毕马威中国银行业科技赋能团队 诸景瑜

  零售业务具有资本占用少、收益稳定性好、风险分散等特点，是近几年银行持续加码发展的重点领域，也是银行数字化转型的排头兵，在客户分层体系建设、精准营销等方面取得了一些成效。中央金融工作会议提出做好数字金融等“五篇大文章”，引导银行业数字化转型由探索期向成熟期过渡。在零售业务推进“以客户为中心”的精细化管理中，如何深化数字化转型，提质增效，是银行需要探索的新课题。

  随着人们生活方式的移动化，银行的对客服务已逐步摆脱对线下网点的依赖，呈现交易数字化、服务场景化的趋势。《2023年中国银行业服务报告》的数据显示，2023年银行业务离柜交易达4914.39亿笔，同比增长9%，平均电子渠道分流率高达93.86%。随着传统零售业务渠道获客和服务客户作用的日益衰减，依托数字化能力建设深化客户经营，拓展“线上+线下”渠道协同服务已经成为越来越多银行的发展共识。

  “人—货—场”是零售客户经营中的重要模型，寻求准确识别客户需求，将合适的产品或服务在合适的场景提供给合适的客户。银行在精细化管理中将这一模型应用在零售客户经营中，其核心是以客户为中心，利用大数据洞察客户，发掘客户潜在的需求，围绕客户需求精准匹配相应的服务和产品，通过最合适的渠道触达客户，无缝嵌入客户生活和消费场景，提供最佳的客户体验。在做好数字金融大文章的引领下，银行零售客户经营可考虑从以下几方面入手，探索深化数字化转型，提质增效。

  一、建立数据驱动的零售客户经营全流程闭环自动化管理体系

  零售业务作为银行数字化转型的排头兵，近年来围绕着人、货、场构建客户分层体系，根据客户画像匹配产品及服务，挖掘用户场景开展精准营销等。但这些工作中仍有相当部分依赖于静态数据，通过人工实现反馈机制。下一阶段，银行需要构建全流程数字化客户经营体系(如图1所示)，形成数据驱动的“分群—洞察—模型及策略—触达—反馈”闭环自动化管理，从而实现对客户需求的敏感探察、迅速响应、智能决策、自动化实施，完成客户经营从“千人一面”到“千人千面”的变革。数字化客户经营体系包括以下五个环节：

图1 全流程数字化客户经营体系示意

  一是客户分群。不同于零售业务管理中常见的以拥有的产品及客户资产值进行客户划分，下一阶段的客户分群体系是在整合客户的人口信息、拥有的银行产品及往来历史等数据的基础上，结合客户所处的人生阶段、客户生命周期等信息构建客户标签，形成精细化运营所需的零售客户分群。

  二是数据挖掘。在客户分群的基础上进行数据分析和挖掘，形成客户风险偏好、产品及服务需求类型、交易模式等方面的数据洞察。

  三是模型及策略。针对客户生命周期不同阶段的经营目标，利用大数据模型工具构建模型，如需求预测模型、潜在价值模型、定价模型、活动响应模型、流失预警模型等，并基于模型进一步细化为经营策略;建立策略管理平台，进行策略的A/B测试部署或策略发布。

  四是策略实施。建立渠道管理平台，针对客群特征匹配策略相应的渠道触达规则，进行渠道部署，完成策略对客投放。

  五是评估反馈。通过建立经营管理指标体系和自动化运营管理平台，在策略实施后收集实施效果信息，根据指标体系开展经营效果评估，并将评估结果向前反馈，对客户分群、模型、策略及渠道触达规则进行持续优化。

  银行通过建立数据分析平台、策略管理平台、渠道管理平台以及策略运营管理平台，并进行多系统联动，实现全流程的数据闭环、无断点，由此可有效追溯经营活动的执行过程，并就问题的诊断向前端环节反馈，实现数据分析和策略落地的有机结合，以及对客户经营策略的持续优化。

  二、构建客户全景图，动态跟踪数据变化

  数据是客户管理最重要的资源。要全面理解客户，准确预测客户需求，制定有效营销策略，精准传递产品和服务信息，银行需要在业务流程贯通的基础上，归集、整合内外部数据，同时将业务数据与财务管理数据相融合，建立以客户为中心的数据全景图，并实时跟踪变化，作为客户经营所依据的洞察和决策的输入。

  1. 在业务流程贯通的基础上构建客户全景图

  在构建经营活动指标体系时，切忌只关注当前经营活动或当前业务环节的数据，只有全面评估客户的长期价值，才能实现经营活动的提质增效。虽然不同产品对客户生命周期的划分略有差别，但通常零售业务的客户生命周期可分为潜在期、新客户期、价值提升期、价值稳定期、衰退流失期等阶段。在开展经营分析前，银行需要按客户生命周期不同阶段贯通作业流程(如图2所示)，梳理出流程中各个环节涉及的系统以及系统间交互的内外部数据，再按客户维度将关联数据进行整合。同时，从管理视角融入各个业务环节的财务数据，对每个客户活动产生的收入、成本进行计算，从而实现以单一客户某一具体活动为最小颗粒度的收益评估，作为评估覆盖整体客户生命周期的客户价值分析的基础，并以此构建客户维度的全景图，用来进行整体经营分析。这样既可避免只重视营销活动期间的效果而不重视活动后对客户的持续影响，也可避免只关注业绩数字而忽略财务指标的情况。

