云计算在银行零售精准获客领域的探索

宋柯，唐铁兵，徐图

云计算在银行零售精准获客领域的探索

宋柯，唐铁兵，徐图

（中信银行股份有限公司重庆分行，重庆 400000）

客户是银行的根本，获客是银行零售营销的核心问题。传统的零售营销主要通过线下网点开展，获取客户精准度低，而营销成本高。随着云计算、大数据等金融科技的兴起，通过金融科技精准获取客户将为银行带来事半功倍的效果，值得各银行深入探索。根据当前银行业在零售精准获客领域的实际需求，结合金融科技，探索云计算与精准获客的融合，提出建设“银行零售精准获客云平台”的设计方案。以IAAS实现基础平台云化；基于云化基础平台，通过大数据实现目标客户精准分析；通过AI智能外呼平台实现对客户的触达；最后通过SAAS模式提供精准营销云服务。

云计算；IAAS；SAAS；精准获客

1 概述

1.1 云计算概述

2006年，云计算的概念首次被提出，经过十余年的发展，至今仍然没有一个统一的定义，最被人们广泛接受的是美国国家标准与技术研究院的定义：“云计算是一种模型，它可以实现随时随地，随需应变地从可配置计算资源共享池中获取所需的资源（例如网络、服务器、存储、应用及服务），资源能够快速供应并释放，使管理资源的工作量和与服务提供商的交互减小到最低限度”。简单地说，云计算就是云服务，将各种资源以及数据统一起来，为使用者提供各种服务，而无需关心底层细节。

云计算有基础设施即服务（IAAS)、平台即服务（PAAS）和软件即服务（SAAS）三种模式，IAAS主要提供网络、系统、存储、服务器等基础设施；PAAS提供开发工具、数据库、运行环境等平台；SAAS则提供数据和应用。

根据网络结构可以将云计算分为私有云、公有云和混合云。私有云是为特定用户建立的，只能实现小范围内的资源优化，具有自主可控、数据安全性高等特点；公有云是针对大众而建立的，通过租赁的方式提供给用户使用，具有规模大、运维能力强等特点；混合云是私有云和公有云的融合形式。云计算已经广泛地应用到了各行各业，金融业主要采用的是私有云或混合云。

1.2 银行零售精准获客概述

客户是银行的根本，只有拥有强大的客户基础，才能够采取相应的措施进一步提高存款、做大规模、增加利润。传统的银行主要是通过线下的物理网点来进行获客和营销客户。银行通过在人流量大的地方选址，建立物理网点；通过广告宣传、有奖活动等方式，提高客户到网点的概率，从而增加银行与客户之间的交流和沟通，了解客户的真实需求，为客户定制专门的产品，以获得新客户、营销存量客户。

随着移动互联网的全面普及，个人网银、手机银行等线上渠道的成熟，到线下物理网点办理业务的人越来越少，通过传统的方式已很难获取到优质的、有潜在需求的客户，营销的成本也大幅提高。因此，银行业积极拥抱金融科技，努力向数字化、平台化转型，应用云计算、大数据、AI等相关技术，通过线上渠道为客户提供精准的服务，从而提高获客和留客的成功率，同时降低营销成本。

1.3 银行零售精准获客云平台总体架构

银行零售精准获客云平台总体架构如图1所示。

图1 银行零售精准获客云平台总体架构

如图1所示，整个平台通过虚拟化对CPU、内存、存储等基础资源实现池化，构建基础平台私有云。基于此，建设数据分析平台与智能外呼平台，数据分析平台负责对客户分析画像，智能外呼平台负责实现客户触达，构建完善的精准获客功能。所有的软件功能以SAAS的模式输出，在满足本行需求的同时，快速为兄弟分行或其他中小银行输出精准获客科技能力。

2 基于数据分析平台实现客户精准定位

为了实现客户的精准定位，需要采用大数据的相关技术，建立数据分析平台，为智能外呼平台提供数据服务。按照数据分析的基本步骤，可以从定义业务问题、数据准备、数据建模、数据评估对客户进行精准定位分析。

银行内部存储了大量的用户数据，包括用户的基本信息、用户的交易行为等，可以有效地利用起来。结合大数据服务公司提供的一些外部数据，为客户建立一个全方位的画像。客户的基本信息可以包括性别、年龄、开卡日期、职业、职务、家庭住址、家庭收入、子女及配偶情况、房产信息、信用卡持有情况、每月的管理资产情况、购买产品的情况、月平均交易次数等。根据这些信息，为客户建立上百个标签；根据不同的标签对客户进行分类，以便在推出不同产品的时候选择不同的客群。根据客户的交易明细，可以构建交易网络，通过客户的资金流向，分析行外客户的需求，挖掘潜在的优质客户。

在每次营销活动之前，需要确定活动主题，比如向客户推销高净值理财、保险等产品，就需要根据客户的画像建立相应的数据分析模型，计算客户对于这些产品的喜好度，根据喜好度进行排名，选择高于0.95以上的客群。针对不同的活动，需要制定相应的评估系数，比如客户的响应率、参与率、购买率等。在活动中，根据这些评估系数，不断优化模型。

通过以上措施，实现对客户的全方位画像，精准掌握客户情况，让营销活动有的放矢。

3 基于AI智能外呼平台实现客户触达

实现精准获客有两个关键点，即精准定位客户、有手段触达客户。当前，触达客户的方式包括短信、微信消息、广告、电话（含人工外呼及机器人外呼）、面谈等。短信、消息、广告属于单向模式，不能及时了解客户的反馈；电话及面谈是双向模式，与客户形成互动，及时了解客户反馈，是更有效的触达方式。但面谈受时间、空间限制，成本太高，因此通过电话营销客户成为各银行的首选。

