江阴农商银行：基于客户生命周期管理的数字化客群运营体系建设

来源：2025年度农村金融机构科技创新优秀案例评选

获奖单位：江阴农商银行

荣获奖项：数智应用创新优秀案例

一、项目背景及目标

1.国内外研究及应用现状、水平

（1）国外

该领域领导者基本都是重量级玩家，包括Adobe、Oracle、Salesforce、SAS、SAP、IBM（2019年初已经剥离了营销业务）。部分中小供应商聚焦于垂直的领域，比如偏向自动化智能营销平台的Optimove、聚焦客户数据管理的AgilOne、主打行业垂直能力的Emarsys、擅长实时个性化的Pegasystems等。

（2）国内

随着数字化技术的快速发展，越来越多的金融机构开始重视客户生命周期管理和数字化客群运营体系的建设。许多大型企业和互联网公司均在不断探索和优化客户运营的方法和工具。这些企业通过数据分析、个性化营销、精细化运营等手段，致力于提高客户满意度、增强客户忠诚度，从而实现业务增长。

从同业领先实践来看，招行通过10年时间（2010-2020），建立了行之有效的“数据驱动营销”体系，从手工筛选营销名单，逐步实现实时个性化的营销；平安银行客户旅程平台实现了客户经营模式的再次升级和创新，记录客户的转化旅程，根据客户对每一次营销触达的反应设计后续旅程，自动化监控客户旅程中的状态，根据客户行为反馈自动调整策略和后续旅程。

2.数字化营销发展趋势

伴随国内人口红利结束以及市场环境变化，金融机构开始关注私域流量运营，即以数据和技术手段帮助好已有客户的运营，挖掘银行内生流量的价值。基于此，业内领先实践开始调整营销战略，具体体现在

（1）注重对客户全生命周期价值的探索

开始从以产品或指标为中心，转变到以客户（人）为中心。银行获取营收的模式，也从“产品销售数量乘以产品销售价值”，转变成“客户数量乘以客户生命周期价值”。客户的生命周期价值，不仅体现在交易价值，也体现在传播价值、参与价值和互助价值。

（2）注重客户转化全流程的精细化运营

所谓全流程精细化运营，是以数据来驱动客户转化流程的每一个环节，在每一个营销策略的执行过程中，要能清晰地洞察触达率、点击率、转化率、留存率、乃至后续复购的情况。

（3）数据驱动决策

企业将更加依赖数据分析和人工智能技术来指导客户运营决策。通过深入挖掘大数据，企业可以更好地了解客户需求、行为和偏好，从而提供更加个性化和精准的服务和推荐。

（4）跨渠道整合

客户接触点的多样化和碎片化是当前的趋势，未来的发展方向是实现不同渠道的无缝整合和统一管理。企业将努力打破渠道壁垒，建立跨渠道的客户体验，使客户在不同平台和场景中都能获得一致的优质体验。

（5）个性化营销

基于客户数据和行为分析，企业将更加注重个性化营销的实施。通过向客户提供定制化的产品、服务和推荐，企业可以增强客户的参与度和忠诚度。

（6）自动化和智能化

随着机器学习和自动化技术的不断进步，客户运营将更加自动化和智能化。企业可以利用自动化工具和机器人流程自动化、AI来提高运营效率，并通过智能算法和自动化决策系统实现实时营销和个性化互动。

3.数字化赋能客户生命周期运营体系建设目标分析

（1）现状分析

业务层面，行内现有营销体系的全闭环管理机制还有待完善，条线内各层级业务经营协同还需要进一步优化；系统层面，衔接数据端和销售端的营销功能支持不完善，缺失一个整合的面向营销销售应用的支撑体系，也缺失一个能够把数据、营销销售有机整合在一起的支撑平台。

