數字化營銷已經成為商業銀行獲取競爭優勢，鞏固和提升消費者滿意度水平的 重要戰略手段。所謂數字化營銷，是指採用大數據挖掘對商業銀行客戶進行精準接 觸、細分、營銷、管理和維護。對於商業 銀行而言，數字化營銷的一個重要載體就 是客戶標籤的開發與應用。零售客戶標籤 本質上是搭建以客戶為中心的畫像體系， 即基於數據挖掘技術、關係網絡分析技術、客戶行為軌跡技術和文本分析技術， 對客戶人口統計特徵、資產、負債、交易 等屬性信息的深入解析。
基於一線營銷人員訪談、文獻整理和專家討論，本文介紹了商業銀行零售客戶標籤的定義和內涵、八大屬性維度、四種 標籤開發方式以及基於“5H”框架的客 戶標籤應用分析。基於此，商業銀行一線營銷人員可以精準識別潛在客戶，通過財富類產品的銷售，實現客戶忠誠的鞏固與提高，真正與客戶實現共贏。
數字化營銷和零售客戶標籤體系
數字化營銷的內涵
數字化營銷是商業銀行大數據挖掘中經常提到的一個概念。一般來說，數字化 營銷包含兩個元素，即客戶關係管理和大 數據挖掘。本質上，數字化營銷是指商業銀行“以客戶為中心”，開展和實施基於 BDM的客戶獲取、客戶保持、客戶維護和 客戶挽留等CRM行為，從而提升銀行對客戶的精細化管理水平。
具體而言，商業銀行的數字化營銷 是以企業級數據倉庫為基礎，通過一定的 技術和方法（如統計算法、機器學習算法 等），從數據中提取出隱藏的、有價值的 信息和知識，找出數據中呈現的規律，從而能夠解釋已知的事實，預測未來的客戶行為及業務發展模式，有效輔助營銷人員開展客戶關係管理和業務提升。
對商業銀行而言，數字化營銷的重要目的就是實現精準化營銷。第一，通過統 計和機器學習等量化技術精確實現潛在客戶的識別、客戶的獲取、客戶維繫與鞏固 等。例如，商業銀行可以識別哪些客戶對 財富類營銷活動的響應率比較高，哪些客 戶的資產潛力較大，哪些客戶較易被提升， 哪些客戶處於流失的邊緣，哪些客戶的信用 程度較低，哪些客戶較容易發生欺詐行為 等。第二，數字化營銷是個體層面的營銷， 它能夠監測客戶的屬性和特徵，識別客戶的個性化需求，通過提供定製化的服務，從而 有助於提升客戶滿意度和忠誠感，有助於商 業銀行獲取領先的競爭優勢。
數字化營銷與客戶標籤體系
數字化營銷的根本目的就是實現營銷 的精準化，而基於客戶資產、負債和交易 信息建立起來的客戶標籤體系，則是識別 客戶特徵、發現潛在客戶、進行客戶精準 營銷和管理的重要工具。因此，對於商業 銀行來說，零售客戶標籤體系就是數字化 營銷的重要載體和工具。
我們理解“客戶標籤”是指商業銀行 基於大數據挖掘（如統計算法、機器學習 算法、關係網絡分析、LBS分析、文本分 析等）技術，通過對商業銀行企業級數據 倉庫以及相關外部信息源中的客戶屬性、 特徵和信息進行加工和運算，所得到的客 戶標籤化信息，例如“有房一族”“有車 一族”“有娃一族”“出國消費”“高檔 小區”“高端商場”等標識。
基於零售客戶標籤，一線營銷人員可 以發掘和識別出高價值潛力客戶，勾勒客 戶畫像，進行存量客戶提升，防止潛在客戶流失，以及監測客戶關係網絡中的風險傳染等，從而成為輔助客戶經理開展客戶 關係管理的重要工具。
標籤開發動因
