基于人工智能技术的农村商业银行客户关系管理系统的分析与设计

张敏

（帝国理工学院，英国 伦敦 SW72AZ）

0 引 言

随着信息科技时代的蓬勃发展，“乡村振兴战略”也为农村商业银行带来了经济转型发展的新机遇。在此之前，基于科技发展的新型金融服务给农村商业银行的传统经营理念和模式不断施加压力，导致各地方的农村商业银行面临严峻的生存环境挑战。因此，农村商业银行亟需积极面对挑战，转变经营战略，拓展银行服务于新时代“三农”的多方面业务。为了提高内部组织运转效率，提升客户服务质量，农村商业银行应该借助科技优势，利用大数据以及人工智能技术，助力互联网金融中的“三农”服务、农村以及中小企业的“普惠金融”落实以及农村“精准扶贫”计划的实施等。针对农村商业银行以客户为中心的业务特性，客户关系管理系统（CRM）的建立能够更高效科学地指导农商银行各业务部门分析、总结客户需求。并且，农商银行的客户关系管理系统能够为提供个性化的客户服务构建信息基础，从而提高客户满意度，保持客户忠诚的稳定水平。本文将介绍人工智能技术在客户关系管理系统基础上的设计与示范，为农村商业银行建立客户关系管理系统提供技术应用思路。

1 目的和意义

通过深入理解客户关系管理系统基本架构以及人工智能技术中文本挖掘技术、聚类模型算法和分类模型算法的应用，本文将探讨与农村商业银行客户关系管理体系相适应的智能客户关系管理系统，推动银行的客户服务体系高效运转。

在研究智能客户关系管理系统的过程中，主要目标为借助人工智能科技和结构化的客户关系管理功能，描述与演示农村商业银行客户关系管理系统如何高效地处理客户信息，模拟客户关联网络以及提供定制化的金融产品。

首先，农商银行客户关系管理体系要求建立相对完善的客户关系管理系统，为客户信息数据的汇总和更新提供系统化、自动化、流程化的操作平台，减少人工成本并且降低人工操作风险。其次，银行客户关系管理系统通过对客户数据的自主分析，可以合理的分配银行内的有效资源。其中，文本挖掘技术可以应用于自动抓取、转换客户的文本特征，有效地支持客户建档等功能。之后，聚类模型可以根据客户特征的集群模拟将客户分类。另外，人工智能中的分类模型算法能够帮助银行客户关系管理系统预测客户的违约风险、流失风险以及为客户提供合适的金融产品。基于大量客户数据分析的人工智能技术的应用附加在银行客户关系管理系统中，将为银行客户服务的改进、提升针对性营销的服务质量，提供有效的决策支持。

2 农村商业银行客户关系管理系统

2.1 关键技术

2.1.1 文本挖掘

文本挖掘技术主要目的是从冗杂的句段式信息中，提取关键的信息，缩短文档文本的处理时间，并且统一化、结构化的将各项信息储存在对应的特征属性下。在银行的客户关系管理系统中，文本挖掘技术将无结构的客户信息按照既定的客户特征项目提取、存储，形成在数据库中可自由调用、更新、删除的数据关系表结构。如图1所示，客户的属性特征从文本句子中被提取，填入相应的特征列表。例如，文本挖掘技术可以从第一个断句中提取该客户的姓名和年龄信息。第二个断句中，“老师”可以匹配到“教育类”行业的职业选项。最后，从“没有什么风险有固定利息”的描述中，文本挖掘技术可以将该客户的风险偏好定位为“低风险低收益”，即对应“保守型”或“谨慎型”的风险偏好类别。

