神策数据：银行零售客群策略与标签体系搭建指南

近年来，由于国内经济放缓、新冠疫情复发等国内外环境的强烈影响，国内银行业也发生了明显变化，整体上正从高利率时代转向中低利率时代。同时，银行个人客户数字化程度达到历史新高，上网时间大幅提升，使用场景更加丰富，依靠数字化能力带动零售业务增长已成为越来越多银行发展的共识，各银行的管理思想也逐渐挖掘库存，从以往不断追求增量客户获取的追求中。转变为以开拓顾客价值为主。从具体做法来看，银行一般采取的运营行为是以客户为中心，整合多源数据构建标签体系，在此基础上进行零售客户群分析、洞察、运营和持续服务等一系列操作。其中，如何根据业务现状定义细分的顾客群，如何利用平台工具有效地构建和沉淀顾客群战略，以及如何构建标签系统来支持业务需求，是很好地进行零售业务数字化运营的关键。1.银行零售数字化运营的三大阶段是基于神策数据对行业整体动向的洞察和研究，银行业的发展主要经过以下三个阶段1、基础标签框架建设&数据基础能力建设这一阶段以腰以下的农商企业为主，主要位于数据层系统能力建设的环节。多数由科技部门主导的数据市场，建设标签系统等平台，对行内已有数据形成初步整合沉淀，产生行业通用框架下的指标型基础标签，同时由于缺乏应用层平台能力，所构建的标签对业务的直接支持作用相对有限。经营标签制度建设和标签管理能力建设这一阶段主要存在于顶级农业商业企业和大多数城市商业企业。从业务层面来看，这一阶段银行开始在标签基础能力的基础上以具体的运营场景为中心构建业务应用类派生标签;在系统层面上开始关注标签自身的生命周期管理能力，优化标签应用效率。3、客户群策略沉淀&数据治理机制的构建此阶段主要存在于头部城商家及股份制银行，业务在运营实践中不断磨练优化，已可以基于运营策略体系沉淀场景化客户群策略模板。在客户群常态化管理和总分分行联动营销机制中快速重用;在数据层，银行认识到基本数据质量对业务的巨大影响，并开始在数据治理上投入更多的精力和资源。2.银行业精细化运营面临的四个困境是，在数据驱动精细化运营的整个建设路径中，银行并不是一帆风顺，标签应该如何构建、构建后如何使用、使用为何无效等是经常出现的问题，通过对这些问题的思考和研究，神策数据认为银行在精细化运营过程中带来以上困境的4个原因1，认知偏差业务运营缺乏的不是顾客群战略，不是标签体系，而是我们设想一个具体的场景，在手机银行渠道的活跃客户中，定位资产管理潜在客户进行资产管理产品的推荐。从战略制定的角度出发，我们要明确目标客户群，首先确定客户群的筛选维度。例如App，存款余额，触摸渠道;其次是在各次元进行代入逻辑的App的30天内3次以上，活期存款5W以上，30天内区1次以上，触摸渠道App入栈;最后，根据标签挑选具体的顾客群包装进行市场。所以，从业务运用的角度来看，真正需要的是制定客户群策略，如何确定挑选维度以及如何选择价值范围，这些都是业务运营方面真正解决问题的关键，不仅仅是看我们现在是否有对应的标签。在实际的建设中，我们认为做标签体系来制定顾客群，把标签体系大到全地建设自然，这是一个偏差。2、职务偏差客群策略的本质不是业务活动，而是数据活动，在明确客群策略的重要性及核心本质后，我们认为这实际上是一个很强的业务指向的产物，正确的创造逻辑是根据业务方对现有业务的认识，制定相应的策略体系，并提取出更详细的客群策略。最后，运用现有的标签使其成型。因此，创建支持客户群战略的应用程序集群系统需要业务部门的深入参与，而不仅仅是数据部门。3、执行偏差客群策略在实际构建中，即使业务与数据握手困难的业务方参与客群策略制定及标签体系制定后，在后续的实际应用中依然存在使用不足的情况。大部分是为了执行水平缺乏高效的平台来实现双方的信息共享和同步。业务需求和数据反馈仍然以邮件和票据为主要沟通渠道，经常出现业务口径理解偏差、数据呈现认知偏差及流通效率低下等一系列问题.4、基础偏差数据质量问题依然普遍存在银行业数据质量问题普遍存在，一方面是历史原因，银行系统建设之初“重建、轻管理”基础数据质量弱，在源系统端未进行数据质量规律检查和必要的输入控制，源端数据质量差。另一方面，由于内部系统流动中的系统及过程不正当等因素，许多数据没有形成事前预防、控制、检查的闭环。表现在以下几点上1个数据标准没有统一。具体包括客户识别、产品识别等，如核心系统和信用系统中客户没有统一ID，统一融资商品名称在两个系统中不一致，而且融资发行机构在两个系统中也不一致。（2）数据是重复输入的，而且各系统内不一致。例如，在管理、信用、核心、手机等各系统内进行，其中的号码、号码等都存在不一致的。（3）数据的准确性。由于大部分的系统对于错误的数据输入没有进行严密的控制，所以对于大量的履历数据输入会产生数据错误的问题。上述数据问题对指标的细化管理、绩效统计和部门工作人员的营销服务都带来了很大的问题。3.&数据的二维流程图之路基于上述及，神策数据与合作经验，分别从和数据两方面提出流程图之路。1、基于业务视点运营框架，整理客户群战略，制定沉淀标签体系1框架，首先以具体业务目标为中心构建运营框架。运营框架是整体经营战略的制定依据，也是运营的主要逻辑。随着客户在线行为的增加，银行经营模式从“单线AUM经营模式”向“AUM和MAU二线经营模式”转变，基于AUM和MAU二线经营理论，建立十六宫格动态分类标准，了解客户群的价值分布，制定集团管理经营战略，评价客户群的扩大质量，了解客户群的过渡情况。

