大数据推动手机银行“精准”营销应用

梅发贵 宗强 张征

在电子信息技术快速发展的时代，通过数据分析将其转化为生产力对业务发展产生巨大的推动作用。Y农商银行针对手机银行应用的现状，通过进行指标设计、权重确定对现有手机银行客户识别模型进行优化，结合存量客户大数据对优化的手机银行客户识别模型进行对比分析与验证，为基层手机银行业务宣传、获客、柜面替代率、产品关联，推动手机银行“精准”營销应用提供有力支撑。

一、引言

从整体市场格局来看，目前手机银行市场尚未充分饱和，仍处于各银行业机构“跑马圈地”的战略机遇期。目前，Y农商银行个人客户手机银行开户率仅占31.16%，柜面替代率为76.54%。但反观其他国有商业银行，部分银行的个人客户手机银行开户率已达70%以上，且柜面替代率已达95%以上。由此可见，通过对蜀信e平台客户开展大数据分析，深度挖掘贷款客户、柜面转账客户、理财客户、社保卡客户、ETC客户需求，为业务营销提供强有力的数据支撑已势在必行。在此基础上，结合本行蜀信e手机银行在存款、贷款、转账、理财、社保医保和生活缴费方面的便捷性等优势，精准拓展有需求的客群，改善客户年龄结构，推动本行客户结构进一步优化和提升。

二、手机银行客户识别模型的应用现状调研

结合Y农商银行实际情况，成立了调研小组以“如何对手机银行有效客户进行有效识别”作为切入点，通过构建模型，提取、整理、分析数据，获取调研结果等思路，对现有的手机银行客户识别模型进行调研。Y农商银行调研组先对现有“手机银行动账客户识别”模型进行分析。经过调研发现，目前银行个体、私企老板使用频率最高;使用手机银行查询和转账功能的最多;手机银行客户拥有贷款的使用率相对较高，经常使用柜面转账及柜面缴费交易的客户可作为重点营销客户。而银行现有的“手机银行动账客户识别”模型较为粗犷，仅有简单的客户年龄段、性别、动账笔数、非动账笔数、登录次数、贷款余额、存款余额等维度，各维度间没有交叉验证分析，模型提取存量客户的营销动账成功率很低。

三、手机银行客户识别模型的优化

1.优化模型指标设计。结合发散思维、否定思维、逆向思维等思维模式，通过明确问题、把握现状、制定计划、设定目标、验证解决等一系列解决问题的思路，调研组成员采用头脑风暴先“加”后“减”的方法，先集思广益，将调研组成员、外部专家建议、手机银行业务全行问卷调研结果等多渠道收集到的关于手机银行客户动账的特征维度进行横向补充，将收集的维度指标丰富到模型运用中。经过汇总分析，并结合Y农商银行目前大数据能提取到的有效信息，将模型维度指标由原来的7个丰富到12个，具体为：非动账交易笔数、活跃率、柜面转账情况、柜面缴费情况、惠支付用户、产品数、贷款余额、ETC用户、存款日均余额年龄、手机银行登录次数、短信用户。

2.优化模型指标权重的确定。为确保模型各维度指标间是否具备相关性，调研组成员运用统计调研专业工具，引入SPSS数据相关性分析软件。通过将分析时间点的手机银行业务数据明细导入SPSS分析软件，计算出各维度指标与客户活跃率的相关度，去掉部分相关度低的维度指标，确保模型维度指标的准确性。结合Y农商银行相关数据，得出各项指标的关联情况如下：与非动账交易笔数与活跃率相关度为0.367，产品数与活跃率相关度为0.207，惠支付用户与活跃率相关度为0.202，贷款余额与活跃率相关度为0.121，ETC用户与活跃率相关度为0.086，存款日均余额与活跃率相关度为0.082，短信用户与活跃率相关度为0.036，客户年龄与活跃率相关度为0.031。根据SPSS相关性分析结果，与活跃度相关性由高到低的维度指标分别是：非动账交易笔数、产品数、惠支付用户、贷款余额、ETC用户、存款日均余额、短信用户、客户年龄。根据从、分值分配结果，相关度高的指表匹配更高的分值。前期调研得出客户的职业、工资代发用户、柜面转账及柜面缴费交易用户也会是手机银行活跃度高相关的维度指标，在模型中也相应匹配不同分值。

调研组对本行存量手机银行业务客户信息进行分析比对，结合EXCLE图表比对工具、SPSS数据相关性分析工具等，最终计算出各维度指标间在有效客户中的占比情况，再通过百分制匹配至各维度指标。经过大量数据的分析、比对，对各维度指标赋分，在通过模型抓取客户各维度指标的综合得分，判断该客户成为有效客户的可能性大小。通过以上系列方法，调研组成功将原来以定性为主，仅提供方向性指导的模型功能，转变为具体的定性、定量结合、可操作性强的模型。模型指标权重分值总分100分，各指标权重分值及具体说明如下。

