来源：金科创新社微信公众号
作者：中原银行数智金融创新实验室 路凡 赵玉敏 李建栋
零贷业务具有放款金额小、业务量大、管理成本高的特点，智能化风控、智能化运营成为其数字化转型的必由之路。依托行内业务需求和业务痛点，提出一套基于零贷产品全生命周期的数字化运营方法，该方法以产品生命周期内各阶段损失事件为切入点，设计了新客营销、拒绝回捞、经营提升、客户挽回四个智能运营方向，结合机器学习算法和业务经验，构建高潜客户挖掘及预授信、漏损客户营销、拒绝回捞、促提款、临期提醒和防流失6个大数据用例，运行期间有效拉动*款贷**提升43.4亿元。
在数字经济与实体经济深度融合的背景下，作为链接经济社会与民生的重要桥梁，金融业不断加快数字化转型的步伐，以期构建开放、智能的服务生态，精细化、数字化运营流程，提高自身竞争力，实现高质量发展。
作为河南省级法人银行，中原银行股份有限公司在成立之初就提出了“科技立行、科技兴行”的发展理念，在数据存储、数据治理、数据仓库建设的基础上，先后引进机器学习、深度网络、知识图谱、推荐系统等算法，形成了自身数字化业务应用能力积淀。作为银行的核心业务之一，零贷业务如何提升服务质效，实现智能运营，是各大银行探索的重难点。对此，中原银行给出了自己的答案。
一、零贷信贷类产品全生命周期运营流程
零贷信贷类产品的全生命周期包括申请、审批、提款、结清、复借五个阶段。围绕各阶段中的损失事件，可以提取出新客营销、拒绝回捞、经营提升、客户挽回四个智能运营方向，对此中原银行搭建了高潜客群挖掘及预授信、漏损客群营销、拒绝回捞、促提款、临期提醒和防流失挽回6个子数据用例。
图1零贷客户数字化营销体系
二、智能运营方案及实践
零贷客户数字化营销体系如图1所示,本文从新客营销、拒绝回捞、经营提升、客户挽回四个智能运营方向，详细介绍在各个节点的探索和取得的效果。
1 .新客营销
新客营销位于*款贷**申请前环节，针对行内存量未申请客群，通过数据分析和机器学习技术，挖掘高意愿*款贷**客户，并对客户进行个性化推荐，以提高客户的申请率和转化率。
（1）高潜客户挖掘及预授信
根据数据丰富程度，*款贷**新客可以分为存量客户和非存量客户。非存量客户信息未知，常需要地推、引流等方式获取，而存量客户具有一定的数据积累，成为数字化营销的重点目标客群，如何识别出*款贷**响应客户成为存量挖掘的关键。
高潜客户挖掘用例基于客户基础信息、持有产品信息、信用卡消费信息、资产负债信息、手机银行交易信息、客户征信信息等多维数据，以历史是否申请过该类*款贷**产品为标签，训练机器学习模型，根据模型评分挖掘高潜*款贷**意愿客户。
同时，客户预授信体系用于辅助高潜客户营销：首先，依照客户行内数据信息维度划分客群，依据各客群可用的收入-负债变量，计算基础收入，对于仅有基础信息的存量客户，使用统计年鉴中地区收入-负债水平，结合客户年龄、学历水平进行综合判断；其次，根据变量缺失率、变量对产品违约水平的区分能力选取额度调整变量、构建额度调整系数矩阵。
确定客户*款贷**申请潜力及预授信额度后，排除黑名单、不动户、不满足产品准入、已申请等客户，针对客群特点使用不同渠道和策略进行营销。如对于模型分和预授信双高的优质高潜客户，通过CRM渠道展示客户当前资产负债、产品持有等信息，提示客户经理进行专人线下运营（如图2所示）。
图2 高潜客户挖掘及预授信
高潜客户挖掘用例针对行内明星个贷产品建设，筛选入模变量12个，测试集精度auc 0.79，ks 0.46。用例上线后共计有效执行客户118.3万人，申请2.2万人，响应率1.86%，带动产品贷余拉升17.3亿元；针对预授信体系，共划分8个客群，与响应客户的实际授信额度相比，72%的客户差异额度在5万元以内。