3.1 智能外呼优势

大部分银行都建立了自己的外呼中心。人工为客户提供电话服务，是银行业务营销、客户支持的重要手段。随着人工智能技术的发展，由机器人取代人工进行客户服务，逐渐成为外呼中心的发展方向。

相对于智能外呼，人工外呼有以下几大缺陷：①运营成本高。外呼中心的场地费、水电气费、外呼人员的人力成本，对企业均是一笔不小的开销，总体运营成本偏高。②人员流动大。一般企业的外呼中心均采用人员外包形式，对人员的稳定性不利，流动性普遍偏高。③培训时间长。因为人员流动大，因此不断有新老员工更替，对新员工需花费较长的时间进行培训。

基于此，本文考虑建设基于AI的智能化外呼平台，由AI机器人替代人工外呼。智能外呼优势主要有以下几点：①高效工作。机器人无需休息，且不会情绪化，可以更加高效工作。②提升服务水平。机器人不会受外界影响，可以稳定提供标准化、流程化的优质服务，提升服务水平。③降低成本。系统集中化部署，节省场地；大幅减少人员投入，显著降低成本。

3.2 智能外呼平台设计

智能外呼平台设计如图2所示。

图2 智能外呼平台设计

智能外呼平台是基于云平台搭建的，其主要包括以下几个板块。

3.2.1 接入API

提供API接口，接入数据分析板块的分析结果，将数据导入数据库。同时，在外呼结束后，通过该接口将外呼结果反馈数据分析板块，供数据分析板块分析效果，并完善模型。

3.2.2 流程引擎

每一次外呼均有一个主题，围绕这个主题需设计外呼场景。场景包括了与客户对话的流程与话术，是每次外呼的主线。流程引擎提供可视化界面来设计流程，并执行已经设计好的流程。

3.2.3 外呼机器人

流程引擎执行设计好的场景，驱动外呼机器人外呼。外呼机器人通过语音网关实现外呼，调用第三方语音API（科大讯飞、百度、阿里）实现对语音的识别和转换。

3.2.4 机器学习引擎

每个设计好的场景中有很多的分叉节点，通过客户的反馈决定每个节点的走向。第三方语音API可以实现语音识别和处理，但是无法实现语义的识别。比如，在某外呼场景中，A节点，如果客户反馈“是”，则执行B；如果客户反馈“否”，则执行C。客户表达“是”或“否”的方式是多样化的，比如“可以”“好”“同意”“没问题”“行”“OK”“不可以”“不好”“不行”“算了”等。要准确识别客户语义才能判断客户的意图，从而决定场景走向正确的方向。

语义的识别，需要机器学习。因此，此处引入机器学习引擎，来实现对客户表达语义的判断。

3.2.5 数据库

保存系统运行的数据。该系统最有价值的数据是：通过不断外呼、分析、学习、优化而形成的银行专用外呼知识库。

3.2.6 文件服务器

保存外呼语音文件，满足质检与合规要求。

3.2.7 界面

通过Web界面，为用户提供系统管理、流程设计、报表统计等功能。

4 平台的云化

上述功能模块中，数据的精准分析与AI智能外呼平台均需要使用大量的基础资源。如果逐台配置服务器，对银行而言将是不菲的投入。为节省成本，合理利用基础设施资源，考虑将平台云化。

4.1 基于IAAS的平台基础架构

基于IAAS的云平台基础架构如图3所示。

图3 基于IAAS的云平台基础架构

如图3所示，两套存储做双活，提高数据可靠性，三台VMware节点组成虚拟化集群。通过VM WorkStation将存储、CPU、内存池化，构建灵活、可扩展的基础设施私有云。

4.2 基于SAAS的精准获客云服务

银行零售精准获客云平台不仅满足本行获客需求，通过SAAS模式提供云服务，可向兄弟分行及其他中小银行输出精准获客的IT能力。在数据存储上，采用共享数据库，隔离数据架构。即每一个租户共享同一个数据库，但是每个租户有一个Shcema。

5 总结与展望

金融科技的蓬勃发展给银行带来了巨大的挑战，同时也带来潜在的机会。积极拥抱金融科技，不仅可以通过科技手段为业务赋能，同时还能探索银行在科技领域的转型。

Gartner公司曾提出一个观念：未来的所有公司都将是IT公司。作为一家IT公司，不仅仅解决自身的信息化问题，还可以向外输出自身的IT能力。银行零售精准获客云平台基于云计算、大数据以及AI等最新技术，不仅实现了对零售精准获客的支持，还可以通过“云”的模式对外输出科技能力。

［1］刘梦莹.云计算在银行业应用分析［J］.合作经济与科技，2018（3）：53-55.

［2］李文豪.数据挖掘在国内银行业应用领域的技术探究［J］.江苏科技信息，2018（15）：45-47.

［3］来申.基于银行业精准营销的大数据分析与研究［D］.北京：北京工业大学，2016.

［4］李永伍.云计算在银行业的应用探讨［J］.金融科技时代，2016（10）：43-46.

［5］朱锦秀.基于云计算的用户精准营销支撑平台设计与实现［D］.南京：南京理工大学，2014.

F832

A

10.15913/j.cnki.kjycx.2019.20.025

2095－6835（2019）20－0062－03

宋柯（1975—），男，硕士，中级经济师，研究方向为区域经济学/金融科技。唐铁兵（1984—），男，工学硕士，研究方向为项目管理/软件开发。徐图（1989—），男，工学硕士，研究方向为项目管理/软件开发。

〔编辑：严丽琴〕