基于人工智能技術的農村商業銀行客戶關系管理系統的分析與設計

張敏

（帝國理工學院，英國 倫敦 SW72AZ）

0 引 言

隨著信息科技時代的蓬勃發展，“鄉村振興戰略”也為農村商業銀行帶來了經濟轉型發展的新機遇。在此之前，基于科技發展的新型金融服務給農村商業銀行的傳統經營理念和模式不斷施加壓力，導致各地方的農村商業銀行面臨嚴峻的生存環境挑戰。因此，農村商業銀行亟需積極面對挑戰，轉變經營戰略，拓展銀行服務于新時代“三農”的多方面業務。為了提高內部組織運轉效率，提升客戶服務質量，農村商業銀行應該借助科技優勢，利用大數據以及人工智能技術，助力互聯網金融中的“三農”服務、農村以及中小企業的“普惠金融”落實以及農村“精準扶貧”計劃的實施等。針對農村商業銀行以客戶為中心的業務特性，客戶關系管理系統（CRM）的建立能夠更高效科學地指導農商銀行各業務部門分析、總結客戶需求。并且，農商銀行的客戶關系管理系統能夠為提供個性化的客戶服務構建信息基礎，從而提高客戶滿意度，保持客戶忠誠的穩定水平。本文將介紹人工智能技術在客戶關系管理系統基礎上的設計與示范，為農村商業銀行建立客戶關系管理系統提供技術應用思路。

1 目的和意義

通過深入理解客戶關系管理系統基本架構以及人工智能技術中文本挖掘技術、聚類模型算法和分類模型算法的應用，本文將探討與農村商業銀行客戶關系管理體系相適應的智能客戶關系管理系統，推動銀行的客戶服務體系高效運轉。

在研究智能客戶關系管理系統的過程中，主要目標為借助人工智能科技和結構化的客戶關系管理功能，描述與演示農村商業銀行客戶關系管理系統如何高效地處理客戶信息，模擬客戶關聯網絡以及提供定制化的金融產品。

首先，農商銀行客戶關系管理體系要求建立相對完善的客戶關系管理系統，為客戶信息數據的匯總和更新提供系統化、自動化、流程化的操作平臺，減少人工成本并且降低人工操作風險。其次，銀行客戶關系管理系統通過對客戶數據的自主分析，可以合理的分配銀行內的有效資源。其中，文本挖掘技術可以應用于自動抓取、轉換客戶的文本特征，有效地支持客戶建檔等功能。之后，聚類模型可以根據客戶特征的集群模擬將客戶分類。另外，人工智能中的分類模型算法能夠幫助銀行客戶關系管理系統預測客戶的違約風險、流失風險以及為客戶提供合適的金融產品。基于大量客戶數據分析的人工智能技術的應用附加在銀行客戶關系管理系統中，將為銀行客戶服務的改進、提升針對性營銷的服務質量，提供有效的決策支持。

2 農村商業銀行客戶關系管理系統

2.1 關鍵技術

2.1.1 文本挖掘

文本挖掘技術主要目的是從冗雜的句段式信息中，提取關鍵的信息，縮短文檔文本的處理時間，并且統一化、結構化的將各項信息儲存在對應的特征屬性下。在銀行的客戶關系管理系統中，文本挖掘技術將無結構的客戶信息按照既定的客戶特征項目提取、存儲，形成在數據庫中可自由調用、更新、刪除的數據關系表結構。如圖1所示，客戶的屬性特征從文本句子中被提取，填入相應的特征列表。例如，文本挖掘技術可以從第一個斷句中提取該客戶的姓名和年齡信息。第二個斷句中，“老師”可以匹配到“教育類”行業的職業選項。最后，從“沒有什么風險有固定利息”的描述中，文本挖掘技術可以將該客戶的風險偏好定位為“低風險低收益”，即對應“保守型”或“謹慎型”的風險偏好類別。

圖1 文本挖掘客戶特征信息

2.1.2 聚類k-means

聚類分析是將數據根據自身特征歸類到不同的簇或類，并且同一簇中的數據極為相似，相反，簇與簇之間的特征差異性極大。K-means 方法作為聚類分析方法之一，是通過迭代求解得出聚類中心局部最優的方法。該方法的步驟為，客戶數據被分為份，并且隨機選擇個客戶對象初始化為聚類中心=，…，a。如下文公式所示，計算每個客戶數據樣本到聚類中心的距離，并且將該客戶數據樣本分到距離最短的聚類中心相對應的類中。重新計算每個聚類類別的聚類中心。重復前兩步，直到達到預設的迭代次數。根據k-means方法，客戶關系管理系統可以將客戶特征合理地分類標記，幫助業務人員減少處理多維度的客戶特征分類的成本。

