大数据环境下商业银行客户标签体系构建_金融大数据

给客户贴标签是大数据营销中常用的做法，合理准确的客户标签的背后是银行对客户全方位信息的深入理解与认知。伴随着互联网金融和民营银行的兴起，传统商业银行必须主动适应客户的变化，创建个性化的客户标签，构建客户标签体系。

在大数据时代，以互联网为代表的现代信息科技将从根本上改变金融运营模式。数据在呈现出海量化、多样化、传输快速化和价值化的变化趋势的同时，也改变了传统金融行业的市场竞争环境、营销策略和服务模式。商业银行“通过产品与服务争夺客户”的背后是一场暗流涌动的数据战。商业智能、大数据分析、数据挖掘、数据价值、信息地图等词汇越来越多地进入到商业银行各级机构管理层和执行层的视野，银行在客户营销、客户关怀、风险监管、业务运营等方面，有关数据分析的应用也更加深入和精细。

这也反映了商业银行因时而变、顺势而为的转型思路，即利用互联网思维和大数据思维，实现战略转型，依托客户服务渠道和大量交易数据的优势，打造以大数据为基础、以客户为中心、重视客户体验、适应新时代市场竞争的“数字银行”。

在此过程中，如何在银行内部以及所有可能记录客户信息的互联网、各类商户系统中的结构化、非结构化，以ZB计的海量数据中获取并筛选有价值的关联信息，是对所有商业银行的一大挑战。而通过构建客户标签，实现快速精准营销，则是商业银行应对上述挑战的有效解决方案。

一、何为客户标签

给客户贴标签是大数据营销中常用的做法，诸如“商务人士”、“育婴妈妈”、“在校学生”、“奢侈品粉丝”等客户标签早已在互联网企业中建立，借助客户标签，互联网企业可实现基于网页设计的广告、营销活动的精确推送。近年来，国内商业银行也开始尝试通过深入的数据分析和挖掘，洞察客户行为、喜好，给客户“打”上各种类型的标签。

合理准确的客户标签的背后是银行对客户全方位信息的深入理解与认知。在这个过程中，银行可以发现哪些潜在客户对营销活动响应度高；哪些客户接受新产品困难，只钟情于传统业务；哪些客户信用度低、风险高或存在欺诈可能。准确勾勒客户轮廓需要结合银行内部数据、社交媒体数据、外部公共数据等多维度数据，深入分析、挖掘后获得潜在客户知识，并依据业务目标对客户进行分类细化，采用类自然语言方式对客户进行描述。如客户标签“手机消费达人”=统计周期[当年（自然年）01月01日至今]+渠道偏好特征[通过手机银行渠道办理业务]+服务偏好特征=[缴费交易笔数≥4]+交易对手特征[支付宝商户]。一个客户标签通常是一个或多个客户特征的集合，构成集合的特征也称为业务特征规则，是表达客户标签规则的原子组成。

二、客户标签体系的构建

对商业银行而言，基于客户特征集合形成的客户标签有成百上千、甚至成千上万个，这些标签在构建时的业务目的和适用场景各有不同。随着应用标签的场景越来越丰富，商业银行也会逐渐形成一套完整的客户标签体系。

基于行业特性，客户标签有着不同的分类方法。如业内常见的传统分类方法，将人口统计、兴趣爱好、社会属性和金融特征作为客户的二级标签，在金融特征下细分出产品偏好、渠道偏好、交易偏好等三级标签。与大数据结合后，分类方法增加了基于互联网和外部数据的客户生活标签，在这个标签下细分出生存需求、关系需求、成长需求和互联网等多个三级标签，在互联网标签中又细分出访问偏好、内容偏好、行为特征等四级标签。本文重点讨论在大数据环境下支持商业银行进行精准营销的客户标签体系建设。

商业银行的数据不仅包括传统交易系统的结构化业务数据，还包括来自银行自身电子商务网站、网上银行、手机银行和外部社交媒体网站、即时聊天工具、微博、微信等渠道的半结构化数据以及日志等文本信息和来自客户服务渠道的各种语音、图片、影像等非结构化数据。建立客户标签体系可对不同渠道、不同口径、不同来源、不同结构的客户信息进行统一分类管理。根据商业银行客户的特性，结合大数据思维，客户标签体系可分为五大类：人口统计、兴趣爱好、社会属性、金融特征和互联网特征（如图1所示）。

大数据环境下商业银行客户标签体系的构建-图1.jpg