一線營銷人員缺少客戶開發的工具。 以往一線客戶經理進行客戶拓展和產品營銷時，常常依賴於現有客戶的轉介，或者基於一些簡單的變量進行篩選（如客戶金 融資產、客戶層級等）。由於一線人員獲 取有效客戶名單的途徑有限，影響了銀行 客戶開拓、產品營銷、業務提升的效果和效率。
高潛客戶的識別手段有限。就常規而言，商業銀行通過客戶金融資產或交易 結算量對存量客戶進行分類管理。有關高價值潛力客戶的識別手段非常有限。客戶的一些屬性或標籤，例如是否有房、是否有車、是否住在高檔小區、是否出過國、 是否是他行貴賓客戶、是否有收藏工藝品 的傾向和愛好等，都能夠凸現客戶的資產 實力。我們常常會發現，某個客戶的金融 資產層級比較低，但是通過對客戶的信用 卡消費摘要分析表明，該客戶經常出入高 檔場所，經常出國，實際消費能力很強。 這類客戶就是所謂的“高潛力-低資產” 客戶，也就是說客戶並沒有把該銀行作為 “主辦行”。因此，如果我們通過對相關 消費摘要的分析，給客戶打上“高潛力” 標籤，這有助於一線營銷人員找到精準營 銷線索，實現相關優質客戶在銀行的金融資產提升。
傳統模型開發結果變量的離散化使用需求。如何將常規開發的諸多營銷模型落地應用，對一線營銷人員產生實際價值， 是一個迫切需要解決的問題。通過將模型結 果（如資產提升概率）離散化，轉換為五檔或七檔的標籤結果，這樣一線營銷人員就可以直接調用相關結果。例如，對於流失預警 模型，將客戶流失的概率值離散化為標籤， 即流失概率高、中高、中、中低、低五檔， 從而提升一線標籤使用的體驗。
商業銀行需要構建360度客戶畫像。 商業銀行目前普遍缺少一個較為完整的、 具有較強應用價值的客戶畫像體系。通過整 合消費附言、客戶地址、營銷建模、數據倉 庫基礎數據等客戶信息，從而勾勒出客戶 360度視圖的畫像體系（如房車類標籤、手機類標籤、生活方式類標籤、活躍度類標籤、投資類標籤等），以此提升一線人員對客戶的精準服務與管理提升能力。
標籤內涵與屬性維度
標籤內涵
在銀行一線人員訪談、相關文獻歸納 整理和專家經驗總結的基礎上，我們的理 解零售客戶標籤是指以零售客戶的資產信息、負債信息和交易結算流水等信息為基礎，根據客戶的人口統計特徵、重要屬性變量、資產變化、動賬交易、消費附言、 客戶地址信息、建模預測信息等，綜合運用數據挖掘分析、關係網絡分析、客戶行為軌跡分析、文本挖掘分析等技術方法， 搭建的以客戶為中心的畫像體系。客戶畫像體系中典型的標籤包括有房一族、有車 一族、有娃一族、受薪一族、高端小區、 高檔辦公、高端通信、他行貴賓客戶、境 外金融需求、近期高端商場客戶、近期高 端健身客戶、Apple Pay標識、挖掘模型流失預警分類、挖掘模型提升潛力分類和綜合收入貢獻等。以國內某股份制商業銀行為例，該銀行的零售客戶開發標籤， 並且基於標籤的使用頻率，通過“詞雲分 析”技術對標籤使用情況進行展示，詞雲 中某個標籤的字體越大，說明該標籤在統 計期內的應用頻次越高。
標籤屬性維度