（2）建设目标

通过数字化运营体系的建设，解决行内各层级、渠道分散经营的问题现状，扭转以产品销售为视角的营销模式，以客户为中心，构建全生命周期客群经营体系，提升江阴农商银行的核心竞争力。通过优化完善数据分析和营销流程，在客户标签的基础上，建立一套以客户洞察及营销引擎为核心的营销中台，支持自动化、可评估的客户精准营销，加快行内营销工作的数字化转型工作，沉淀营销场景与标准化运营流程，达到降本增效，引领业务增长的经营目标。

二、项目方案

1.整体规划

第一阶段，聚焦核心业务场景，以场景驱动应用标签体系建设。根据数据分析及营销场景应用建设的实际需求，逐步完善数据标签体系建设，实现全方位客户洞察；通过标准标签体系搭建和应用标签体系梳理，完成标签工厂建设；构建标签管理平台，实现标签生命周期管理，完成数据、业务、科技的实践融合；结合行内现状，构建智能营销中台，通过体系搭建和项目实施完成数据人才培养与激励。

第二阶段，逐步拓展优化重点业务场景，持续丰富标签体系，完全实现对数据标签体系的生命周期管理；不断迭代优化营销中台，完善经营中台的核心架构，全面支撑客户旅程，营销活动逐步丰富。

第三阶段，形成了完善的客群生命周期管理经营体系，通过客户旅程中心的全面运营，实现了对企业级客群经营活动的宏观管理，同时在智能分析、效果监视及持续评估优化等方面，有质的飞跃，通过场景驱动业务发展与创新。

2.以用户需求为导向的整体业务规划

本次课题的建设以用户需求为导向规划整体业务架构，基于行内现有营销基建框架下，通过“数据价值驱动+业务场景驱动”的双引擎驱动模式，形成“三位一体两翼”营销建设体系。面向“三位”用户群体，以“业务场景驱动”及“数据价值驱动”为两翼，构建一套数字化营销体系。

针对外部客户经营，高度关注江阴农商银行整体客群的成长经营，构建全生命周期的客户经营模式和营销大脑，建立数字化客户洞察机制，提升信息分析与客户经营能力，整合内外部渠道资源与场景生态，围绕目标客户和各层级市场营销人员，提升营销执行、管理与分析效能，建立数字化营销闭环，实现自动化、智能化的营销运营体系。通过全面化的数字化营销转型，达到降本增效，引领业务增长的目标。

针对内部用户管理，赋能营销一线方面，通过围绕各业务流程全旅程梳理，打造销售经营闭环，通过数字化手段构建能力模型赋能一线销售人员，形成识客户、晓商机、能触达、易销售、慧检视五大核心能力，为市场人员“减负增效”，智慧化高效实现业务销售及客户经营。

赋能各级管理者方面，通过梳理线上化、标准化业务管理流程，构建知目标、懂客群、善经营、能追踪、慧检视五大经营管理核心支撑能力，全息式呈现各层级机构各业务领域业绩经营情况，为各级管理者提供数字化决策依据，驱动销售队伍实现产能提升。

三、创新点

随着数字化转型的不断深入，流量红利见顶，各个金融机构进入了存量博弈的阶段。“获客难、活客难、留客难”已经成为很多金融机构普遍面临的问题现状。为解决这些困难，国内外金融机构通过建立营销中台，聚焦于解决银行日渐纷繁复杂的营销技术应用之间的冲突，把碎片化的客户经营重新拉回到统一的整体，建立全生命周期客户经营管理模式。

1.客户洞察能力应用

基于原子标签、复合标签、衍生标签可视化拖拉拽圈选客户群，实现客群圈选与客群洞察。

2.实时事件能力

搭建包含触达、活动、动账、交易、权益、渠道等的实时事件体系，实现事件秒级响应，提供及时的信息反馈。

3.业务场景反哺机制

建立日终和实时事件中心，捕捉关键营销事件及断点，并提前预设业务场景智库，赋能全流程营销运营流程。

4.客户旅程运营能力

整合权益、产品、渠道等资源，通过应用组件的方式可视化进行活动编排，完整输出活动全流程。

5.自动化营销策略运行能力

通过嵌套式活动模板、周期性活动、自动触发规则、自动执行策略、敏捷权益运营等方式形成策略引擎+规则中心双向驱动的自动化/智能化营销机制。

6.多渠道营销中枢

渠道协同及过程管控，不同商机任务分别下发至人工、线上不同的作业渠道；同时任务统一下发后，实时监测不同渠道的执行情况、响应情况等，实现渠道资源高效有序利用，并实现客户与渠道的双向互动。

