王彥博 雷娟 周學(xué)春

數(shù)字化營銷可以簡單理解為基于大數(shù)據(jù)技術(shù)應(yīng)用的客戶關(guān)系管理、維護(hù)與業(yè)務(wù)提升。實(shí)際上，商業(yè)銀行通過多年經(jīng)營，積累了海量的客戶之間交易轉(zhuǎn)賬行為數(shù)據(jù)，奠定了基于資金交易信息構(gòu)建客戶社交網(wǎng)絡(luò)的數(shù)據(jù)基礎(chǔ)。本文以客戶交易流水?dāng)?shù)據(jù)為抓手，提出了一套社交網(wǎng)絡(luò)圖數(shù)據(jù)處理流程，并結(jié)合商業(yè)銀行大零售業(yè)務(wù)實(shí)際，探索了FinTech時代大數(shù)據(jù)社交網(wǎng)絡(luò)圖挖掘技術(shù)在商業(yè)銀行數(shù)字化營銷相關(guān)領(lǐng)域的應(yīng)用發(fā)展。

數(shù)字化營銷與基于交易的客戶社交網(wǎng)絡(luò)

數(shù)字化營銷的內(nèi)涵

數(shù)字化營銷是當(dāng)前FinTech時代下商業(yè)銀行開展大數(shù)據(jù)挖掘相關(guān)工作時常常會觸及的一個概念。一般來說，數(shù)字化營銷包含客戶關(guān)系管理和大數(shù)據(jù)挖掘兩項(xiàng)基本元素，可以簡單理解為商業(yè)銀行基于“以客戶為中心”的理念，通過運(yùn)用先進(jìn)的大數(shù)據(jù)技術(shù)，實(shí)現(xiàn)客戶識別、客戶獲取、客戶維護(hù)、客戶挽留等業(yè)務(wù)管理行為。具體而言，商業(yè)銀行的數(shù)字化營銷，就是以大數(shù)據(jù)平臺建設(shè)為基礎(chǔ)，通過一定的計(jì)算方法（如統(tǒng)計(jì)分析算法、機(jī)器學(xué)習(xí)算法、模式識別算法等），從海量數(shù)據(jù)中提取出隱藏的、有價(jià)值的信息和知識，找出隱藏在數(shù)據(jù)背后的業(yè)務(wù)規(guī)律、規(guī)則和趨勢，從而能夠解釋已知的業(yè)務(wù)事實(shí)，并預(yù)測未來的客戶行為與業(yè)務(wù)模式，有效輔助銀行營銷人員開展客戶關(guān)系管理與業(yè)務(wù)提升。

社交網(wǎng)絡(luò)的內(nèi)涵

社交網(wǎng)絡(luò)是指社會中個體與個體之間聯(lián)系的集合，由個體（網(wǎng)絡(luò)圖中的節(jié)點(diǎn)）和各個體之間的聯(lián)系（節(jié)點(diǎn)之間的連線）組成。從本質(zhì)上來看，社交網(wǎng)絡(luò)是個體為達(dá)到特定目的，在個體與個體之間進(jìn)行信息和資源交流的社會關(guān)系展現(xiàn)。

數(shù)字化營銷和社交網(wǎng)絡(luò)

“客戶圈子營銷”是當(dāng)前FinTech與大數(shù)據(jù)智能發(fā)展下的一個較為新興的數(shù)字化營銷概念。以往商業(yè)銀行在做客戶服務(wù)和業(yè)務(wù)提升時，往往僅關(guān)注單一客戶個體。而事實(shí)上，客戶是嵌入在各種社交網(wǎng)絡(luò)中的，客戶之間存在著各式各樣的關(guān)聯(lián)關(guān)系。根據(jù)“物以類聚、人以群分”的基本原理，通常來自于同一個社交網(wǎng)絡(luò)中的個體，他們之間的互動溝通較為頻繁，行為特征上常常會呈現(xiàn)出一定的相似性。而“客戶圈子營銷”正是把客戶及其關(guān)聯(lián)網(wǎng)絡(luò)中的其他客戶識別為一個群體，指導(dǎo)開展整體營銷，從而實(shí)現(xiàn)提高營銷效率、提升客戶保持率等業(yè)務(wù)目標(biāo)。

商業(yè)銀行、大數(shù)據(jù)與社交網(wǎng)絡(luò)