（2）漏损回捞
在产品浏览、点击申请、填写信息阶段，客户常由于信息填写错误或在竞品中犹豫等原因导致未能完成*款贷**申请。该类客户具有一定的*款贷**意愿，可以精准触达，提高客户转化率、拉动*款贷**提升。
对于漏损客户，通过埋点数据获取漏损名单后，基于数据分析可以洞见客户不同申请渠道的行为差异及转化差异。在回捞前，需剔除部分不适宜营销客户，包括但不限于已申请用户、厌恶营销客户、不符合产品准入条件的客户。实践中，根据客户的浏览-点击行为、浏览时长、失败原因等构建客户*款贷**意愿评分，根据客户基础信息、其他存量数据构建客户风险评分，结合客户浏览深度，对客群进行细分，针对不同客群的特点采取相应的营销策略和营销渠道。如对于点击提交但是由于系统原因造成未能正常申请的高意愿客户，直接下发给客户经理进行电话营销，引导客户完成申请；对于浏览时长较短且在行内粘性较差的客户进行线上渠道PUSH。
实际应用中，漏损回捞用例共划分5个客群，有效执行54.7万人次，响应客户8.5万人，申请率15.45%，远高于存量客户自然申请率1.9%，用例带动放款提升14.4亿元。漏损回捞智能营销用例见图3。
图3 漏损回捞智能营销用例
2.拒绝回捞
拒绝回捞位于*款贷**审批阶段或是提款阶段，在获客成本日益高涨的当前，回捞相对优质的被拒客户显得至关重要。无论回捞哪个阶段的客户，拒绝回捞策略均要平衡收益和风险。在实际应用中，将拒绝回捞分为可捞回规则识别、捞回客户稳定性监控、捞回客户风险监控、规则迭代四步流程（如图4所示）。
可捞规则识别中，硬规则如黑名单、反欺诈是风险防控的底线，不可放松，软规则（可根据风险容忍程度调整阈值，如多头借贷类）和评分成为回捞的目标对象。对当前规则的触发、风险情况进行初步分析后，优先将风险水平较低、拒绝率高、尾部识别精准度差的规则作为首选，结合模型分的分布对可捞回客户的风险进行判断。初次放松时，可以采取规则放松、评分收紧的策略；对于多条策略放松的情况，优先选取命中捞回规则较少的优质客户；对于无模型分的情况，可以构建专家卡或引入外部评分回溯。
捞回策略上线后，捞回客户的稳定性监控和风险监控必不可少。稳定性监控以捞回客户数量占比、审批通过率占比、放款金额为主，防止捞回策略被恶意攻击、捞回客户占比过大；风险监控则要对比捞回和大盘的逾期表现，根据风险情况及时对捞回策略进行调整。
图4 拒绝回捞方法
3.经营提升
*款贷**审批通过后，往往会存在部分客户不提款的现象，造成*款贷**效益无法充分释放。针对提款阶段的这一损失现象，构建了促提升用例，并结合发放还款金等活动，培养客户使用习惯、进行提款拉升。
促提升用例（见图5）以客户申请通过后30天内是否进行*款贷**支用为标签，基于客户行内数据、申请时的征信数据、外部三方数据、产品要素、客户提款距申请通过时长等信息，构建XGB机器学习模型，预测当前申请通过客户在未来30天内提款的概率，对提款可能性高的客户进行优先触达。为防止算法过拟合、增强模型稳定性，在使用空值率、IV、PSI等指标筛选变量后，对变量进行分箱操作，结合业务逻辑将最终入模变量控制在8-16个。
图5 促提升用例建模流程
促提升用例最终共筛选出10个变量入模，包括行内信息（3个）、征信信息（2个）、产品信息（3个）、基础信息（2个），模型测试集精度auc 0.83，ks 0.49。用例共有效触达客户6.6万人，成功提款率3.8%，相较对照组提升58个百分点，促进放款4.7亿元。
4.客户挽回