（2）在确定运营框架后，第二步是围绕1MAU渠道+ N AUM业务细分客户增长路径，并根据客户的业务旅程划分客户生命周期。MAU运营框架分解移动银行实例

AUM运营框架的分解以信用卡业务为例

（3）客户群一旦业务旅程路径和客户生命周期阶段明确，第三阶段就是在每个特定路径阶段制定相应的运营目标，推导出细分客户群特征，形成客户群战略。MAU的运营目标和客户群特点（移动银行的例子）

AUM的运营目标和客户群特征（以信用卡业务为例）

（4）删除标签第四步是分解客户群体战略所需的筛选维度和分配范围，并输出需要应用的各种标签。

（5）系统建设在整理形成完整的客户群体策略及相关标签后，需要建立系统化管理流程，实现标签和客户群体策略在生产线内沉淀形成数据资产。在标签体系管理部分，神策提出将标签整理分为“公共类标签”和“应用类标签”，“公共类标签”主要由行内数据团队管理，支持行内各线的使用;“应用类标签”由各自的线团队总括管理，标签设计、口径制定、负责应用等。通过对标签客户的分布式管理，提高标签自主应用的灵活性和管理效率。

2、数据视角巩固数据质量基础&在系统层面打破业务与数据之间的合作壁垒1巩固数据治理数据基础数据治理整合到系统建设中的整个过程中，在需求调查和确认阶段，明确银行业务人员和数据需求和质量要求。在设计阶段加强源系统数据调查和数据质量检验，增加系统生产后数据质量方面的审核，减少对下游系统数据使用的影响。数据治理从整合到数据全生命周期的数据全生命周期的角度出发，数据质量管理应贯穿数据的创建、存储、加工处理、使用和销毁的全过程。因此，在数据制作、存储方面增加了进入检查、数据清洗等工作，在数据加工、使用方面进行全过程的数据，在数据破坏后取消等。对于客户标签类数据资产，建立全面、自动化、可视化的数据质量跟踪监控机制尤为重要。

（2）数据融合OneID融合促进银行与用户的深度沟通，使用户行为分析和业务运营全过程能够深入进行。实现了全球用户数据、精准触摸、公有领域与私有领域协同运作。

（3）平台化工具能力在业务方自助式标签制作和沉淀客群战略设计完成后，业务将登陆与客群战略运营需求相关的标签。在以往的实践中，通常需要将标签需求提交给科学团队，通过加工来进行标签和提供。这个过程不仅耗时，而且存在很多问题，如计算口径很容易偏离，面临反复的修改验证，难以快速在线使用等。标签图像平台是一个可直接操作的人群策略沉淀平台，业务可以根据用户的运营需求和业务发展目标，通过可视化构建面板配置和管理所需的标签。建立系统化的用户标签库，输出用户形象，有效业务实现用户精细化运营和精细营销。此平台应具有两个重要特征：一个是支持视觉显示。支持标签可视化分层管理及各种图表展示标签的用户数据状况，实现业务对标签、客户群数据现状的即时洞察;同时提供方便使用的可视化交互界面操作功能，通过规则圈选择配置，完成标签体系的生产建设和管理。