7.全链路智能分析能力

营销智能分析，多样化的呈现方式分析营销活动多维度的数据，实现策略执行异常情况的有效监控，助力策略方案的及时优化，反哺后续营销活动的策略编排。

四、技术实现特点及优势

1.系统架构

2.技术实现等特点

（1）数字化智能洞察

基于大数据挖掘分析能力，建立丰富、全面、完善的客户标签中心，深入开展用户行为分析，打通用户行为数据与业务交易数据，覆盖客户身份背景、资产状况、购买偏好、价值潜力、行为倾向等信息，形成数据驱动的客户画像应用，实现对单一客户、客群的刻画和洞察。建设可视化标签管理系统，建立数据、科技与业务人员间的纽带，形成总－分－支机构运营视图，探查业务波动原因，筑实数字化营销分析能力，为稳健经营添砖加瓦。

（2）数字化营销运营

精准客群分类，差异化营销策略定制；客户全生命周期经营，挖掘客户综合价值；统一营销平台线上线下融合经营，建立渠道中枢，打造数字化、场景化营销生态。通过客群管理、客户旅程配置，同时支持对接行内原有系统能力（包含活动管理、内容管理、渠道管理、产品管理），实现完整的基于用户场景的营销策略/计划的配置、执行、监督、数据反馈分析，实现客户的系统化分层、客户旅程式经营。通过数据驱动客户旅程分析，基于用户特征、行为、交易、反馈等用户全生命周期数据，实时捕捉用户行为，做出策略响应，引导用户在不用旅程之间迁移。

（3）数字化智能分析

通过用户数据、交易数据、营销数据和运营数据，形成执行反馈，及时调整营销运营策略，迭代优化，形成营销闭环。通过数字化分析洞察、数字化营销运营、全渠道营销执行、可视化分析反馈，逐层构建智慧营销体系整体架构，优化市场人员营销管理效能，实现自动化、智能化提升。

（4）数字化营销闭环管理

结合营销平台内多种自动化功能，实现“洞察－执行－评估”的经营管理闭环，从而形成了“洞察客户、管理客户、经营客户及赋能内部用户”的自动化工作流。从客群探索到客户旅程设计，再到营销结果复盘优化，解决了经营过程数据断点问题，形成了全链路的营销管理闭环。系统可针对每个营销活动设置目标达成条件，将营销结果数据进行回流分析，对营销效果进行后评价，以此持续迭代优化营销方案。通过实时监控客户运营过程中各节点的运营数据，并对运营数据的分析，推动运营策略优化决策，包括但不限于运营节奏、触达渠道、话术模板、产品推荐、权益发放方式等内容，让运营更灵活更高效。

3.数字化关键技术能力应用

本次课题融合了高效流程引擎、深度数据挖掘技术，实现了数据处理的高度自动化与智能化。系统支持千万级客群的存储与下发，确保了大规模数据处理的高效性和准确性；基于Flink流式计算引擎，实现了数据的实时计算，能够即时捕捉商机；系统具备10万/秒的实时事件处理能力，确保了业务决策的时效性和精准度；采用BitMap数据压缩技术，实现毫秒级探索响应，大幅提升了客户搜索结果的数据传输和存储效率。该技术不仅减少了存储空间，还加快了数据处理速度，为海量数据操作提供了显著优势；支持营销触达渠道的无缝对接，兼容各种数据传输与回流方式，简化关联系统的接口调试过程。系统流转引擎、实时指标计算、客群管理等技术拥有多项专利，保障了系统在复杂营销场景下的稳定性和扩展性。

