行業背景：由于人工智能優勢凸顯，對金融行業產生了巨大影響。作為服務行業，金融科技與服務結合得越來越緊密。
　　 
　　當前問題：隨著信息獲取的便捷，投資者們的需求更加多元化、差異化和個性化，傳統營銷模式難以讓金融企業精準地獲取和滿足客戶的訴求。
　　 
　　應對措施：提高營銷效率，細分市場，也就是更加“精準”地進行營銷活動以提高營收、降低成本是金融企業探索的重要方向。因此，鵬華基金IT團隊耗時一年打造CRM（Customer Relationship Management）精準營銷系統來輔助營銷人員從海量復雜數據中快速鎖定客戶，選擇合適的時間、渠道、Offer，不斷吸引、認知客戶，提供定制服務。

　　一般來說，CRM精準營銷系統的底層分為客戶數據管理、數據挖掘與分析、智能銷售與服務管理等平臺。我們在設計中主要考慮三個層面：對來源繁雜的數據進行梳理整合，提高數據挖掘、交互等處理速度和效率；通過搭建模型工廠，實現人工智能與CRM的融合；通過數據標簽和客戶畫像體系，構造良好的交互界面提高使用率，采用可視化BI界面進一步支撐、反饋。

鵬華基金在CRM智能營銷上的思考

　　隨著金融科技的發展，金融公司的銷售活動越來越體現出以數據為驅動、以數據為指導、以數據為反饋的閉環模式。同時，輕量級CRM系統在快消、醫藥、互聯網等行業中建立了以營銷管理為核心、簡潔的流程管理和需求處理的模式獲得了良好的效果。因此結合金融企業的應用場景，鵬華基金在CRM智能營銷上的思考分為以下幾步走（如圖1所示）。

圖1   鵬華基金CRM精準營銷搭建思路

　　 1  整合、優化數據，根據業務經驗和客戶的歷史數據，搭建和豐富數據標簽體系。可供營銷人員直接篩選采用。
　　 
　　 2  基于數據倉庫建立，搭建完整的營銷流程、獲得可視化報表數據建立全面營銷監控體系，完成多波段多批次的批量型營銷。
　　 
　　 3  基于海量金融數據的獲取，進行客戶特征分析、風險分析以及市場反應預測等。在未知營銷策略與效果的情況下，通過數據建模，預先獲取數據帶來的信息，定位目標客戶并預測反應和效果，在最大化營銷效果的同時控制成本，搭建觸點事件的事件型營銷流程。
　　 
　　 4  由于鵬華基金耗時兩年打造了移動端理財App—A加錢包，提供多種理財方案與場景。因此基于CRM和移動端App的耦合，在底層數據流的高效支持下，通過模型理解客戶的喜好和需要，實時對于客戶的交易行為、心理偏好等作出預測，建立全渠道實時精準營銷體系，對移動端營銷甚至更多的業務系統進行實時支持和反饋。

客戶健康指數

　　如今，隨著移動端App提供了便捷的理財方案，客戶在電商中的點擊、交易等交互數據包含著客戶觀看記錄、交易金額、交易筆數、交易產品等多維度信息，CRM試圖從不同維度對客戶進行多層次的解讀以更了解客戶。然而，為使客戶看懂自己的投資偏好、風格以及現狀，并進行可靠有效的投資教育，鵬華CRM團隊提出并設計開發了客戶健康指數算法，幫助客戶與營銷人員了解客戶投資現狀，提供交互新觸點，并作為補充數據模型的搭建。客戶健康指數主要由以下幾個部分組成。
　　 
　　 1  定義和構建客戶風險等級模型和客戶心理預期收益率模型。由于從調查問卷等獲得的客戶風險等級數據并不準確，我們決定從客戶的歷史數據結合產品歷史表現來定義客戶的真實風險等級。這不僅僅關系到客戶的交易時間、產品、份額、價格和場所等等，同時在關注客戶本身的交易行為時結合當時市場表現。從客戶持有的產品的種類、時長、金額到產品本身表現，同一種類的產品持有數量不同也需要被考慮。
　　 
　　針對以上問題，本文首先確定了基于市場行情更加準確的產品風險等級算法，構建好產品分類以及相對于某個時段市場行情的真實風險等級。再根據分析師所選取的時段通過客戶持有產品的維度，將產品風險等級作為輸入，考察客戶歷史持有本類產品的時間加權均值。從而計算客戶在此時段內所屬的風險等級以表示客戶對某類產品感興趣的程度，并用客戶此時段內最近一次贖回到截至計算時間的份額加權益率來預測客戶心理預期收益率。

　　公式1表示客戶在設定時間T范圍內的心理預期收益率Rp等于每個等級i的產品份額占比Pi與此類產品歷史收益率Rh乘積的和。
　　 
　　 2  建立客戶收益相對市場的收益算法和自搭建的不同區間各等級產品的收益率區間。在得到客戶自身的偏好信息和收益信息后，為了探索客戶在市場行情中的真實表現，加入市場大盤收益信息，將客戶此時段內的收益率既與大盤進行比較、同時與當前種類產品所屬的風險等級內的市場產品收益率進行比較，交叉定義節點。

　　公式2表示客戶在設定時間T范圍內的相對大盤收益率Rm等于每個等級i的產品收益率Rh與同類產品相比較后排序得分rank(Rh)再與大盤M進行對比。
　　 
　　 3  允許營銷人員對時間進行篩選分析。由用戶或營銷人員自定義時間粒度，結合客戶風險等級、客戶預期收益率、客戶相對于市場的收益定義客戶健康指數評分算法。在CRM上可視化顯示客戶健康指數標簽，并對于外部系統進行輸出：例如設計對不健康客戶的投資教育、臨界健康客戶的投資提醒等服務、在移動端向客戶展示健康指數變動等（如圖2所示）。

圖 2   客戶健康指數算法圖

　　公式3表示客戶在設定時間T范圍內的客戶健康指數St等于客戶心理預期收益率Rp與相對大盤收益率Rm的比較得分。

發展與挑戰

　　隨著營銷場景的多元化，鵬華基金IT團隊進一步設計模型工廠，包括但不限于客戶流失預警模型、RFM忠誠度模型、客戶響應模型、交叉銷售模型等。從獲客、忠誠度激勵、預流失和流失等方面提供全方位的預測和營銷服務策劃，使營銷人員能夠從多維理解客戶、服務客戶。
　　 
　　由于我們所建立的模型是基于歷史數據實現的，隨著場景的發展，模型的準確性會受到極大挑戰。因此隨著營銷場景的豐富和客戶需求的增加，需要采用更新的思路。另外采用機器學習模型所得出的結果往往側重于某些特定類型，泛化效果并不理想，模型過程作為黑盒，使得結果的解讀依舊非常困難，這就導致模型結果難以進行分析。
　　 
　　同時選取合適的可視化工具以支持大數據，并與營銷場景結合也是對CRM的另一個挑戰。一方面，數據越來越具有不確定性，非結構化的數據如何通過可視化工具來展現是需要探索的；另一方面，如何令可視化工具與真實場景結合，使得營銷人員和客戶能夠獲得更豐富的信息，設計符合金融特性可視化分析工具將成為新的挑戰。

（文章來源：金融電子化雜志）

掃碼即可手機
閱讀轉發此文