2.1.3 隨機森林

隨機森林中包含多個決策樹并把決策樹中預測的輸出類別的眾數作為最終的分類結果。每個決策樹隨機選擇個特征（其中遠小于客戶特征總數），決策樹將模擬最優化的分裂方式，使得每個節點的結果是基于隨機選擇的特征確定的。違約風險預警、客戶流失預警、金融產品智能推薦都可以由隨機森林學習預測。以表格1 中某一客戶的特征為例，隨機森林將根據該客戶各個特征值判斷不同的應用結果。假設三個隨機森林模型中分別包含三個獨立的決策樹，并且決策樹通過數據訓練已經得到最優化的分裂模式，決策樹分別隨機選取兩個特征進行判斷，如圖2、圖3、圖4所示。

表1 某客戶特征示例

如圖2所示，在通過隨機森林判斷客戶的違約風險時，假設隨機森林模型選取“經營注冊”“社會輿情”“履約能力”“股東結構”四個主要特征來判斷是否發出“預警”結果。圖2中左邊的決策樹首先判斷“經營注冊”特征的值是否異常。該客戶示例中“經營注冊”的值為“異常”，則該決策樹將結果判斷為“預警”，反之，則繼續判斷“社會輿情”的特征為“正面”或“負面”。圖2中中間的決策樹首先確定客戶的“履約能力”特征是否異常。該示例中，在“履約能力”為“正常”的情況下，“股東結構”也為“正常”，因此，該決策樹根據這兩項特征判斷該客戶違約情況為“無風險”。圖2中右邊的決策樹在得到“履約能力”為“正常”之后，通過判斷“經營注冊”特征為“異常”，得到該客戶的違約風險需要被“預警”的結果。結合三個決策樹的得出的結果，選擇相同結果最多的預測作為該隨機森林模型的最終結果，即“預警”結果。

圖2 違約風險隨機森林預警示范

隨機森林模型在客戶流失風險預警應用中的預測模擬如圖3所示。假設該模型隨機選取“資產情況”“交易活躍度”“手機銀行活躍度”“柜臺大額交易”四項客戶特征。圖3中左邊的決策樹首先判斷“資產情況”為“異常”，隨即得到客戶流失風險“預警”的預測結果。圖3中間的決策樹在得到“手機銀行活躍度”為“正常”的情況下，根據“柜臺大額交易”的值為“正常”，得出該客戶目前無流失風險。圖3右邊的決策樹根據“手機銀行活躍度”和“交易活躍度”皆為“正常”的情況下，得到“無風險”的客戶流失判斷。最終，三個決策樹判斷相同結果最多的是“無風險”，即該隨機森林模型預測該客戶無流失風險。

圖3 客戶流失隨機森林預警示范

在金融產品的智能推薦應用中，隨機森林模型選取“風險承擔能力”“信用評級”“違約次數”和“客戶偏好”四項特征。圖4左邊的決策樹首先判斷該客戶“風險承擔能力”特征為“低”，則得出應該向該客戶推薦“低風險產品”。圖4中間的決策樹在得到“違約次數”為“正常”的情況下，判斷“客戶偏好”為“激進”，隨即得出推薦“高風險產品”的預測結果。圖4右邊的決策樹在“客戶偏好”為“激進”的前提下，根據“信用評級”為“低”能夠得出預測結果為“低風險產品”。最后，該隨機森林模型通過這三個決策樹的選舉，為該客戶推薦“低風險產品”。

圖4 金融產品智能推薦隨機森林示范預警

2.1.4 客戶關系管理系統主要框架

該客戶關系管理系統框架主要包含MyBatis 框架、J2EE、ILOG JRules 流程引擎、SpringMVC 用戶登錄管理。

首先，MyBatis 框架是一個持久層框架，允許業務人員靈活配置SQL，通過簡單編寫SQL 語句就能完成對數據庫的操作。其次，基于J2EE 標準的Web 應用框架提供合理的分層結構、豐富的資源庫、復用性強的設計模式，可以提供具備安全、穩定、性能穩健特性的框架。通過規范開發過程，能夠縮短軟件開發周期，對大型企業級軟件開發項目進行有效管理。另外，ILOG JRules 業務規則管理系統提供高效編寫與修改、快速部署和管理業務規則等系統化的業務功能。各項業務工作在業務流程中可以被及時報告反饋，系統將對業務工作流程進行規范化管理，提高工作流程管理與監督效率。最后，SpringMVC 框架用于實現基于角色和流程的用戶權限控制。基于角色的用戶權限控制限制了不同類別用戶可進入資源的權限。基于流程的用戶權限控制限制了在工作流程中，各工作項目需要嚴格按照相應流程順序執行，各工作項目之間不允許隨意變動、穿插。