五、项目过程管理

整体建设思路如图1所示

图1：项目实施路径

1.框定业务场景

（1）生命周期经营体系搭建

在基于客户生命周期管理的数字化客群运营体系建设背景下，行内具备统一认知，通过客户分析、客户触点管理、营销自动化、客户体验管理、客户关系管理、数据分析和优化等步骤来搭建江阴农商银行客户生命周期经营体系：

客户分析：首先，对客户进行细分和分析，以了解客户的需求、行为和价值。这可以通过数据挖掘和分析客户交易、行为模式、渠道交互等方式进行。

客户触点管理：识别和管理与客户互动的各种触点，包括线上和线下渠道，以确保客户在各个阶段都能获得一致和个性化的体验。这可能涉及到在网上银行、移动应用程序和社交媒体上提供便捷的服务。

营销自动化：采用营销自动化工具，根据客户的需求和行为自动触发个性化的营销活动。这包括发送个性化的电子邮件、短信或推送通知，以及定制的产品和服务推荐。

客户体验管理：关注客户的整体体验，从客户接触到离开的整个过程中提供一致和优质的服务。这可以通过改进客户服务流程、培训员工、建立客户反馈机制等方式实现。

客户关系管理：建立和维护与客户的良好关系，通过定期沟通、关怀和回馈活动来增强客户忠诚度。这可能包括定期进行产品投教、服务陪伴、专属活动等。

数据分析和优化：定期分析客户数据，评估客户生命周期经营体系的效果，并根据数据结果进行优化和改进。这可以通过数据仪表板、报告和指标来实现。

（2）细分客群梳理

本次项目，行内采取部门核心业务场景先行，逐步扩展重点业务场景客户旅程的方式，完成对细分客群的梳理。本次课题拟完成代发客群、长尾客群、信用卡客群的细分场景梳理。

客群经营场景及运营流程梳理：该部分包含客户旅程设计和客户经营策略应用两部分内容。

客户旅程设计：依托江阴农商银行现有的渠道和营销中台系统能力，规划代发、长尾、信用卡等重点业务的客户旅程图谱，明确各阶段的经营目标和主题；梳理客户旅程运营过程和结果的评价和监测指标。

客户经营策略应用：根据代发、长尾、信用卡客户分层分群方案得出具体客群经营策略的方法，策略体系包含但不限于产品策略、综合服务策略、营销策略等。

具体营销流程用例如下图2示例：

图2：营销流程用例图

2.场景驱动标签建设

（1）客户经营集市建设

作为客户数据集市，是一个支撑和紧贴业务的数据集合，因此基于江阴农商银行的业务条线模式，在行内现有数据平台之上按照“公共主题+条线主题” 的模式进行设计构建客户经营，完成客户数据的整合，支撑后续T+1和实时标签的计算。

（2）主题的边界与原则

方案描述：公共主题存放客户的所有基础信息和明细数据，这里的明细数据包含各个业务、产品的持有情况和往来明细，这样在公共主题就可以完整的、全面的、跨条线的基本信息。因此公共主题相对于当前的公共专区而言，将进行极大的丰富与扩充。

解决问题：更有利于整合客户全方位的数据信息，各业务条线的明细数据能够在数据层面得到共享和相互支持。

（3）公共主题的分类

方案描述：公共主题的分类参考业界先进厂商的参考模型和方法论，从客户基本属性、往来信息、评价信息、持有产品、财务信息、关联信息、营销信息、风险信息和管理信息进行分类，力求对客户信息当前及将来的数据进行有效的归纳与整合

解决问题：改善当前建模仅针对应用需求来建，有什么需求建什么表，没有长期、持续、系统性地进行思考与规划。

（4）条线主题的架构

方案描述：采用与公共主题相同的分类，分为九大类+条线探索，条线主题则关注各个条线的加工和汇总数据，而这类数据可以通过配置的方式或通过逻辑加工的方式由公共主题的数据计算而来，同时如果条线有自己的探索需求也可以生成自己的标签小宽表。