經(jīng)過多年積累，商業(yè)銀行沉淀了海量的客戶之間交易轉(zhuǎn)賬行為數(shù)據(jù)。以國內(nèi)某股份制商業(yè)銀行為例，每個月客戶之間的交易明細(xì)大約有一億條。以轉(zhuǎn)賬關(guān)系為基礎(chǔ)，將每名客戶抽象為網(wǎng)絡(luò)圖中的各個節(jié)點(diǎn)，當(dāng)客戶之間存在一筆轉(zhuǎn)賬交易記錄時，就會在相應(yīng)的兩名客戶（節(jié)點(diǎn)）之間畫一條連線。基于客戶之間的交易轉(zhuǎn)賬記錄，可以刻畫出客戶之間的資金交易關(guān)系，構(gòu)建以客戶為節(jié)點(diǎn)的社交網(wǎng)絡(luò)圖。同時，該社交網(wǎng)絡(luò)圖在商業(yè)銀行“客戶圈子營銷”等相關(guān)應(yīng)用中頗具實(shí)踐價(jià)值，有助于推進(jìn)大零售數(shù)字化營銷相關(guān)應(yīng)用發(fā)展。

基于客戶資金交易的社交網(wǎng)絡(luò)圖數(shù)據(jù)處理流程

面向客戶交易流水?dāng)?shù)據(jù)，本文提出“6E”圖數(shù)據(jù)處理流程框架，予以指導(dǎo)構(gòu)建相關(guān)客戶社交網(wǎng)絡(luò)圖?！?E”框架由圖數(shù)據(jù)處理流程中“剔除不適用的交易（Elimination of inapplicablet r a n s a c t i o n s）”“邊的有效性處理（E f f e c t i v e n e s s o fedges）”“極端元素處理（Extreme element process）”“圈子的建立（Establishment of circles）”“超大圈子的均勻切割（Equally-cutting of large circles）”以及“圈子展示（Exhibition of circles）”六個步驟組成。__

剔除不適用的交易

基于客戶之間的交易流水信息構(gòu)建客戶資金交易關(guān)系網(wǎng)絡(luò)圖，當(dāng)客戶與客戶之間存在交易轉(zhuǎn)賬時，說明兩名客戶之間存在一條邊。然而，在界定邊的有效性之前，需要對不適用的交易信息進(jìn)行剔除，包括：剔除同名轉(zhuǎn)賬、剔除系統(tǒng)批量動賬行為（即非客戶主動發(fā)起）、剔除公對公轉(zhuǎn)賬、剔除對公共戶的轉(zhuǎn)賬（容易導(dǎo)致異常節(jié)點(diǎn)和異常圈子的產(chǎn)生）、剔除交易對手為空的轉(zhuǎn)賬、剔除交易對手行為空的轉(zhuǎn)賬等。

邊的有效性處理

邊是構(gòu)建網(wǎng)絡(luò)圖的基礎(chǔ)，代表了兩兩客戶之間的交易轉(zhuǎn)賬行為。然而，為避免過多“噪音”信息，并非所有的交易行為都需要展示在網(wǎng)絡(luò)圖中，因此需要通過數(shù)據(jù)勘探來界定一個邊的有效性標(biāo)準(zhǔn)?；诮灰最l次、交易金額及交易的單雙邊性三個指標(biāo)，能夠形成“邊的有效性”門檻標(biāo)準(zhǔn)，其中交易頻次是指針對某條邊匯總統(tǒng)計(jì)其對手客戶在一段時期內(nèi)發(fā)生的交易次數(shù);交易金額是指匯總統(tǒng)計(jì)對手客戶在一段時期內(nèi)發(fā)生的交易金額;交易的單雙邊性是指匯總統(tǒng)計(jì)對手客戶在一段時期內(nèi)發(fā)生的交易性質(zhì)，即“總是單向交易”或是“有來有往的雙向交易”。更進(jìn)一步，可以將時間窗口設(shè)定為一年中的上、下半年，如果在上半年6個月中出現(xiàn)的有效邊也同樣出現(xiàn)在下半年的6個月中，則可以形成“邊的穩(wěn)定性”概念。顯然，在所建立的社交網(wǎng)絡(luò)圈子中，邊的穩(wěn)定性越高意味著圈子成員之間的關(guān)聯(lián)關(guān)系越牢固，用以指導(dǎo)后續(xù)開展?fàn)I銷管理應(yīng)用的相關(guān)策略也就相對更可靠。