2.2 需求分析

基于農村商業銀行面向客戶的服務業務以及客戶關系管理系統的特征，農村商業銀行客戶關系管理系統可主要劃分為五類，包括客戶數據采集、客戶歸類、客戶分析、客戶營銷維護、績效考核。

2.2.1 客戶數據采集

客戶數據采集主要通過現場技術員或客戶本人進行客戶類型建檔來完成，其中包含“農牧戶建檔管理”“城鎮居民建檔管理”“個體工商戶建檔管理”以及“企業建檔管理”。各類客戶檔案中的項目應包含客戶的姓名、年齡、聯系方式、職業、月收入、學歷、婚姻狀況、貸款情況、風險承擔，由客戶關系管理系統自動標注的項目應包含違約次數、行內可用資產數額、信用評級。其他行內已有的未建檔的客戶數據也將統一存儲調用。未建檔數據在客戶關系管理系統中將使用文本挖掘技術統一格式化抓取并分類存儲。主要項目對應可取值如表2所示。

表2 主要項目對應可儲存值

2.2.2 客戶歸類

農村商業銀行客戶關系管理系統中將包含5 類主要客戶類型，包括私人銀行客戶、財富客戶、優質客戶、成長客戶以及普通客戶。除私人銀行客戶和財富客戶需要以正式的資產投資規劃委托合同界定外，其他三類農村商業銀行客戶類型在客戶關系管理系統中主要根據行內可用資產數額、學歷水平、信用評級、風險承擔能力進行界定。其中，聚類K-means可以將未標記客戶類型的客戶特征數據集進行集群分類。客戶類型將在客戶信息建檔成功之后，作為獨立的客戶特征附加在對應的客戶個體中。

2.2.3 客戶分析

客戶畫像：客戶分析模塊首先要求客戶關系管理系統提供全方位的客戶畫像。客戶畫像提取多維度的特征標簽，細致地描述了客戶的交易行為偏好、信用評級、客戶價值等，并且以百分比的形式定義并記錄客戶的忠誠度和貢獻度。

潛在客戶挖掘：潛在客戶生命周期的轉化功能可以精準定位和推薦潛在的客戶名單。潛在客戶名單的來源主要有：已有企業客戶的交易鏈網絡、已有企業客戶的資金轉換網、已有個人客戶的公共社交網絡、已有個人客戶的公開工商管理注冊報告。

企業關系網絡建立：企業關系網絡將整合企業之間的關聯信息，幫助業務人員更全面的對企業客戶做出準確的定位評估，包括抵押擔保、企業“上游”供應鏈和“下游”貿易網、投資信息以及工商司法環境的資訊。

風險預警評估：及時捕捉、分析、評估客戶的違約風險能夠幫助客戶和銀行內部快速采取合適的應對措施，減少不必要的損失。違約風險預警指標需要根據銀行內已有的風險防范制度來制定，主要包括行業政策變動、應急事件啟動、金融產品風險波動、客戶工商注冊狀態變動、客戶負面輿情、客戶履約能力以及其他利益相關者的特殊狀況。隨機森林模型可以結合行內已記錄的客戶特征，學習有過違約行為和信用良好的客戶特征，預測計算客戶違約的概率。除此之外，客戶流失預警也是風險預警模塊中需要業務人員重點關注的，該預警項目可以幫助業務人員及時制定客戶管理方案，通過營銷活動挽回客戶。客戶流失預警主要指標包括資產情況、交易金額、交易活躍度、手機銀行活躍度、柜臺大額交易等。隨機森林將學習活躍客戶和靜默客戶的行為特征來預測客戶流失的可能性

2.2.4 客戶營銷維護

客戶服務管理：客戶服務管理模塊主要為客戶提供互動渠道，包括禮品信息推送、營銷活動推送以及客戶投訴與建議反饋通道。其中，客戶關系管理系統將根據客戶特征畫像定制個性化的信息推送。