解决问题：明确和清晰数据分布标准，尤其是公共和条线的边界，同时，计算集中也有利于将同一加工逻辑的数据集中，实现效率优化。

（5）标签体系设计与开发

图3：个人客户标签属性设计

图4：标签体系框架

类型全覆盖，内容定制化：从身份属性特征、资产负债特征、渠道行为特征、持有行为特征、位置轨迹特征、交易行为特征、风险偏好特征、交互事件类特征、客户关系刻画、最新综合预测等维度分析个人、对公和普惠客户，覆盖本行所有的产品和服务及客户在本行的各类行为特征数据，以满足今后日益增多的各类营销场景、风控等业务应用场景需求。

价值最近原则：客户的标签设计需要紧跟本行业务场景来实现，同时客户标签体系应具有很强的迭代性和扩展性，能够在该体系下快速扩展和迭代完善标签，可以实现多种标签的快速组合，并产生新的标签应用策略和场景，满足自主应用标签，构建场景的能力始终保持客户标签的鲜活性。

（6）标签体系开发

图5：数据架构

客户标签集市构建过程采用“自上而下”的方法，逐层剖析和细化需求，首先根据提供数据源筛选所需数据，按照需求选取要接入到标签集市的源业务系统数据表作为底层数据的表，然后确定这些表的增全量信息，以及数据的存储方式。按照以上信息设计表结构，存储类型，数据保留策略，生成物理模型，通过 ETL 方法将各个系统的数据接入到行内大数据平台，按照需求做增量求全量的处理，基于这些数据接下来根据设计好的逻辑模型进行事实层数据的加工处理生成汇总维度表，公共汇总表，交易级宽表，客户级宽表，协议级宽表。

事实层数据按照当事人、事件、账户、协议主题进行数据加 工，规则层按照客户特征划分为客户基础属性特征，客户信用属性特征，客户资产负债特征，客户持有行为特征，客户交易行为特征，客户风险偏好特征，客户行为特征等进行数据加工，模型层根据规则层所加工的指标构建模型生成挖掘类型指标。

我们将标签加工为基础类标签、加工类标签和挖掘类标签，其中加工类标签又分为规则类标签和衍生类标签。

图6：标签加工分类

基础类标签：是指不需要做任何数据加工的标签，例如客户名称、性别等，它属于原子类标签的一种。

规则类标签：是另外一种原子类标签，指的是有明确的业务规则，并通过数据平台基于 SQL 加工而成，有些客户标签如果在 CRM 系统中已经是加工好的成品了，只需要合并主数据将数据资产取过来就好，没必要做重复加工的工作。

衍生类标签：是一个比较重要的概念，按标签层次我们将标签分为原子类标签和衍生类标签。其中原子类标签是需要数据装载、数据加工、落地存储的标签。衍生类标签是基于已有的原子类标签之上，由业务部门通过规则配置生成的标签，衍生类标签不需要做数据加工跑批和落地存储，可面向业务部门做到即配即用。

挖掘类标签：往往是带有预测性质的，没有明确的业务规则，这就需要利用数据挖掘技术通过历史数据训练得出，值得注意的是标签与 AI 之间是相辅相成的，标签数据既是 AI 的输入，又是 AI 的输出。挖掘类标签一般分为数据挖掘型标签和文本挖掘型标签。数据挖掘型标签主要通过运用和创新数据挖掘分类、聚类、关联、k- means、深度神经网络等基于客户信息进行细分、产品推荐、预测客户提升和流失行为等分析类工作，并形成结果标签，例如客户资产偏好，销售名单等等；文本挖掘型标签为非结构型的文本探索，主要针对客户的地址、消费交易文本附言等文本型信息进行探索和归纳，包括适用中文分词、词频统计、情绪判断等等来生产相关的定性标签，例如高端酒店人群、艺术品爱好者等等。