按照客戶屬性和業務需求，建議從以下八個維度入手設計開發客戶標籤體系。 客戶交易屬性、自然屬性、產品屬性、資產屬性、負債屬性、風險屬性、行為屬 性和價值屬性。我們按照“T-N-P-A- D-R-B-V”的順序對客戶標籤屬性維 度進行組織是出於考量銀行對客戶瞭解的 “由淺入深”，其基本邏輯為：面向一名 行外客戶，銀行有可能最先看到的是該客 戶與銀行內部其他客戶的交易轉賬信息； 其次銀行可以考慮針對該客戶外部採集其 自然屬性；之後銀行可以根據客戶外部採 集信息，與行內已有的客戶自然屬性進行比對分析，開展客戶細分，並考慮將相似 客戶已經使用的產品予以推介；產品包括 客戶金融資產類產品（如儲蓄、理財、基 金、國債、保險等），以及客戶負債類產 品（如消費貸款、按揭貸款、小微貸款 等）；尤其當涉及借貸業務時可能會產生 風險，銀行需要識別和防範；以上相關內 容已經涉及了客戶金融行為屬性，此外客 戶的非金融需求、相關的服務和產品也應 納入客戶行為屬性觀測範疇；最終，上述 全部內容都將用於銀行對客戶的價值進行評價、識別和應用。
客戶交易屬性維度。客戶交易屬性所刻畫的是零售客戶在商業銀行資金的轉入、轉出、代發、留存、登陸等交易情 況，包括活躍度、渠道偏好、大額消費、 大額轉出、資金流出類型、資金週期性轉出、資金留存比、月代發額分段、手機銀行登錄次數、網銀交易金額等標籤。
客戶自然屬性維度。客戶自然屬性所 刻畫的是零售客戶的人口統計特徵、社會 屬性方面的要素和標識，包括性別、年齡分段、賬齡分段、職業、高端小區、有車一 族、有房一族、有娃一族、手機系統、高端通信、他行貴賓客戶、城市層級等標籤。
客戶產品屬性維度。客戶產品屬性 所刻畫的是零售客戶在商業銀行的產品持 有、產品偏好、產品狀態、產品消費行為 （RFM指標）、產品購買潛力、產品波 動和產品趨勢相關的一些特徵，包括客戶產品持有數、購買穩健產品標識、購買 他行保險標識、信用卡額度、消貸客戶標 識、保證金客戶標識、理財近度（RFM 指標）、理財頻度（RFM指標）、理財 額度（RFM指標）、保險近度（RFM 指標）、保險頻度（RFM指標）、保險 額度（RFM指標）、基金近度（RFM指 標）、基金頻度（RFM指標）、基金額度 （RFM指標）等標籤。
客戶資產屬性維度。客戶資產屬性所刻畫的是零售客戶在商業銀行的金融資 產等級、資產偏好、資產變動、集中度和 變化趨勢等，包括客戶資產偏好、客戶層 級、客戶資產集中度、客戶層級變動程 度、金融資產趨勢、金融資產波動性、財 富人群標識等標籤。
客戶負債屬性維度。客戶負債屬性所刻畫的是零售客戶在商業銀行的貸款和行業情況，包括貸款類型、貸款結清標識、 歷史貸款筆數、行業類型等標籤。
客戶風險屬性維度。客戶風險屬性 所刻畫的是零售客戶的風險偏好和信用狀 況，即客戶信用等級，是否存在逾期、不良行為，客戶還款意願和還款能力，包括 客戶風險評級、是否有過逾期標識、逾期 次數、是否有過不良標識、歷史不良筆數、小微貸款申請評分等標籤。
客戶行為屬性維度。客戶行為屬性所刻畫的是零售客戶的購物、消費偏好、 生活方式、支付和流失等行為、狀態。包 括流失預警分類、近期高端商場客戶標識、近期高端健身標識、近期高端醫療標識、近期高端商務旅行標識、Apple Pay 標識、工藝收藏、歷史境外金融需求等標籤。
客戶價值屬性維度。客戶價值屬性 所刻畫的是零售客戶的提升潛力、對於商 業銀行收入和貢獻等情況，包括存款貢獻度、貸款貢獻度、中間業務貢獻度、綜合 收入貢獻度、積分貢獻度、提升潛力分類等標籤。
標籤開發方式