營銷管理：營銷管理模塊需要根據客戶群組定位，智能化地推薦金融產品。首先，大眾化的金融產品推薦需要展示在金融產品購買界面的中心位置，其中包括近期熱門產品、理財師精品推薦等。其次，根據風險對沖規則，客戶關系管理系統可以根據客戶現持有產品的特征，提出符合客戶風險承擔能力的產品購買建議。最后，客戶關系管理系統可以根據客戶畫像、客戶類型以及客戶偏好，學習客戶特征并使用隨機森林模型預測合適的金融產品，為客戶提供個性化的金融產品推薦。

普惠金融專項申請：該項申請渠道主要是針對在鄉鎮小微型企業經營不善的狀況下，為企業提供合理有效的幫扶方案。企業可以在客戶端的普惠金融專項中提交申請，并提交企業相關證明材料以及經營情況說明。業務人員在收到線上專項申請之后，可以進行線上線下的資格審核，并在系統上實時更新審核進度。審核通過之后，業務人員可以通過客戶關系管理系統向企業提供定制化的幫扶服務項目。

精準扶貧通道：該項申請通道主要針對鄉鎮中符合國家政策規定的貧困人員，為貧困人員提供幫扶支持。該通道主要用于公示精準扶貧項目相關的信息以及行內對該項目的推動進展，并且公示與精準扶貧相關的工作人員聯系方式。

銷售管理：業務人員可以通過客戶關系管理系統中的企業關系網絡和潛在客戶名單發現新的商機信息，并且由客戶關系管理系統實時發送消息推送。

2.2.5 績效考核

績效考核是客戶關系管理系統中面向業務人員的功能。該功能將記錄業務人員成功獲客的數量以及金融產品銷售金額。當業務人員所分管的客戶中出現風險預警，客戶關系管理系統也將記錄業務人員采取的風險防范和處理措施，并根據客戶反饋結果以及損失程度標記處理成果得分。最后，客戶關系管理系統將綜合分析以上指標并給出績效考核建議。

2.3 農村商業銀行客戶關系管理系統設計

2.3.1 客戶關系管理系統功能展示

根據之前的介紹，農村商業銀行客戶關系管理系統的功能主要包含五類，客戶信息歸檔、客戶分類、客戶分析、客戶營銷以及業務人員業績考核。其中，除了正常的客戶關系管理流程是基于客戶關系管理系統的流程塊來建立的以外，客戶信息歸檔功能利用了文本挖掘技術，客戶分類功能將由聚類分析算法自動生成，客戶分析功能中的風險預警和客戶營銷功能中的金融產品智能推薦由隨機森林模型來訓練預測。該客戶關系管理系統的功能整體展示如圖5所示。

圖5 農村商業銀行客戶關系管理系統功能展示

2.3.2 客戶關系管理系統架構設計

以農村商業銀行客戶關系管理系統中的功能項目為基礎，初步設計客戶關系管理系統的架構主要包含表現層、業務層、數據層、數據庫、運行環境。系統架構關聯設計如圖6所示。獨立服務器、第三方虛擬機和Oracle 數據庫管理系統分別構成運行環境層和數據庫層。數據層包含讀寫數據、自定義函數、數據庫事務、數據庫存儲、數據緩存管理五個層級功能，實現數據存儲、計算、并行操作、恢復等功能，保證數據庫管理和數據庫安全。業務層包含歷史數據分析、用戶權限管理、流程管理、內容管理、系統操作日志記錄、文本挖掘、聚類分析、隨機森林分類模型的嵌入，實現平臺后臺操作功能。平臺架構在表現層中，支持基礎信息管理、用戶登錄管理、流程任務管理、智能推送管理、指標預警管理五項平臺前端功能，為平臺用戶提供豐富的客戶關系管理工具。