（7）标签应用场景梳理

关于营销场景梳理，我们重点围绕五种典型的银行客户类型，即高潜客户、高价值财富客户、高频交易客户、高稳定睡眠客户、高流失可能性客户，围绕“5H”应用框架，进行场景梳理。

图7：五种典型的银行客户类型

高潜客户：指基于客户标签信息，从存量客户中识别和判断出具有高潜力的客户，即通过客户的房产类标签、生活方式类标签、他行信息类标签和交易类标签，从侧面间接判断客户的潜在资产实力。例如，银行可以通过有房一族、有车一族、高端通信等标签，有效找到高潜力价值客户线索，并指导一线业务人员“有 的放矢”地开发和释放客户业务潜力。

高价值财富客户：指基于客户标签信息，向潜在客户营销“财富类”产品。应用中，银行可将客户划分为两种类型，即首购客户和重购客户，分类的依据是客户是否具备相关的财富类产品历史购买经验。如果针对财富类产品的存量客户进行营销（即历史上有过财富类产品的购买行为， 这里的财富类产品包括理财、基金、国债和保险等），通过RFM 指标（如理财近度、理财频度、理财额度标签），可以很好地找到容易唤醒的客户群体。如果针对财富类产品的首次购买客户，则需要结合潜力标签（如有房、有车、出国消费等），找到潜力标签命中数较多的客户，而后进行财富类产品的推介与销售。

高频交易客户：指交易活跃的客户，他们一直是商业银行关注的重点。基于一线营销需求，重点考虑“高交低存”客户，即客户在银行的交易量很大，但是资金沉淀量较少。通过相关客户标签的使用，来实现“高交低存”客户的资金沉淀和资金留存，这个问题可以从“小微金融”和“个人金融” 两个方面考虑。如果客户属于经营类客户（可通过经营类标签进行判断），那么可以结合客户经营周期标签进行产品推荐。当客户处于经营周期的波峰时段，客户的资金饥渴程度较高，此时适合通过贷款产品的推介，提升客户的满意度，从而实现客户的资产留存；如果客户处于经营的波谷，此时客户闲置的资金较多，可以通过财富类产品的推介实现资金留存。如果客户本身属于传统零售类客户，则建议通过高潜标签的命中情况，选择性地进行财富类产品的推介。

高稳定睡眠客户：主要针对在一段观察期内处于过于稳定（不活跃）状态的睡眠户，通过客户标签的应用，实现对睡眠客户的激活。具体而言，对于近半年交易量、交易次数都比较稀少的疑似睡眠户，银行可以通过一些标签判断客户再次被激活的难易程度，例如历史最高层级（历史上可能是优质客户）、产品持有数（存在一定的黏性）、账龄（存在一定的黏性）、潜力标签命中个数（高价值潜力客户）等。

高流失可能性客户：指通过对客户标签的使用，对那些被预测为具有高可能性发生未来流失行为的客户，实现流失率的有效降低。对于银行信贷业务而言，客户流失通常被 定义为客户金融资产（主要包含储蓄、理财、基金、国债、保险五项）的季日均较上一季度明显下降。采用“挖掘模型流失预警分类”标签，银行能够提前识别出下一季度可能发生流失的客户名单，并可进一步通过高价值财富客户标签以及高潜客户标签形成客户挽留策略。例如，银行可以判断客户是否对某些财富类产品具有高响应力，并同时识别客户是否为他行贵宾客户，由此筛选出那些可能在下一季度挪动 资金购买他行财富类产品的客户，并定向为他们推介行内更具吸引力的相关产品，以达到客户金融资产留存的目的；同时银行也可以识别出那些在未来有消费需求的客户，与其让他们将储蓄用作消费，不如为他们提供价格合理的消费类金融产品，为客户和银行共同实现更大的收益。