图2 围绕客户生命周期不同阶段贯通作业流程

  2. 动态跟踪数据变化

  客户对金融产品和服务的需求不是一成不变的。通常，客户需求容易受到市场上其他同类产品及服务营销活动的影响，此外，宏观经济形势、市场热点等外部因素，个人职业发展、所处人生阶段的变化等个人因素，都会对客户的需求产生影响。相应地，客户分群也会根据客户的个人因素和其他原因发生变化。客户经营需要密切跟踪客户的变化，并将其与宏观经济、同业竞争等外部因素的变化一并纳入客户需求预测和活动响应分析等模型中，以便在出现变化时可以快速识别，通过客户经营体系的闭环反馈机制，自动触发客户分群、数据洞察、模型及策略、渠道触达规则等一系列环节的快速响应及更新。

  三、关注产品与渠道协同，打造顺畅的客户旅程

  在交易数字化、服务场景化的趋势下，银行愈来愈重视线上渠道的发展，除了手机银行、信用卡App等线上渠道建设，与外部生态互联网渠道如微信银行、支付宝服务号各类钱包的合作也愈发密切。在多渠道使用上，客户经营需要关注同一产品营销活动在各个渠道间的协同，同时也需要关注不同产品间的渠道协同，确保给客户提供流畅一致的客户体验，避免出现影响客户转化的卡点。

  1. 建立同一产品的跨渠道协同机制

  在完成产品或服务(货)的营销策略设计后，需要借助渠道管理平台来统一规划与客户(人)的触达规则(场)。触达规则包括触达渠道、触达时机、触达形式、触达内容等。货与人、场的匹配，一方面需要考虑利用所有适用的渠道触达目标客户;另一方面需要通盘考量，利用数据智能寻求投入产出、经营转化和客户体验之间的最优解，即针对该产品或服务以及目标客户选出最合适的渠道组合、时间、场景、频次实施客户触达，实现流畅、一致的客户体验。在使用外部渠道时，除非有更有利于客户转化的因素，否则需考虑外部渠道与行内渠道客户体验的一致性。

  2. 建立以客户为中心的跨产品协同机制

  银行针对同一客户在提供不同零售业务产品时，使用的渠道及触达方式可能不尽相同。银行需要将各产品和渠道的系统、数据和运营机制打通，建立以客户为中心的客户旅程视图，进行客户行为轨迹的埋点分析，结合不同的产品营销策略、触点规则进行综合评估，利用数据智能挖掘在客户行为与营销活动的转化效能、客户综合价值等之间，不同产品营销投放时的跨渠道协同规则。

  以客户为中心的跨产品协同还包括客户体验的协同。打通系统、数据和运营机制后，可实现客户对单个产品客户体验的反馈在不同产品间实时共享，有助于从客户旅程中及时识别影响客户体验的卡点，并及时实施优化，避免影响其他产品的体验，甚至造成客户流失。

  四、探索AI在零售客户经营体系中的应用

  银行已在零售业务的风险管理、运营优化等领域应用AI技术以提升经营效率。当下风头正劲的AIGC通过机器学习和深度学习模型，自动创作文本、图像、视频等内容，为深化零售客户经营数字化提供了新的技术路径。

  1. 产品推荐个性化

  利用大数据分析以及客户生命周期各阶段不同类型的经营预测模型，银行可以准确地识别客户的潜在需求，以此为基础，可利用人工智能技术生成个性化的产品或服务推荐，选择合适的营销内容、合适的时机和场景触达客户。

  2. 营销物料定制化

  客户经营策略已可“千人千面”，但在实施落地时往往受限于营销物料制作难以做到因人而异。利用AIGC技术，银行可根据场景实时分析、预测客户的潜在需求，结合推荐产品或服务的营销活动，自动生成符合客户偏好、贴合场景的营销文案、图片或视频，真正实现场景化“千人千面”的智能营销。

  3. 客户服务智能化

  近几年，银行已应用文本和语音智能机器人为客户提供服务。相较之下，AIGC可进行更大规模的数据分析和知识储备，而且基于新增的情感识别和处理能力，有助于银行实现“有温度”的服务，增强客户与银行间的连接，大幅提升客户的交互体验，有助于业务转化。此外，银行还可引入虚拟数字人，为客户提供更直观、更亲切的全流程陪伴式服务。

  银行零售客户经营体系建设的目标是围绕客户生命周期在获客、活客、拉升、留存各阶段实现客户价值最大化。随着数字化转型的深化，零售客户经营体系建设持续推进，将有力地带动内外部数据的贯通、整合，促进数据智能决策应用范围的扩展，推动银行服务品质和服务效率的提升，全面实现数智驱动的零售客户经营精细化。