月日均 AUM 提升 40 倍！看这家银行如何做好网金客群分层经营？

近年来，随着银行互联网金融业务的快速发展，银行网金客户规模越来越大，占零售客群整体比重愈来愈大。面临千万甚至亿级量级的网金客群，在营销资源有限的情况下，银行很难全面投入营销资源，针对海量客户进行触达。如何运用数据挖掘技术，建立一套从价值贡献、精准营销、客户偏好等多维度分析的客户分层体系，发掘海量长尾客群中有潜在价值的客户，促其活跃、投资和复购，进而提升客户在银行的资产规模，成为银行网金客户经营的一大挑战。

本案例是索信达为一家商业银行实施的网金客户分层经营增长项目。通过发挥在数据分析、模型构建、营销策略方面的专业优势，索信达帮助这家银行建立了符合该行特色的网金客群分层经营体系。

一、现状分析

这家商业银行拥有 3000 多万的网金客户，其中网贷客户数量最多，而资产则主要分布在财富客户和结算客户。

网贷客户：这部分客户基数大，投资资产贡献较小，多来自于三方渠道，普遍存在对银行品牌认知弱、部分未开立电子账户和不可营销限制等转化链路较长的挑战。

结算客户：仅持有 II 类电子账户且从未发生投资交易的客户，这部分客户的资产贡献占比 20%，但资产多为活期余额，账户主要进行日常消费，该部分客群具有潜在价值的客群，可引导转化为投资客群。

财富客户：仅持有 II 类电子账户且有过投资交易的客户，客户占比不足 1%，但贡献了 70%的资产规模，该部分客群中不乏投资潜力客群，可持续经营，促其复购。

可见结算客群和财富客群的资产贡献和投资潜力较大，我们对这两大重点客群进行了客户细分和模型搭建，并制定相应的营销策略，针对性开展精准营销。

二、结算客群模型搭建与分层经营

如上所述，结算客群的资产贡献为 20%，是具有潜在价值的客群，可引导转化为投资客群。但该客群基数也比较大，首先需要从这 1000 多万客户中找出具备投资潜力的客户。我们的方法是帮助该行建立潜力意愿模型，全面分析客户的消费场景、消费金额、消费频次等相关数据，从资产能力（消费能力+潜在资产）、投资意愿两大维度来识别潜在高价值投资客户，找到潜在有资产具备投资意愿的客户。利用客户资产提升特征来预测下一观察期客户是否会提升，具有潜在资产高和投资意愿高的客户输出为高资产高价值客户。

三、建模思路

通过建立挖掘模型，针对该行的全量结算客户，精准识别能登录手机银行具有资产潜力和投资意愿的客户，用于直接精准营销。

同时，我们还沉淀相应的 15 大类潜力消费标签人群标签、他行高端卡 bin 标签、潜在投资能力高评分标签、投资意愿人群标签，用于后续精准营销。

针对划分出来的高潜力高意愿、低潜力高意愿、高潜力低意愿、低潜力低意愿客群，我们分别进行客群特征分析，制定相应的产品策略、活动策略，最终达成经营目标。

针对高潜促投资客户，可适配不同的产品、权益、渠道触达吸引客户，促进其投资理财。例如：针对汽车消费类人群投资达标后可配发加油卡， 对于商超、电商类客户送京东卡，对于视频娱乐类送视频年卡会员等。

对于低潜促活客户，可通过手机银行生活服务、资讯服务、理财知识等增强客户品牌认知和黏性，为后续理财投资推荐提供触达通道。

四、财富客群模型搭建与分层经营

财富客群虽然在网金客户中占比不足 1%，却贡献了 70%的资产，这部分客群中不乏投资潜力客群，可持续经营，促其复购。

针对该客群特征，需要对客群进行进一步分层。财富客群的分层体系工作包含基础分析、客户洞察和分层体系三部分内容。其中基础分析包括财富客户画像、客户价值细分、存量活动分析和生命周期旅程分析；客户洞察包括客户画像洞察、客户价值洞察、客户活跃洞察、客户旅程洞察、营销活动洞察 5 个方面；客户画像洞察和营销活动洞察为客户分层提供数据依据。

财富客户价值细分从价值度和活跃度两个维度进行客户划分，将客户价值划分出不同等级，不同层次。在本案例中，我们根据客户价值（月日均 AUM，投资理财产品持有行为）和客户活跃（登录手机银行 APP 行为，主动动账交易行为），将该行的网金财富客户划分出 4 大客群：高价值高活跃的核心客群、高价值低活跃的成长客群、低价值高活跃的活跃客群、低价值低活跃的衰退客群。

同时，基于财富客户的生命周期旅程，我们划分出对应的客户阶段。

综上，我们帮助该行搭建的财富客户分层模型综合了客户价值分层和生命周期分层两个方案：一是从客户价值度、客户活跃度建立客户价值细分模型；二是从用户生命周期旅程划分出投资新人-投资熟客-衰退客户的生命周期细分模型。

按照财富客户生命周期，结合价值分层针对投资新人、活跃客户、成长客户、核心客户和衰退客户，分别采取相应的经营举措。

五、网金客群分层经营效果

索信达帮助该行规划了网金客户分层体系，并基于重点场景构建了分群模型，针对重点客群制定了营销活动策略方案。

主要达成如下三大效果：

1. 建立客户分层经营体系从分层的业务目标客户经营出发，对网金客群分别建立对应客群特点的客户分层模型，可直接应用模型结果及相应的客群标签，快速进行客户触达和精准营销，提升数字化经营效率和水平。

2. 实现精细化客户画像客户分层体系模型的构建，能有效丰富银行对客群的认知，同时沉淀相应客户价值度和贡献度标签，为后续实现对客户的精细化营销提供数据支撑。

3. 形成客群精细化营销闭环根据分层模型的输出结果，充分实践并验证了从圈选客群-框定产品-适配权益-触达渠道-营销话术-跟踪评估-优化迭代的整个数字化闭环，为后续精准营销提供了最佳实践。

我们将上述模型和策略应用在速赢场景营销活动中，取得了不错的效果。以结算客群分层营销活动为例，如前所述，我们将结算客户分为四大潜力意愿客群，选择其中的高潜高意、高潜低意、低潜高意三大客群开展营销活动。在 6 月首次执行营销活动，时隔一个月后对首次营销过程中外呼未接通的客户进行第二波营销。

活动效果：

1. 月日均 AUM 较上月提升 40 倍；

2. 首次营销活动中，潜力提升策略外呼接通率 40%，手机银行响应率 32%，新增签约理财客户占比总购买人数 63%；

3. 高潜高意人群整体购买转化率和 5 万以上购买转化率都显著高于其他人群，证明潜力意愿模型识别效果良好。

综上所述，在索信达的帮助下，这家银行建立了符合该行特色的网金客群分层体系，从客户场景、分层营销等方面落地应用模型，丰富现有标签画像，充分挖掘现有网金客户的价值，针对模型筛选的客群制定相应的营销策略，开展精准营销，不断提升客户的价值贡献。