極端元素處理

極端節(jié)點(diǎn)的處理。如果節(jié)點(diǎn)的點(diǎn)度中心度（即節(jié)點(diǎn)的出度與入度之和）較為異常時，可以考慮剔除該節(jié)點(diǎn)。例如，淘寶店主會與很多交易對手發(fā)生轉(zhuǎn)賬關(guān)系，但這種關(guān)系屬于弱交易關(guān)系，不利于穩(wěn)定圈子的搭建，對于這樣的節(jié)點(diǎn)應(yīng)剔除。經(jīng)過數(shù)據(jù)勘探，建議采用“均值標(biāo)準(zhǔn)差”的思路來識別極端節(jié)點(diǎn)，即偏離均值3倍標(biāo)準(zhǔn)差的樣本節(jié)點(diǎn)都會被剔除。

極端邊的處理。針對節(jié)點(diǎn)（客戶）與節(jié)點(diǎn)（客戶）之間的交易頻次、交易金額呈現(xiàn)出的極端特征，應(yīng)考慮進(jìn)行剔除。建議通過綜合考量“均值標(biāo)準(zhǔn)差”思路和“聚類”思路兩種方式來識別極端的邊。

極端圈子的處理。初步勾勒圈子時，對于圈子規(guī)模極端大的社交網(wǎng)絡(luò)，需要分析超大圈子的形成原因，如果沒有發(fā)現(xiàn)異常因素，則需要考慮后續(xù)對圈子進(jìn)行切割。

圈子的建立、切割和展示

基于連通圖原理和深度優(yōu)先遍歷原理，勾勒出客戶之間基于資金交易的社交網(wǎng)絡(luò)圈。

針對圈子規(guī)模較大的網(wǎng)絡(luò)，在排除異常因素之后，建議考慮均衡切割原理進(jìn)行圈子切割，使得切割后的兩個子圈較為均勻，同時損失的邊數(shù)量最少。

圈子的可視化展示包括兩個方面，即“三度人脈圖”和“弱聯(lián)通圖”展示。三度人脈圖是指以某名客戶為中心節(jié)點(diǎn)刻畫其一度人脈（即中心節(jié)點(diǎn)的直接交易對手）、二度人脈（即每個一度人脈節(jié)點(diǎn)的直接交易對手）和三度人脈（即每個二度人脈節(jié)點(diǎn)的直接交易對手）。

商業(yè)銀行基于社交網(wǎng)絡(luò)圖挖掘的數(shù)字化營銷應(yīng)用

基于以上所刻畫的客戶間資金交易網(wǎng)絡(luò)圖， 本文針對商業(yè)銀行大零售數(shù)字化營銷相關(guān)應(yīng)用， 提出面向客戶（Customer）的“6C”應(yīng)用框架，即“核心客戶識別（Corec u s t o m e r i d e n t i f i c a t i o n）”“客戶產(chǎn)品推薦（Cu s t o m e rproduct recommendation）”“客戶細(xì)分與聚類（Customersegmentation & clustering）”“客戶交叉銷售（Customercross-selling）”“客戶向上銷售（Customer up-selling）”以及“客戶風(fēng)險(xiǎn)傳染（Customer risk infection）”六類應(yīng)用場景。

