探索关系圈辅助营销助力 商业银行个人业务发展

刘晓丽

（中国建设银行河北省分行，河北 石家庄 050000）

一、数据模式及探索定位

百度“关系圈”[1]，位列词条首位的是2011年10月1日由北京工业大学出版社出版的一本图书，详细描述人际关系圈的建立、拓展、储备、经营及各类关系。这是广大读者所熟悉的关系圈，属人际管理范畴。从建立强大的关系圈开始，为人生发展提供无限可能。

从传统“关系圈”概念，延伸到银行业务。每一家商业银行经过多年发展，积淀大量的客户资源，这些资源均是从客户办理银行业务的那一刻开始。作为商业银行，更为头疼的是从市场中拓展更加广阔的客户资源，源源不断进行补充，增加业务量，提高业务收入，提供持续动力，带动企业持续发展。当前我国金融市场逐步开放，各家商业银行既要面对国家监督管理机构的严格监管，又要应对金融同业的残酷竞争。银行只有将自有客户规模优势发挥充分，才能在同业市场中立于不败之地。从行内客户关系圈出发，借助系统处理功能，绘制业务关系圈图谱，通过整合资源、建立评分模型、搭建客户关系圈，为银行个人银行业务营销及风险管理工作提供帮助，产生裂变效果。

二、解决方案及应用案例

方案主题：银行关系圈应用于欠款失联客户修复。

案例背景：根据中国银联发布的《中国银行卡产业发展报告（2019》[2]数据显示，十年来，我国信用卡发卡量从1.86亿张猛增到9.7亿张，2018年同比增长22.8%，信用卡交易额从3.5万亿元增长到38.2万亿元，翻了10倍以上。根据央行发布的《2018年支付体系运行总体情况》[3]，截至2018年末，全国银行卡用发卡数量为75.97亿张，同比增长13.51%。人均持有信用卡和借贷合一卡0.49张，同比增长16.11%。2018年国内信用卡未偿余额有所增长，未偿信贷总额达到了6.85万元，同比增长23.2%，处于规模扩张阶段。受宏观经济影响、共债风险爆发等因素，信用卡的损失率为1.27%。银行卡发卡量剧增的背后，不良率的攀升成为信用卡业务发展的隐忧，信用卡逾期类账户风险管控处置能力亟待加强。多家银行将风险管控工作放到年度工作首位。

银行面临外部欺诈形势多变、房贷客户的联动不良、信息修复渠道受限等问题，逾期及不良情况激增。不良客户以更换手机号码、变化家庭住址、逃离户籍地等方式逃避债权人追索，导致客户失联率越来越高，并且对个人信息修复的渠道也越来越窄，往往是查无此人或上门无果，寄出信函的退还率也在逐步增加，给后期的催收工作带来了前所未有的压力。这种情况下，对信用卡逾期客户的失联预测与失联修复有其重要的业务价值。通过市场调查，社会上有一些公司提供客户信息修复服务，但其数据来源隐秘、渠道未公开、存在用户信息不安全和使用合法性等诸多问题。

案例内容：为达到失联修复及建模数据要求，需要信用卡客户的基本信息、渠道交易信息、还款行为、申请记录、黑名单信息、渠道偏好、代工信息等数据，准备使用大数据平台数据产品及公共访问区的信用卡客户基本信息、信用卡申请失败记录、客户代发工资信息、信用卡客户黑名单、信用卡客户渠道交易行为基础表、信用卡客户用卡及还款行为、信用卡客户交易行为、信用卡客户账单周期交易行为、信用卡客户渠道行为偏好、信用卡客户细分、信用卡客户分期渠道忠诚度等作为数据来源。失联修复过程通过银行内部的客户关系圈项目已生成的各项关联信息，通过客户签约、交易等数据抓取的客户两两关系数据结合个人信息、房贷地址、代发单位、行内账户等多项维度信息完成。

项目基于对信用卡的逾期失联客户和逾期收回客户进行机器学习，建立评分模型，预测逾期客户恶意逾期失联的概率进行预警，并基于客户关系圈等方式进行失联修复。一是建立对信用卡逾期客户恶意拖欠无法收回的评分卡模型，对逾期后客户的失联催收风险进行预测评分；二是建立基于客户关系网络的失联客户修复方法，对风险部门需要催收的失联客户进行失联修复。将信息修复客户范围扩大至信用卡风险和不良账户系统实现修复数据和催收数据对接，自动化修复失联数据，提供银行催收岗位工作使用。

案例效果：经过半年测试，对催收客户名单共30067户进行了失联修复，共修复26137人及其关系人的信息，并形成清单提供给催收人员，修复率达到87%；同时使用数据训练评分卡，对发生逾期但尚未锁卡、未进入总行催收名单的客户进行了评分预测。经过催收后还款10775人，还款率达到41%；对逾期客户评分进行筛选，大于0.8分共33836人，匹配后命中9527人，命中率达到29%，具有良好预测效果。

三、拓展前景及效益贡献

关系圈营销基于银行内部的全量客户信息修复，提炼关系圈信息后进行使用，既保证数据安全落地，又为银行风险管理工作提供强有力支撑。核心竞争优势在于行内资源的整合利用，节省资源损耗，降低成本支出，增加行业竞争力。同时对欠款客户进行催收不仅可以回收更多的不良贷款，还可以增加的员工绩效薪酬。从成本效益看，每投入1万元费用可产生不良回收收入11.4万元（边际），相当于增加净利润7.8万元，对EVA的边际贡献约7.8万元（忽略损失率降低因素对经济资本计量的正面影响），分行可增加绩效工资1.56万元（EVA*20%），而增加1万元费用核减0.25万元薪点工资，综合判断可增加分行绩效薪酬1.31万元。

从失联客户修复关系圈案例可以看出，通过关系圈数据项目，可以拓展至发卡、办理ETC、消费信贷业务、对公业务等多个领域。银行坐拥庞大的客户资源，通过借助科技赋能，将营销渠道、产品创新流程、风控体系建设和贷后催收等各环节进行整合。通过搭建行内大数据平台，建立关系圈数据模型，实现一乘十，十乘百的裂变效果，激发自身潜在能量和资源，为业务发展提供源源不断的强大动力。