非动账交易笔数：有非动账交易的客户是有使用手机银行的，此类客户有使用基础，不同的交易笔数决定了客户的使用频率及习惯度，本类客户分值应最高，根据不同的交易笔数区间匹配不同分值。权重分值20，月均0-1次5分，月均1-5（含）次10分;月均5-10（含）次15分;月均10次以上20分。

活跃度：活跃度是客户在年初至本月有动账交易的月份占比，也可以用动账交易代替，其本身也是客户是否发生动账交易的直接定性指标，根据活跃度高低匹配不同分值。权重分值15，活跃率10%以下2分，活跃率20%（含）以下5分，活跃率30%以下10分，活跃率35%以下15分。

柜面转账：手机银行动账交易使用率最高的是转账，单笔10万，日累计50万以内的转账交易均可以通过手机银行实现，且免手续费，此类客户有较大几率营销成功，根据柜面转账金额及笔数区间匹配不同分值。权重分值12，按交易笔数及金额占比匹配分值。

柜面缴费：手机银行非常使用，但使用率不高的动账交易是缴费累，可以有针对性的对有柜面缴费需求的客户营销手机银行，根据柜面缴费频率匹配不同分值。权重分值5，按交易笔数及金额占比匹配分值。

惠支付用户：惠支付商户作为Y农商银行收单客户，会使用手机银行查询收款信息，同时也可以通过手机进行款项的交易，此类客户有较大几率营销成功。权重分值11，按是否匹配分值。

产品数：客户在Y农商银行产品数量的多少可以判断客户忠诚度及客户粘性，产品数越多的客户，业务都在Y农商银行的可能性更大，能更有效的影响手机银行。权重分值9，1-3（含）个3分，3-5（含）个6分，5个以上9分。

贷款余额：贷款客户一方面可以通过手机银行自助放款还款，也可以通过手机银行转账;另一方面贷款客户与客户经理关系较好，营销成功率会较一般用户高。权重分值8，按分析数据的占比匹配区间分值。

ETC用户：ETC用户作为有车一族，可以有针对性的营销Y农商银行9元洗车活动，此类客户有较大几率营销成功。权重分值7，按是否匹配分值。

存款日均余额：客户存款余额波动较大，日均余额反映客户在Y农商银行存款真实情况，不同存款日均余额的客户，手机银行使用情况略有不同，根据存款日均余额区间匹配不同分值。权重分值6，按分析数据的占比匹配区间分值。

年龄：不同年龄结构的客户使用手机银行活跃度不同，不同年龄客户使用的功能也有所不同，根据客户年龄区间匹配不同分值。权重分值4，按分析数据的占比匹配区间分值。

登录手机银行：3个月内有登录手机银行的客户，手机上有蜀信e客户端，也在进行进行了使用，此类客户有一定的营销价值，匹配一定分值。权重分值2，按是否登录匹配分值。

短信用户：权重分值1，按是否开通短信服务匹配分值。

四、优化模型的应用验证

调研组从2020年6月至2020年8月持续开展优化模型的客户营销及数据分析应用验证。

6月中旬，根据手机银行动账客户识别模型的原始模型，提取出全行年龄在35至55岁、日均存款在1万元以内或有贷款余额的客户，或本季度有登录的手机银行客户信息。随机选择其中部分支行的客户进行电话营销。20天后提取手机银行动户情况，在本次营销的500名客户中，成功营销81名客户，营销成功率为16.2%。

7月中旬，根据手机银行动账客户识别的优化模型，提取出全行年龄在35至55岁、日均存款在1万元以内或有贷款余额的客户，或ETC用户，或本季度有非动账交易的手机银行客户信息。随机选择其中100名客户进行电话营销。20天后提取手机银行动户情况，在本次营销的500名客户中，成功营销83名客户，营销成功率为16.6%。

8月中旬，根据手机银行动账客户识别的优化模型对2020年7月31日存量数据进行回归验证，对所有手机银行客户按模型进行打分。得分排名前1万名客户中，活跃率高于50%的占比近80%;得分排名前2万名客户中，活躍率高于50%占比约74%;得分排名前5万名客户中活跃率高于50%的占比62%。由此可见，得分越高的客户，是活跃客户的概率远远大于非活跃客户，得分越低的客户是非活跃客户的占比也远大于活跃客户，证明了手机银行存量客户营销模型的准确性。

五、结论

通过多次的数据关联性分析，并对指标进行关联性测试，通过不断地修正测算，逐项研究后最终得出数据。模型中的各项指标符合农Y农商银行客户的独有特征，具有易识别、易筛选、易成功、易运用等特点。通过对客户的特征识别，筛选出优质的存量客户开展有效的跟踪，从而有针对性地提高使用率。提高了厅堂手机银行业务营销的针对性，大堂经理和柜面员工做一线营销时，通过大量数据的比对，筛选，验证，可以实现大面积的运用。手机银行通过其自身的功能关联许多业务，包括存款、贷款、理财、生活缴费等，通过愉快的营销建立起桥梁，从而为进一步拓宽营销渠道、推动银行多项业务发展打下基础。[课题名称：宜宾农商银行“大数据营销”]

（作者单位：宜宾农商银行）