探索關系圈輔助營銷助力 商業銀行個人業務發展

劉曉麗

（中國建設銀行河北省分行，河北 石家莊 050000）

一、數據模式及探索定位

百度“關系圈”[1]，位列詞條首位的是2011年10月1日由北京工業大學出版社出版的一本圖書，詳細描述人際關系圈的建立、拓展、儲備、經營及各類關系。這是廣大讀者所熟悉的關系圈，屬人際管理范疇。從建立強大的關系圈開始，為人生發展提供無限可能。

從傳統“關系圈”概念，延伸到銀行業務。每一家商業銀行經過多年發展，積淀大量的客戶資源，這些資源均是從客戶辦理銀行業務的那一刻開始。作為商業銀行，更為頭疼的是從市場中拓展更加廣闊的客戶資源，源源不斷進行補充，增加業務量，提高業務收入，提供持續動力，帶動企業持續發展。當前我國金融市場逐步開放，各家商業銀行既要面對國家監督管理機構的嚴格監管，又要應對金融同業的殘酷競爭。銀行只有將自有客戶規模優勢發揮充分，才能在同業市場中立于不敗之地。從行內客戶關系圈出發，借助系統處理功能，繪制業務關系圈圖譜，通過整合資源、建立評分模型、搭建客戶關系圈，為銀行個人銀行業務營銷及風險管理工作提供幫助，產生裂變效果。

二、解決方案及應用案例

方案主題：銀行關系圈應用于欠款失聯客戶修復。

案例背景：根據中國銀聯發布的《中國銀行卡產業發展報告（2019》[2]數據顯示，十年來，我國信用卡發卡量從1.86億張猛增到9.7億張，2018年同比增長22.8%，信用卡交易額從3.5萬億元增長到38.2萬億元，翻了10倍以上。根據央行發布的《2018年支付體系運行總體情況》[3]，截至2018年末，全國銀行卡用發卡數量為75.97億張，同比增長13.51%。人均持有信用卡和借貸合一卡0.49張，同比增長16.11%。2018年國內信用卡未償余額有所增長，未償信貸總額達到了6.85萬元，同比增長23.2%，處于規模擴張階段。受宏觀經濟影響、共債風險爆發等因素，信用卡的損失率為1.27%。銀行卡發卡量劇增的背后，不良率的攀升成為信用卡業務發展的隱憂，信用卡逾期類賬戶風險管控處置能力亟待加強。多家銀行將風險管控工作放到年度工作首位。

銀行面臨外部欺詐形勢多變、房貸客戶的聯動不良、信息修復渠道受限等問題，逾期及不良情況激增。不良客戶以更換手機號碼、變化家庭住址、逃離戶籍地等方式逃避債權人追索，導致客戶失聯率越來越高，并且對個人信息修復的渠道也越來越窄，往往是查無此人或上門無果，寄出信函的退還率也在逐步增加，給后期的催收工作帶來了前所未有的壓力。這種情況下，對信用卡逾期客戶的失聯預測與失聯修復有其重要的業務價值。通過市場調查，社會上有一些公司提供客戶信息修復服務，但其數據來源隱秘、渠道未公開、存在用戶信息不安全和使用合法性等諸多問題。

案例內容：為達到失聯修復及建模數據要求，需要信用卡客戶的基本信息、渠道交易信息、還款行為、申請記錄、黑名單信息、渠道偏好、代工信息等數據，準備使用大數據平臺數據產品及公共訪問區的信用卡客戶基本信息、信用卡申請失敗記錄、客戶代發工資信息、信用卡客戶黑名單、信用卡客戶渠道交易行為基礎表、信用卡客戶用卡及還款行為、信用卡客戶交易行為、信用卡客戶賬單周期交易行為、信用卡客戶渠道行為偏好、信用卡客戶細分、信用卡客戶分期渠道忠誠度等作為數據來源。失聯修復過程通過銀行內部的客戶關系圈項目已生成的各項關聯信息，通過客戶簽約、交易等數據抓取的客戶兩兩關系數據結合個人信息、房貸地址、代發單位、行內賬戶等多項維度信息完成。

項目基于對信用卡的逾期失聯客戶和逾期收回客戶進行機器學習，建立評分模型，預測逾期客戶惡意逾期失聯的概率進行預警，并基于客戶關系圈等方式進行失聯修復。一是建立對信用卡逾期客戶惡意拖欠無法收回的評分卡模型，對逾期后客戶的失聯催收風險進行預測評分；二是建立基于客戶關系網絡的失聯客戶修復方法，對風險部門需要催收的失聯客戶進行失聯修復。將信息修復客戶范圍擴大至信用卡風險和不良賬戶系統實現修復數據和催收數據對接，自動化修復失聯數據，提供銀行催收崗位工作使用。

案例效果：經過半年測試，對催收客戶名單共30067戶進行了失聯修復，共修復26137人及其關系人的信息，并形成清單提供給催收人員，修復率達到87%；同時使用數據訓練評分卡，對發生逾期但尚未鎖卡、未進入總行催收名單的客戶進行了評分預測。經過催收后還款10775人，還款率達到41%；對逾期客戶評分進行篩選，大于0.8分共33836人，匹配后命中9527人，命中率達到29%，具有良好預測效果。

三、拓展前景及效益貢獻

關系圈營銷基于銀行內部的全量客戶信息修復，提煉關系圈信息后進行使用，既保證數據安全落地，又為銀行風險管理工作提供強有力支撐。核心競爭優勢在于行內資源的整合利用，節省資源損耗，降低成本支出，增加行業競爭力。同時對欠款客戶進行催收不僅可以回收更多的不良貸款，還可以增加的員工績效薪酬。從成本效益看，每投入1萬元費用可產生不良回收收入11.4萬元（邊際），相當于增加凈利潤7.8萬元，對EVA的邊際貢獻約7.8萬元（忽略損失率降低因素對經濟資本計量的正面影響），分行可增加績效工資1.56萬元（EVA*20%），而增加1萬元費用核減0.25萬元薪點工資，綜合判斷可增加分行績效薪酬1.31萬元。

從失聯客戶修復關系圈案例可以看出，通過關系圈數據項目，可以拓展至發卡、辦理ETC、消費信貸業務、對公業務等多個領域。銀行坐擁龐大的客戶資源，通過借助科技賦能，將營銷渠道、產品創新流程、風控體系建設和貸后催收等各環節進行整合。通過搭建行內大數據平臺，建立關系圈數據模型，實現一乘十，十乘百的裂變效果，激發自身潛在能量和資源，為業務發展提供源源不斷的強大動力。