3.数字化系统部署

基于数据底座建立全行范围内的营销系统，通过数据标签对目标客户群进行科学细分，实现批量式营销和实时事件式营销，提高营销的针对性和服务水平，完成 “以产品为中心”向“以客户为中心”的转变。通过客群管理、客户旅程配置，同时支持对接行内原有系统能力（包含活动管理、内容管理、渠道管理、产品管理），实现完整的基于用户场景的营销策略/计划的配置、执行、监督、数据反馈分析，实现客户的系统化分层、客户旅程式经营。通过数据驱动客户旅程分析，基于用户特征、行为、交易、反馈等用户全生命周期数据，实时捕捉用户行为，做出策略响应，引导用户在不同旅程之间迁移。营销中台采用前后端分离技术，主要十大中心系统逻辑架构如下图所示：

图8：数字化系统逻辑架构图

六、运营情况

目前我行数字化营销平台在客群运营、商机管理及权益配置等场景中展现了精准化、动态化的技术能力，形成了“数据驱动—策略迭代—效果追踪”的闭环运行模式。

在代发客群运营中，平台基于客户属性、交易行为等多维度标签构建分层模型，将1383人划分为A组（营销组968人）与B组（对照组415人），通过短信、APP Push双渠道触达，并以立减金权益提升转化率。运行中发现A/B组初始AUM差异较大，平台通过数据回溯快速定位高AUM人群（占总数15%），并启动剔除机制，最终A组剩余790人，人均AUM逆势增长644元，B组剔除后人均AUM下降417元。这一结果验证了分层模型对普通客群的有效性，同时暴露部分标签阈值设定需优化（如AUM临界值、交易频次权重等）。

在代发客群－月度经营中，平台基于客户属性、交易行为等多维度标签构建分层模型，将194649人划分为A组（营销组136255人）与B组（对照组58394人），通过短信、手机银行APP Push双渠道触达，并以理财产品推荐提升转化率。营销结束开始统计时，为避免极端个例影响整体营销效果判断，启动剔除机制，最终A组剩余135709人，人均AUM增长896元，专属理财产品购买金额总计135万元。B组剔除后剩余58160人，人均AUM上升837元。A组相较于对照B组在AUM上有明显的上升。但从信用卡，理财，基金来看A组与B组没有明显差异。新增信用卡，A组35人占比0.03%，B组22人占比0.04%。新增手机银行，A组110人占比0.08%，B组43人占比0.07%。理财购买提升占比，A组4712人占比3.46%，B组2110人占比3.61%。基金购买提升A组108人占比0.08%，B组46人占比0.08%。净增（新增和解约抵消）快捷支付渠道，A组2709个，B组1138个。暴露出了产品对于用户吸引度不够，后续应该在优惠力度、展示方式等方面继续优化。

在CMMS商机管理画布中，聚焦资金留存场景，针对理财与存款到期客群差异化施策。零售理财到期客群1272人中，平台通过到期预警、收益对比话术精准触达722人，触达留存率40.1%，与总留存率（39.3%）基本持平，较历史数据（触达留存率通常高于总留存率3%）表现偏弱，需优化触达内容或权益匹配度。而零售存款到期客群12778人中，平台触达9831人，触达留存率77.9%，与总留存率（78.7%）仅差0.8个百分点，表明存款客群对系统提醒依赖度较高，策略稳定性较强。

在财富鑫客礼权益画布中，则凸显出我们的渠道与资源整合能力。目标客群3131人中，短信触达1359人，但因运营商屏蔽导致实际触达率不足预期（屏蔽率超40%），后续需调整短信关键词或采用多渠道互补策略。平台联动省联社权益资源，通过“三只松鼠”等实体礼品激励，推动2472人季日均AUM提升，占比78.9%，证明权益配置对中低净值客群的拉动作用显著。

系统运行期间，平台日均执行客群数据更新超3万次，策略调整响应时间控制在2小时内，故障率低于0.1%，保障了多项目并行处理的稳定性。

七、项目成效

从经济效益看，平台在资产留存、客户激活、成本控制三大维度实现突破：

资金留存增效：CMMS商机模块为理财到期客户留存资金约2.1亿元（1272人×39.3%×预估人均存量16.5万元），存款续存金额达9.8亿元（12778人×78.7%×预估人均存量9.8万元），避免高息揽储的额外成本约1200万元；