現有標籤的開發，一般包括四種方 式，即“數據基礎類”標籤、“數據加工 類”標籤、“數據挖掘類”標籤和“文本 挖掘類”標籤。從開發的難易程度來看， “數據基礎類”標籤最為簡單，“數據挖 掘類”標籤和“文本挖掘類”標籤最為復 雜，開發難度相對較高。
“數據基礎類”標籤。該類標籤直接來自於銀行企業級數據倉庫基礎數據層， 通過數據倉庫自助數據服務平臺進行數據 提取，如客戶性別、年齡分段、是否持有信用卡等。
“數據加工類”標籤。該類標籤是在數據基礎類標籤的基礎上再進行加工和 運算而得到的（也稱為“數據衍生類”標 籤），主要也是通過銀行數據倉庫自助數 據服務平臺獲得，例如購買穩健產品標 識、大額消費標識、境外金融需求等。
“數據挖掘類”標籤。該類標籤主要通過運用和創新數據挖掘分類、聚類、關 聯規則、趨勢預測、組合模型等技術（具 體技術包括決策樹分類、深度神經網絡 分類、邏輯迴歸分類、K-means聚類、 Apriori購物籃分析、迴歸預測等統計識 別和機器學習算法），基於客戶信息開展 客戶細分、產品推薦、預測客戶提升和流 失行為等分析工作並形成結果標籤，例如 資產偏好標籤、渠道偏好標籤、流失預警 標籤、理財型保險響應標籤等。
“文本挖掘類”標籤。該類標籤為非 結構性文本信息探索標籤，主要針對客戶 的地址和消費交易文本附言等文本信息進 行探索和歸納，過程中會使用文本分詞、 新詞發現、詞頻統計、詞性識別、關鍵詞識別、相似詞識別、詞義消歧、文本分類、文本聚類、半監督文本學習等文本挖 掘和自然語言處理技術，相關標籤例如高 端小區標識、有房一族標識、有車一族標 識、靚號標識、他行貴賓客戶標識等。
客戶標籤“5H”應用框架
關於零售銀行客戶標籤的應用，我們重點圍繞五種典型的商業銀行客戶類型， 即高潛客戶、高價值財富客戶、高頻交易客戶、高穩定睡眠客戶、高流失可能性客 戶，構建了“5H”應用框架，具體介紹如下。
高潛客戶。“高潛客戶”應用是指 基於客戶標籤信息，從存量客戶中識別和 判斷出具有高潛力的客戶，即通過客戶的 房產類標籤、生活方式類標籤、他行信息 類標籤和交易類標籤，從側面間接判斷客戶的潛在資產實力。例如，銀行可以通過 有房一族、有車一族、高端通信、出國金 融、高端商場客戶標識、高端健身標識、 高端商旅標識、工藝收藏標識、高端醫療標識、他行貴賓客戶、大額轉賬、大額消 費、信用卡額度等標籤，有效找到高潛力 價值客戶線索，並指導一線業務人員“有 的放矢”地開發和釋放客戶業務潛力。
高價值財富客戶。“高價值財富客戶”應用是指基於客戶標籤信息，向潛在 客戶營銷“財富類”產品。應用中，銀行可將客戶劃分為兩種類型，即首購客戶和重購客戶，分類的依據是客戶是否具備相 關的財富類產品歷史購買經驗。
重購客戶。如果針對財富類產品的存 量客戶進行營銷（即歷史上有過財富類產 品的購買行為，這裡的財富類產品包括理財、基金、國債和保險等），通過RFM指 標（如理財近度、理財頻度、理財額度標 籤），可以很好地找到容易喚醒的客戶群體。
首購客戶。如果針對財富類產品的首次購買客戶，則需要結合潛力標籤（如有 房、有車、出國消費等），找到潛力標籤 命中數較多的客戶，而後進行財富類產品的推介與銷售。