△标签的可视化管理数据模拟

顾客群的显示数据支持模拟的2.化配置。平台提供了创建初次最终特征、事件偏好属性、行为分布结果等特征标签的可视化模板，业务应用方只需遵循相关标签的配置逻辑，即可选择对应模板进行简单的操作，用户标签的制作灵活方便。

自定义规则创建标签

客户群策略模板4灵活的数据输出应用能力可以基于平台形成的客户标签、客户群策略等数据资产，通过API等形式输出到其他业务系统应用，如风控系统模型、营销系统等，实现数据业务化应用。4.着陆场景的应用，两大案例的实践解释1，某头城企业在线化客户群经营建设项目某头城企业随着数字化能力的持续建设，对其支持其业务运营的能力提出了更高的要求。希望与神策数据合作，实现在线客户群数字化经营能力的全面建设。具体而言，如下所述，1.业务运作的框架将得到澄清。基于前期业务需求访谈和核心指标系统的设计与拆解，神策以MAU和AUM的双线视点为中心，构建AARRR客户群在线化经营系统，通过构建App总线和业务线1+N模式，实现不同业务部门的不同运营目标，切断运营责任，增强着陆可能性。通过使用AAR RR模型，可以实现对用户操作过程的全面政策覆盖。（2）用户路径的分解。明确MAU和AUM双重运行框架后，神策小组进一步对客户双线上的用户路径进行分解，其中MAU路径的分解包括登录、卡的结合、使用保持、业务价值的生成、核分裂推荐;AUM路径的分解包括客户产品的感知、购买意向的生成、购买条件的满足、业务交易的发生以及核分裂推荐。（3）制定业务目标和客户基础战略。确定客户价值牵引运营目标，并将客户基础战略分解为客户路径上的关键节点。例如，基于贷款中的用户路径分解的簇形成策略（贷款AAR的前两阶段簇策略示例）

（4）标签过滤了组，形成了详细的执行策略。围绕客户群属性、风险评估、业务产品、行为操作等维度选择标签，准确筛选目标客户。

最终该项目总体上实现了双线AARRR战略的着陆，在MAU及AUM运营框架下沉淀了许多有效的客户群体战略，切实实现了行内 MAU及AUM指标的提高;同时一站式运营平台为运营人员提供了便捷高效的营销运营平台。2、某股份制银行数据融合与标签系统建设项目某全国性股份制银行在零售业务发展过程中，逐渐感知到目前银行内数据基础对业务高质量发展的制约，具体表现如下：多端业务系统内的用户数据不能通过关联，业务使用方不能从统一客户的角度进行全程视图洞察;另外，不仅是用户数据和业务类数据，顾客在手机银行的行动数据也同样不能打开，不能满足分析潜在顾客的营销活动全环节转化效果等业务方面的需求。基于此，所谓神策是指围绕以下内容制定1个数据ID-M，并进行数据。根据行内数据的现状，制定自适应去向多端数据ID-Mapping解决方案，整理各系统数据格式进行数据清洗关联，并以行内统一客户编号为基准，进行包括CRM客户编号、信用卡客户编号及多个系统分别包含客户编号的关联。保证行内客户系统的唯一性。（2）对接整合多源数据，实现客户数据的统一管理。通过的用户明确了唯一ID后，我们还将行内的数据软件、数据集市、标记平台、渠道整合平台、实时数据等数据以及手机埋点数据与小程序埋点数据连接起来，我们制作了近30张层数据表，近600张数仓表，制定了数据方案，实现多源数据整合。（3）标签系统建设和平台管理。在数据层实现统一后，我们将定位标签平台的原标签及新连接的数据源结合起来，通过对各业务部门标签需求的采访及原标签的整理重新制定标签体系，在神策标签管理平台内实现标签可视化管理;同时，在此过程中输出标签质量分析报告，确保标签质量满足业务应用需求。

通过该项目对行方原本复杂混乱的数据资产进行重新整理，依靠用户关联、数据清洗等方案实现行内数据的可用性改造，最终在行内沉淀标签体系，使标签管理平台上线，使标签质量分析优化机制着陆。为后续数据业务端应用奠定坚实的基础。从整体上看，银行零售客户群数字化、精细化运营的关键是制定客户群战略从业务运营的角度出发，结合高质量的数据和全生命周期管理的标签体系，从而实现对业务发展的重要支撑作用。