客户资产激活：代发客群A组剔除高AUM人群后，实现AUM净增约50.8万元（790人×644元），B组自然流失减少干预成本约15.9万元（382人×417元×营销成本节省系数0.3）；财富鑫客礼项目带动季日均AUM提升客群人均增额超1200元，增量资产规模约2966万元；

运营成本优化：通过精准触达减少冗余营销，短信推送成本降低28%（屏蔽问题倒逼渠道优化），APP Push打开率提升至22%，较行业均值高5个百分点。

社会效益层面，平台为普惠金融与数字化服务提供实践范本：

客群精细化服务：代发客群B组作为对照组，为研究自然客群行为提供415人的真实样本，助力建立区域性客群AUM波动基准模型；

普惠金融渗透：财富鑫客礼项目覆盖的2472名AUM提升客户中，县域客户占比达63%，通过权益激励将金融服务下沉至传统网点覆盖不足区域；

客户体验提升：CMMS模块的触达时效性使83%的理财到期客户提前3天收到提醒，显著增强服务感知。

平台通过数据闭环与策略迭代，将营销转化率提升至行业平均水平的1.3倍，并为区域性银行的数字化转型提供可复用的方法论与技术架构。

八、经验总结

1.重难点说明

本次项目需要收集和整合来自不同渠道和系统的大量数据，包括交易记录、客户交互历史、行为反馈等，这要求高度的数据治理能力和实时数据分析能力。项目需提供个性化的服务和产品需要深入理解每个客户的偏好和需求，这要求强大的客户细分体系和业务模型，实现真正的个性化可能受到技术限制、数据质量和隐私法规的影响。课题要确保客户无论在哪个渠道（网上银行、手机银行APP、电话客服、物理网点）都能获得一致且无缝的体验是一个挑战，需要统一的客群中心和跨部门的协作机制。项目需在客户旅程的各个阶段吸引并保持客户兴趣，需要创新的营销策略和服务设计。客户对江阴农商银行品牌忠诚度的维持以及新客户的获取都是持续性的挑战。项目在提供数字化营销自动化、智能化便捷服务的同时，银行机构必须遵守严格的监管规定，防止欺诈和洗钱活动，风险评估模型的精准度和反应速度是关键。

其中员工培训与文化适应方面，各层级员工需要接受适当的数字化营销工具的培训以适应新的客户旅程管理工具和技术，组织文化可能需要调整以支持更以客户为中心的经营模式。在整个体系的建设过程中，改变员工工作习惯反而成为数字化过程中最为关键的部分。

2.经验总结与启发

本项目内容涵盖了客户生命周期管理、客户旅程经营、客户智能洞察、自动化营销策略运行、营销闭环管理、数据建设革新、多渠道协同、实时事件营销、全息式智能分析，共计九大核心版块内容，也是映射本次课题的创新点。该课题项目的开展，提升了江阴农商银行的数据应用能力、数据分析能力和数据运营能力。

本项目支持我行战略发展目标，通过平台建设完成业务经营体系升级，达到降本增效，引领业务增长的最终目的。解决行内缺失整合型营销销售应用支撑体系的需求，通过科技赋能业务的途径，进一步优化提高系统对闭环精准营销的支持，提高整体经营效能；通过实施标签管理平台和营销中台软件应用项目，优化行内现有营销工具的建设框架，实现对目标客户群体的高效筛选、全闭环营销及销售过程管理，并通过项目配套提升江阴农商银行营销及销售管理组织机构及管理机制；同时，充分借鉴行业先进经验，通过组织化、系统性、敏捷型的推进机制，通过统一资源、统一策略、统一执行，加快本行市场营销工作的数字化转型，达到降本增效，引领业务增长的经营目标。

更多金融科技案例和金融数据智能优秀解决方案，请在数字金融创新知识服务平台-金科创新社案例库、选型库查看。