高頻交易客戶。“高頻交易客戶”是 指交易活躍的客戶，他們一直是商業銀行 關注的重點。基於一線營銷需求，銀行會 重點考慮“高交低存”客戶，即客戶在銀 行的交易量很大，但是資金沉澱量較少。 通過相關客戶標籤的使用，來實現“高交 低存”客戶的資金沉澱和資金留存，這個 問題可以從“小微金融”和“個人金融” 兩個方面考慮。
小微金融。如果客戶屬於經營類客戶 （可通過經營類標籤進行判斷），那麼可 以結合客戶經營週期標籤進行產品推薦。 當客戶處於經營週期的波峰時段，客戶的 資金飢渴程度較高，此時適合通過貸款產品的推介，提升客戶的滿意度，從而實現 客戶的資產留存；如果客戶處於經營的波 谷，此時客戶閒置的資金較多，可以通過財富類產品的推介實現資金留存。
個人金融。如果客戶本身屬於傳統零 售類客戶，則建議通過高潛標籤的命中情況，選擇性地進行財富類產品的推介。
高穩定睡眠客戶。“高穩定睡眠客 戶”應用主要針對在一段觀察期內處於過 於穩定（不活躍）狀態的睡眠戶，通過客戶標籤的應用，實現對睡眠客戶的激活。 具體而言，對於近半年交易量、交易次數 都比較稀少的疑似睡眠戶，銀行可以通過 一些標籤判斷客戶再次被激活的難易程度，例如歷史最高層級（歷史上可能是 優質客戶）、產品持有數（存在一定的粘 性）、賬齡（存在一定的粘性）、潛力標 籤命中個數（高價值潛力客戶）等。
高流失可能性客戶。“高流失可能性 客戶”應用是指通過對客戶標籤的使用， 對那些被預測為具有高可能性發生未來流 失行為的客戶，實現流失率的有效降低。 對於銀行零售業務而言，客戶流失通常被 定義為客戶金融資產（主要包含儲蓄、理 財、基金、國債、保險五項）的季日均較 上一季度明顯下降。採用“挖掘模型流失 預警分類”標籤，銀行能夠提前識別出下 一季度可能發生流失的客戶名單，並可進 一步通過高價值財富客戶標籤以及高潛客 戶標籤形成客戶挽留策略。例如，銀行可 以判斷客戶是否對某些財富類產品具有高 響應力，並同時識別客戶是否為他行貴賓 客戶，由此篩選出那些可能在下一季度挪動 資金購買他行財富類產品的客戶，並定向為他們推介行內更具吸引力的相關產品，以達到客戶金融資產留存的目的；同時，銀行也 可以識別出那些在未來有消費需求的客戶， 與其讓他們將儲蓄用作消費，不如為他們提 供價格合理的消費類金融產品，為客戶和銀 行共同實現更大的收益。
總結
在商業銀行日常經營管理中，一線營銷人員缺少識別高價值潛力客戶的工具和 手段，同時有關客戶畫像的認知和了解也處於初級階段。因此，銀行需要通過客戶的人口統計特徵、資產變化、動賬交易、 消費附言、客戶地址信息、建模預測信息 等，構建客戶標籤維度和體系。本文介紹了銀行零售客戶標籤體系的八大屬性維 度（T-N-P-A-D-R-B-V），即交易屬性、自然屬性、產品屬性、資產屬性、 負債屬性、風險屬性、行為屬性和價值屬 性。此外，本文還介紹了標籤開發的四種 經典方式，即“數據基礎類”標籤、“數 據加工類”標籤、“數據挖掘類”標籤、 “文本挖掘類”標籤。最後，本文提出了 “5H”應用框架，介紹和演繹了標籤應 用的五個方向和案例，即“高潛客戶”應 用、“高價值財富客戶”應用、“高頻交易客戶”應用、“高穩定睡眠客戶”應用 以及“高流失可能性客戶”應用。希望本文內容以期為FinTech時代商業銀行大數 據戰略佈局及開展基於客戶標籤體系建設的數字化營銷應用提供有益的借鑑。
（作者單位：中國民生銀行）
閱讀更多 銀行家雜誌 的文章