客户挽回位于零贷产品生命周期的结清和复提阶段，包括临期提醒和防流失两个用例。临期提醒对一个月内即将到期的客户进行直接触达，属于预警性挽回；防流失用例以当前*款贷**已结清、还款表现良好，但较长时间未复借的客户为目标客群，通过构建算法模型，优先对尚未复提但复提概率高的客户进行触达，属于事实型挽回。
防流失用例的目标客群属于存量老客，具有产品使用经验和更丰富的数据积累，风险相对新客小。该用例使用客户行内数据、征信数据、历史借款行为、还款行为、风险表现等维度变量构建机器学习模型，对客户复提概率进行排序，并设置对照组进行用例成效统计。通过变量筛选，共计8个变量入模，包括客户基础信息（1个）、行内交易信息（2个）、客群分类标签（2个）、产品持有情况（1个）、征信情况（2个），模型测试集精度auc 0.82，ks 0.5。用例共计触达客户3.7万人，复提率12.7%，相较对照组提升63个百分点，带动放款金额提升7.0亿元。
三、当前的问题及探索
智能运营的目的是通过数字化技术管理客户关系，在获得收益的同时为客户提供更加精准和优质的服务。针对信贷类产品智能营销推荐普遍存在的问题，中原银行当前积极探索，持续推动问题的解决。
1. 数据质量问题
银行的数据分散在各个业务部门和系统中，数据质量参差不齐，存在重复、不一致、缺失等问题。中原银行持续推动行内数据治理，建立数据质量管理机制，规范数据的定义和标准，提高数据的准确性、完整性和一致性；建立数据共享机制，促进数据的整合和利用，提高数据的共享效率和价值；建立数据管理机制，实现数据的生命周期管理，提高数据管理的效率和质量；建立数据分析和挖掘机制，提高数据分析的效率和准确性，为业务决策提供支持。
2. 沉默客群问题
沉默客群指长期未使用银行服务的客户，行内AUM值较多，客户信息缺失或不完整，可能无法准确了解其需求和偏好，也无法制定相应的营销策略和方案。中原银行通过数据分析技术，对沉默客群的行为、偏好、需求等进行深入分析，了解他们的特征和行为模式，从而精准制定营销策略和个性化的营销方案，如定制化产品、个性化服务、优惠券等，吸引他们重新关注银行；通过多种渠道进行营销，如短信、邮件、电话、社交媒体等，提高沉默客群的曝光率和回应率。
3. 营销效果不理想问题
针对银行的营销活动存在的“无法吸引足够的客户关注和参与，导致客户转化率低，无法实现预期的业务目标；即使客户参与了银行的营销活动，但是最终并没有提交*款贷**申请，导致*款贷**申请率低，无法实现业务增长；即使客户提交了*款贷**申请，但是银行最终并没有批准*款贷**，导致*款贷**批准率低，无法实现业务增长和客户满意度提升”等问题，中原银行基于*款贷**产品的特点和客户需求，确定定位精准的客户群体，制定更加精准的营销策略，引入人工智能技术，如机器学习、自然语言处理、推荐引擎等，对营销客群进行智能分析和推荐，提高营销的精准度和效率；通过优惠活动、营销奖励等，提高客户参与度，增加客户转化率和*款贷**申请率，同时搭建了全行统一的评分体系，在营销活动前，预先评估客户的风险，针对不同的风险客户，推荐不同类型的风险产品。
4. 客户满意度问题
银行的产品定位不准确，无法满足客户的实际需求，导致客户对银行的产品和服务不满意；产品的申请流程不够顺畅，客户的体验不佳，服务不到位，无法及时解决客户的问题和需求，导致客户对银行的服务不满意；同时过度营销会让客户感到疲劳和厌烦，导致客户对银行产生负面印象。中原银行一方面根据客户需求和市场需求，制定合理的营销策略，避免过度营销，加强客户关系管理，提高客户满意度和忠诚度；另一方面持续精准定位产品，提供符合客户需求的产品和服务，优化服务流程，提高客户体验，如提供便捷的在线申请、快速的审批流程等，同步加强客户服务，提供即时响应和解决客户问题的能力，如增加客服人员数量、提高客服素质等。