的增大用户电话营销有意向比例呈现波折式上升趋势。模型预测的0.2-0.5的中低区间办理倾向约为随机名单的1.5-3倍，预测概率0.7以上的高概率区间办理倾向为随机名单的4-5倍左右。潜客识别模型对客户办理倾向具有一定的识别能力。

此次营销下发名单10568人，营销客户9568人。试点期间随机名单申请比例1.8%，模型名单申请比例7.5%， 按有效客户统计零售客户自然进件率为2.6%。综合各试点机构潜客识别模型的营销效果约为随机营销效果的4-5倍，为自然营销的2-3倍，直营团队作为执行力的保障，其模型效果可达随机名单约8倍。本次爱家钱包潜客营销试点效果较明显，基于XGBoost潜客识别与差异化定价的数字营销服务模式通过试点检验。

2. 数字营销深化应用成效

数字营销服务模式通过XGBoost算法实现有效潜客识别。差异化利率定价在维持原平均利率的情况下对客户价值与利率更具备区分度，且投产前后半年客户授信后的提额、分期行为占比均有显著提升。通过线上电子渠道全量潜客定向宣发、线下机构重点潜客集中营销，综合实现了88.5%的客户有效触达、46.4%的客户点击跳转意向，16.7%的客户申请意向。数字营销模式整体有效，后续将持续固化并推广应用。拟将潜客识别模型固化为预测标签，通过标签平台实现与运营平台、手机银行/微银行/短信银行的自动对接。差异化定价已作为补充功能模块纳入爱家钱包利率测算体系。重点潜客也逐步集成到展业平台实现分支机构名单下发和认领。

七、经验总结

XGBoost机器学习算法下的潜客识别模型相较于传统专家规则更精准，模型头部数据对客户具有较好的筛选效果，对该部分客户进行营销，相比于随机筛选，营销效果具有很大的提高，有效促进营销成功概率。动态差异化定价根据不同客户进行动态化跟踪、差异化定价，构建差异化贷款利率定价机制，识别优质客户、监控客户价值、优化信贷资源配置有助于提升产品竞争力、实现风险效益平衡、提高贷款定价能力。全流程一体化数字营销对于多渠道营销触达、营销过程管控、及时营销响应、营销结果跟踪优化等具有积极意义，将数据融入营销业务全流程，充分挖掘数据价值，真正实现“数据驱动，价值创造”的思路。

基于XGBoost潜客识别与差异化定价的数字营销服务模式，构建了精准化、个性化、差异化、数字化的营销决策体系，整合全流程营销资源，增强线上电子渠道权益精准覆盖、线下分支机构营销重点突围，提升营销能力和转化效果。