案例名稱

(資料圖)

銀?？腿簜溆媒甬a(chǎn)品授信金額提升

案例簡介

銀?？腿海ɡU學(xué)費(fèi)和校園卡充值客戶）為本地穩(wěn)定的優(yōu)質(zhì)客群，但一直未開展有效的營銷。為提升該客群對我行的綜合貢獻(xiàn)，故開展此項目。該項目通過對行內(nèi)銀?？腿簶?gòu)建備用金營銷響應(yīng)模型，預(yù)測客戶未來申請備用金的概率，提高客群中備用金授信客戶數(shù)，進(jìn)而提升該客群的備用金授信金額，最終達(dá)到提升銀?？腿簩ξ倚芯C合貢獻(xiàn)值的目的。

注：備用金為我行個人消費(fèi)貸款。

創(chuàng)新技術(shù)/模式應(yīng)用

該項目前期基于現(xiàn)有的銀校客群數(shù)據(jù)，并結(jié)合備用金客戶授信要求，進(jìn)行備用金客戶授信金額提升方案的討論和整理；中期通過對符合備用金產(chǎn)品準(zhǔn)入的2021年全年本行繳學(xué)費(fèi)客戶，進(jìn)行客群特征開發(fā)，包含客戶基本信息、AUM、LUM、信用卡信息、交易流水和收入等特征信息，并利用Xgboost模型進(jìn)行分析建模，不斷進(jìn)行模型調(diào)優(yōu)；后期則通過模型跑批輸出營銷名單，并對不同申請概率的客戶設(shè)計不同的營銷策略并執(zhí)行優(yōu)化，例如對意向最高的客戶進(jìn)行人工外呼提升營效率，其他客戶則通過智能外呼、app push和短信營銷等方式交叉進(jìn)行，保證較高的營銷轉(zhuǎn)化率。

整個項目過程將客群數(shù)據(jù)進(jìn)行了較深入的挖掘，并結(jié)合業(yè)務(wù)知識對數(shù)據(jù)進(jìn)一步篩選，取出其中重要的特征信息建模使用，在建模過程中也不斷調(diào)優(yōu)，使模型預(yù)測效果達(dá)到較為精準(zhǔn)的水平。最后則通過制定全方位、多手段的營銷策略對意向客群進(jìn)行營銷，保證了較好的營銷效果。

項目效果評估

（1）模型效果：

（2）模型營銷效果：

營銷總體（約8萬）申請人數(shù)945人，營銷響應(yīng)率1.2%；授信人數(shù)556人，授信金額8002.9萬元，戶均額度14.39萬元。概率排序TOP 1萬人里，申請人數(shù)289人，營銷響應(yīng)率2.9%；授信人數(shù)194人，授信金額3225.3萬元，戶均額度16.63萬元。驗(yàn)證了模型效果：模型預(yù)測申請概率越高、申請成功率越高。

項目牽頭人

吳微 產(chǎn)品運(yùn)營崗

項目團(tuán)隊成員

張世超、費(fèi)佳淼、彭廣淑、戴煒杰、沈旭峰

關(guān)鍵詞：