核心客戶識別

一般而言，網(wǎng)絡(luò)大V的社會影響力較大，作為網(wǎng)絡(luò)意見領(lǐng)袖，通過其口碑開展?fàn)I銷傳播往往收效顯著，有助于加強(qiáng)品牌的市場滲透力。在本文所構(gòu)建的客戶資金交易網(wǎng)絡(luò)圈中，對于“意見領(lǐng)袖”核心客戶的發(fā)現(xiàn)主要通過測算每名客戶的“三度人脈”網(wǎng)絡(luò)影響力指數(shù)。以“三度人脈”理論為基礎(chǔ)，主要通過三個指標(biāo)來表征客戶的網(wǎng)絡(luò)影響力指數(shù)，即圈子位置、關(guān)系數(shù)量和關(guān)系質(zhì)量。其中，圈子位置刻畫了客戶在圈子中的位置中心性，相關(guān)指標(biāo)通過客戶的點(diǎn)度中心度、接近中心度和居間中心度來計(jì)算;關(guān)系數(shù)量，從客戶的一度人脈數(shù)量、二度人脈數(shù)量和三度人脈數(shù)量來計(jì)算;關(guān)系質(zhì)量所衡量的是客戶與關(guān)聯(lián)客戶之間的關(guān)系強(qiáng)弱，這里通過一度人脈人均關(guān)系強(qiáng)度、二度人脈人均關(guān)系強(qiáng)度和三度人脈人均關(guān)系強(qiáng)度來計(jì)算。關(guān)于人均關(guān)系強(qiáng)度的計(jì)算是通過對邊的交易金額和交易頻次做“0-1標(biāo)準(zhǔn)化”處理后，按照經(jīng)驗(yàn)兩者各占50%的權(quán)重來計(jì)算。此外，對于所涉及的所有指標(biāo)均需要消除量綱的影響，都會進(jìn)行“0-1標(biāo)準(zhǔn)化”處理?？蛻艟W(wǎng)絡(luò)影響力指數(shù)計(jì)算公式：1/3×（點(diǎn)度中心度+接近中心度+居間中心度）+1/3×（一度人脈數(shù)量+二度人脈數(shù)量+三度人脈數(shù)量）+1/3×（一度人脈強(qiáng)度+二度人脈強(qiáng)度+三度人脈強(qiáng)度）;人脈強(qiáng)度=0.5×交易金額+0.5×交易頻次?；谠摴接?jì)算，影響力指數(shù)越高的客戶越具備意見領(lǐng)袖的特征，基于相關(guān)核心客戶進(jìn)行口碑傳播的價(jià)值也就越大。

客戶產(chǎn)品推薦

以往的社交網(wǎng)絡(luò)分析表明，意見領(lǐng)袖常常會帶來更多的產(chǎn)品擴(kuò)散，能夠有效加速產(chǎn)品推薦和市場滲透。以貸款產(chǎn)品為例，如果高影響力客戶簽約了相關(guān)產(chǎn)品，其關(guān)聯(lián)客戶應(yīng)該也會受到較大影響，成為產(chǎn)品簽約客戶。在實(shí)證研究方面，基于前3個月的交易流水構(gòu)建社交網(wǎng)絡(luò)，第4個月新簽約貸款客戶作為觀察對象，考察新簽約客戶是否會在未來6個月內(nèi)對其關(guān)聯(lián)客戶產(chǎn)生影響，從而帶來更多的貸款簽約客戶。將第4個月新簽約貸款客戶拆分為兩個群體，即考察組（網(wǎng)絡(luò)影響指數(shù)排名前1000的新簽約客戶）和對照組（在新簽約客戶中隨機(jī)抽取1000名客戶）。6個月后，前1000名高影響力客戶其關(guān)聯(lián)客戶中有2439名客戶簽約了貸款;而隨機(jī)抽取的1000名客戶其關(guān)聯(lián)客戶中僅有494名客戶簽約了貸款，前者的產(chǎn)品推薦力約為后者的5倍。為提高實(shí)證結(jié)論的一般性，除貸款產(chǎn)品外還對其他產(chǎn)品也進(jìn)行了同樣的實(shí)證，結(jié)果均表明高影響力客戶能夠帶來更多的產(chǎn)品擴(kuò)散。

客戶細(xì)分與聚類

在本文所勾勒出客戶資金交易網(wǎng)絡(luò)圈的基礎(chǔ)上，結(jié)合圈子的業(yè)務(wù)屬性和特征，可以進(jìn)一步對相關(guān)客戶做細(xì)分和聚類分析，例如客戶產(chǎn)品偏好聚類分析。首先，以圈子為樣本單位，計(jì)算每個圈子中各類財(cái)富資產(chǎn)的分布，如儲蓄、理財(cái)、基金、保險(xiǎn)、股票等。隨后，基于K-means算法對圈子樣本進(jìn)行聚類，由此可得到理財(cái)股票圈、股票圈、高儲蓄圈、低儲蓄圈、理財(cái)圈、基金圈6個客戶細(xì)分群。不同客戶細(xì)分群在聚類指標(biāo)上存有顯著差異。以基金圈為例，該客群中持有基金產(chǎn)品的客戶數(shù)占比明顯高于其他客戶細(xì)分群，由此可給出營銷策略——相比其他5個客群，可優(yōu)先對基金圈客群內(nèi)尚未購買基金的客戶推薦基金代銷產(chǎn)品。