圖6 農村商業銀行客戶關系管理系統架構設計

2.3.3 客戶關系管理系統功能界面設計

客戶信息界面設計：客戶信息界面設計包含人工輸入和自動生成的各項特征，如圖7所示。其中，人工輸入特征可以在客戶信息輸入界面中被“重置”和“提交”，并且人工輸入客戶姓名之后可以通過點擊“查詢”按鈕得到該客戶的其他相關信息。在人工輸入信息的模塊下方，經過“查詢”的客戶交易信息被逐條展示，交易記錄包含“交易編號”“產品編號”“交易金額CNY”“交易歷史次數”“買入時間”“到期時間”和“經辦人工號”。另外，該客戶購買全部產品的累計盈虧曲線也被展示在交易記錄的下方。其他自動生成的客戶特征，包括“違約次數”“行內可用資產數額”“信用評級”以及自動化客戶分類結果的“客戶類型”，展示在界面的右下方。除了該客戶信息檔案可以在該界面中被“修改”或“刪除”之外，新的客戶檔案也可以通過點擊“增加”按鈕之后，跳轉到新的客戶信息輸入界面被建立。

圖7 客戶信息界面設計

客戶分析界面設計：客戶分析界面設計以企業關系網絡模塊為例，如圖8所示，界面上方顯示客戶分析四項基本功能的選項卡。圖8是以客戶“X 乳制品加工工廠”為例展示的客戶關系管理系統中“企業關系網絡”功能的界面。其中，以“X 乳制品加工工廠”為中心，左側是與該客戶關聯的“上游”供應鏈企業列表，右側是與該客戶合作的“下游”貿易企業列表。另外，該客戶的抵押信息和投資信息可以通過分別點擊對應按鈕，跳轉到相應的信息頁面來查看。整體界面的最右側列舉最新的客戶企業所在行業的相關資訊，為業務人員就目前營商環境的政策發展提供參考。

圖8 企業關系網絡界面設計

流程任務功能界面設計：在本文設計的客戶關系管理系統中，大部分功能涉及流程任務的處理。以“普惠金融專項申請”為例，該功能涉及兩個主要的用戶界面，包含“專項申請填寫”（圖9左）和“專項審批進程”（圖9右）。其中，“專項申請填寫”界面需要申請人填寫申請人“名稱”，選擇申請人所屬的普惠金融服務對象的“對象類別”，輸入必要的“情況簡述”并且選擇銀行可提供的“普惠專項申請類別”服務。另外，需要提交的證件以及其他審核材料需要被掃描上傳到該系統界面中。客戶可以在該界面下載查看 “審核材料清單”，以便上傳齊全有效的申請材料。在提交申請之后，客戶可以在“專項審批進程”界面中追蹤審批狀態，并且及時下載查看審核建議。根據審核建議完善補充的材料文件可以直接在該界面上傳提交。審批完成之后，客戶如果需要復議審批結果，在該界面填寫“復議申請說明”之后，提交復議即可。

圖9 普惠金融專項申請界面設計

3 結 論

本文通過對農村商業銀行發展現狀的觀察和分析，提出客戶關系管理系統的建立將幫助農村商業銀行加強與客戶之間的聯系。通過深入研究客戶個體特征以及社會關系網絡，為農村商業銀行提升服務質量，提高客戶關系管理效率，積極采取經營理念和模式轉型措施奠定基礎。其中，新興的人工智能技術也被應用在客戶關系管理的幾項功能模塊中。文本挖掘技術能夠幫助業務人員高效地提取客戶信息，并統一存檔，以便建立客戶關系列表。聚類分析技術可以根據客戶特征對客戶在行內的客戶定位進行評估，為后續定制化的服務提供準備。各項風險預警機制和金融產品的智能推薦可以依賴可靠的隨機森林模型進行訓練和預測，幫助業務人員及時地化解風險事件并抓住潛在商機。基于農村商業銀行的傳統服務業務項目，客戶關系管理系統的主要需求包括客戶基礎數據的錄入，根據客戶特征標記客戶類型，分析客戶保證客戶的貢獻度和忠誠度，面向客戶的個性化營銷管理以及對業務人員的考核評估。

通過本文的研究發現，客戶關系管理系統將幫助農村商業銀行充分利用科技優勢，提高銀行業務服務效益。然而，為了保證客戶關系管理系統在農村商業銀行中應用的高效性，仍有一些問題需要在系統使用過程中被及時地發現和解決。例如，客戶關系管理系統的部署將伴隨銀行內信息科技風險的產生，包括信息安全、業務連續性管理等。因此，在行內推廣客戶關系管理系統的同時，相關的業務連續性中斷應急預案也應該被及時地制定落實。此外，加設對客戶數據的用戶訪問權限，有效避免客戶信息泄露，保證客戶信息的安全性。最后，加強對客戶關系管理系統的運維管理，積極處理系統漏洞和相關信息泄露風險，也將有效地保障客戶服務質量，維護行內數據生產安全運行。