参赛单位：重庆农村商业银行股份有限公司

案例名称：基于大数据技术的零售客户级评分体系

案例简介：

该项目以行内数据为基础，并结合外部数据，构建了客户级评分指标体系和风险、营销等多维度评分子模型，并将客户级评分模型结果应用于多个业务场景。通过借助大数据及机器学习等金融科技技术，精准分析和预测客户行为需求，有效制定业务营销策略，节约营销投放人力和费用成本，增加产品收入，提升业务规模。对我行金融产品营销模式进行创新和试点，为我行数字化转型起到重要推动作用。

创新技术/模式应用：

1.建立全行零售客户级指标体系：

基于客户身份信息、交易流水、消费行为等海量行内数据，结合三方数据，利用大数据挖掘和数据分析技术构建客户属性、信用风险、产品持有、客户价值等多维度全行客户级指标。

2.建立全行零售客户级评分模型体系：

根据全行客户级指标变量池，进行信用风险、客户价值、产品偏好等多个子维度评分模型开发。根据样本数据情况、业务需求、以及模型的业务解释性和稳定度来确定使用的模型类别，包括基于无标签体系的无监督模型和基于有标签的有监督模型。综合运用逻辑回归和机器学习等多种建模技术进行模型开发和训练。模型建立之后，对模型区分能力和稳定性进行评估、验证和迭代。

3. 零售客户级评分应用场景—产品精准营销：

以信用卡预借现金分期产品营销为例，利用客户级评分多维度子模型对客户进行风险分级，并结合客户的可支配收入情况，根据个人信贷的产品特征和额度范围，对信用卡预借现金分期产品营销响应度较高的客户进行产品定向推荐。业务策略使用投放后，将产品营销和运营结果数据进行回收，后续用于评分模型和策略的评估验证以及调优。

项目效果评估：

零售客户级评分应用以我行信用卡产品“渝快借”营销为落地场景，以减少营销成本投放，增加产品收入，提升业务规模，为我行零售业务带来更好的经济效益。此次实践对我行金融产品营销模式实现了创新和试点，由传统的业务人员依据经验进行客户筛选的模式，转向基于大数据分析与建模对特定营销场景下的客户进行评级的模式。针对“渝快借”产品具体实现的营销目标有两方面，一是对没有使用过现金分期的存量信用卡发卡客户提高转化率，即提升营销转化率；二是对有过现金分期的客户提高使用率，即提升用卡活跃度。营销转化率和用卡活跃度的提升的依据都来源于零售客户级评分模型的预测。

“渝快借”落地场景下的策略投产以来，截至目前营销客群累计达到40多万，其中包括30多万短信和5万左右外呼渠道触达的客户，总数占存量已激活信用卡客户数的近50%。以短信营销投放为例，单条成本计7分钱，按照短信发送总客户数、实际办理预借现金分期客户数以及产品收益计算，投入产出比为1:17。短信渠道触达方式下，营销模型预测评级为高相较预测评级为低的客户群组产品成功办理率提升2倍以上。外呼渠道触达方式下，营销模型预测评级为高相较预测评级为低的客户群组产品成功办理率提升30%以上。

此次我行建立的零售客户级评分体系及其在营销场景中的应用具有先进性，切实落地大数据技术和金融科技创新实践。

项目牵头人：

宋立

重庆农村商业银行数据管理部总经理

项目团队成员：

项目经理：程娜

项目成员：逯玥、韩莹、张羽、杨锐、李涛、纪龙、委中原

责任编辑：方杰