客戶交叉銷售

在一個交易圈中，簽約或者購買某種產(chǎn)品的客戶數(shù)占比越高，基于圈子內(nèi)客戶行為和偏好的相似性，可以大致估算出該客群的產(chǎn)品偏好。這里各產(chǎn)品客戶數(shù)占比可以看作為圈子的相關(guān)產(chǎn)品推薦指數(shù)。通過分析理財(cái)產(chǎn)品購買客戶，實(shí)證數(shù)據(jù)表明，基于圈子計(jì)算得到推薦指數(shù)得分較高的前10%客群，其簽約產(chǎn)品的概率相較于隨機(jī)抽取的客戶可提高6倍以上。

客戶向上銷售

基于客戶之間的交易轉(zhuǎn)賬記錄，可以勾勒出客戶的經(jīng)營圈（針對小微金融客戶）或者消費(fèi)圈（針對個人金融客戶）。進(jìn)一步計(jì)算兩個圈子的“圈子密度”和“圈子戶均金融資產(chǎn)”指標(biāo)。圈子密度越高，說明圈子內(nèi)成員之間的交互越為頻繁，客戶之間的關(guān)聯(lián)性越為緊密，圈子成員在行為特征和資產(chǎn)特征方面應(yīng)具有較高的相似性。如果某名圈子成員的客戶金融資產(chǎn)明顯小于圈子成員的戶均金融資產(chǎn)，在圈子密度較高的情形下（成員之間相似性也較高），則該名成員存在較大的客戶金融資產(chǎn)提升空間，以此支持“精準(zhǔn)化、名單制”客戶向上銷售。

客戶風(fēng)險(xiǎn)傳染

來自于同一個社交網(wǎng)絡(luò)圈的成員，因交易關(guān)系、互動關(guān)系、熟人關(guān)系等，他們的行為常常表現(xiàn)出相似性和一致性。由此可延伸出一個業(yè)務(wù)問題：如果某個小微貸款客戶發(fā)生了違約行為，其關(guān)聯(lián)的交易客戶是否也會有較高的違約傾向。從業(yè)務(wù)邏輯來看，如果客戶所在的交易圈中，有過貸款違約行為的客戶占比較高，則可以認(rèn)為該圈子中違約風(fēng)險(xiǎn)的傳染可能性也較高，其原因在于如果圈子中某個客戶的資金周轉(zhuǎn)出現(xiàn)了問題（即該客戶不具備履約能力），則可能會影響整個交易圈中的資金流動情況，甚至導(dǎo)致整個圈子的資金鏈斷裂，使得該客戶的違約風(fēng)險(xiǎn)擴(kuò)散到整個圈子。實(shí)證分析結(jié)果表明，以違約客戶為中心節(jié)點(diǎn)所構(gòu)建出的客戶資金交易網(wǎng)絡(luò)，其關(guān)聯(lián)客戶中發(fā)生違約的概率相較于在隨機(jī)抽取客戶中發(fā)生違約的概率提升了5倍以上。

結(jié)語

本文基于商業(yè)銀行積累沉淀的海量客戶交易信息，通過運(yùn)用大數(shù)據(jù)社交網(wǎng)絡(luò)圖挖掘技術(shù)，探索實(shí)踐了面向商業(yè)銀行大零售數(shù)字化營銷相關(guān)領(lǐng)域的應(yīng)用。本文首先提出了“6E”圖數(shù)據(jù)處理流程框架，為商業(yè)銀行運(yùn)用客戶交易轉(zhuǎn)賬信息構(gòu)建客戶社交網(wǎng)絡(luò)形成了一套標(biāo)準(zhǔn)化數(shù)據(jù)處理方案。隨后，本文面向客戶資金交易網(wǎng)絡(luò)及大數(shù)據(jù)圖挖掘技術(shù)應(yīng)用提出了“6C”應(yīng)用框架，實(shí)證分析結(jié)果表明相關(guān)應(yīng)用效果顯著，為商業(yè)銀行探索FinTech時代下大數(shù)據(jù)社交網(wǎng)絡(luò)圖挖掘技術(shù)應(yīng)用提供參考借鑒。

（本文僅代表作者個人觀點(diǎn)）

（作者單位：中國社會科學(xué)院研究生院金融系、中國民生銀行，京東金融）