零贷产品全生命周期数字化运营——智能运营在中原银行的实践

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，运行期间有效拉动贷款提升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

新客营销位于贷款申请前环节，针对行内存量未申请客群，通过数据分析和机器学习技术，挖掘高意愿贷款客户，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，贷款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，如何识别出贷款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贷款产品为标签，训练机器学习模型，根据模型评分挖掘高潜贷款意愿客户。

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。

确定客户贷款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贷款申请。该类客户具有一定的贷款意愿，可以精准触达，提高客户转化率、拉动贷款提升。

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贷款意愿评分，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

拒绝回捞位于贷款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

贷款审批通过后，往往会存在部分客户不提款的现象，造成贷款效益无法充分释放。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天内是否进行贷款支用为标签，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；防流失用例以当前贷款已结清、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贷款申请，导致贷款申请率低，无法实现业务增长；即使客户提交了贷款申请，但是银行最终并没有批准贷款，导致贷款批准率低，无法实现业务增长和客户满意度提升”等问题，中原银行基于贷款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，增加客户转化率和贷款申请率，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。