图1 文本挖掘客户特征信息

2.1.2 聚类k-means

聚类分析是将数据根据自身特征归类到不同的簇或类，并且同一簇中的数据极为相似，相反，簇与簇之间的特征差异性极大。K-means 方法作为聚类分析方法之一，是通过迭代求解得出聚类中心局部最优的方法。该方法的步骤为，客户数据被分为份，并且随机选择个客户对象初始化为聚类中心=，…，a。如下文公式所示，计算每个客户数据样本到聚类中心的距离，并且将该客户数据样本分到距离最短的聚类中心相对应的类中。重新计算每个聚类类别的聚类中心。重复前两步，直到达到预设的迭代次数。根据k-means方法，客户关系管理系统可以将客户特征合理地分类标记，帮助业务人员减少处理多维度的客户特征分类的成本。

2.1.3 随机森林

随机森林中包含多个决策树并把决策树中预测的输出类别的众数作为最终的分类结果。每个决策树随机选择个特征（其中远小于客户特征总数），决策树将模拟最优化的分裂方式，使得每个节点的结果是基于随机选择的特征确定的。违约风险预警、客户流失预警、金融产品智能推荐都可以由随机森林学习预测。以表格1 中某一客户的特征为例，随机森林将根据该客户各个特征值判断不同的应用结果。假设三个随机森林模型中分别包含三个独立的决策树，并且决策树通过数据训练已经得到最优化的分裂模式，决策树分别随机选取两个特征进行判断，如图2、图3、图4所示。

表1 某客户特征示例

如图2所示，在通过随机森林判断客户的违约风险时，假设随机森林模型选取“经营注册”“社会舆情”“履约能力”“股东结构”四个主要特征来判断是否发出“预警”结果。图2中左边的决策树首先判断“经营注册”特征的值是否异常。该客户示例中“经营注册”的值为“异常”，则该决策树将结果判断为“预警”，反之，则继续判断“社会舆情”的特征为“正面”或“负面”。图2中中间的决策树首先确定客户的“履约能力”特征是否异常。该示例中，在“履约能力”为“正常”的情况下，“股东结构”也为“正常”，因此，该决策树根据这两项特征判断该客户违约情况为“无风险”。图2中右边的决策树在得到“履约能力”为“正常”之后，通过判断“经营注册”特征为“异常”，得到该客户的违约风险需要被“预警”的结果。结合三个决策树的得出的结果，选择相同结果最多的预测作为该随机森林模型的最终结果，即“预警”结果。

图2 违约风险随机森林预警示范

随机森林模型在客户流失风险预警应用中的预测模拟如图3所示。假设该模型随机选取“资产情况”“交易活跃度”“手机银行活跃度”“柜台大额交易”四项客户特征。图3中左边的决策树首先判断“资产情况”为“异常”，随即得到客户流失风险“预警”的预测结果。图3中间的决策树在得到“手机银行活跃度”为“正常”的情况下，根据“柜台大额交易”的值为“正常”，得出该客户目前无流失风险。图3右边的决策树根据“手机银行活跃度”和“交易活跃度”皆为“正常”的情况下，得到“无风险”的客户流失判断。最终，三个决策树判断相同结果最多的是“无风险”，即该随机森林模型预测该客户无流失风险。

图3 客户流失随机森林预警示范

在金融产品的智能推荐应用中，随机森林模型选取“风险承担能力”“信用评级”“违约次数”和“客户偏好”四项特征。图4左边的决策树首先判断该客户“风险承担能力”特征为“低”，则得出应该向该客户推荐“低风险产品”。图4中间的决策树在得到“违约次数”为“正常”的情况下，判断“客户偏好”为“激进”，随即得出推荐“高风险产品”的预测结果。图4右边的决策树在“客户偏好”为“激进”的前提下，根据“信用评级”为“低”能够得出预测结果为“低风险产品”。最后，该随机森林模型通过这三个决策树的选举，为该客户推荐“低风险产品”。

图4 金融产品智能推荐随机森林示范预警

2.1.4 客户关系管理系统主要框架

该客户关系管理系统框架主要包含MyBatis 框架、J2EE、ILOG JRules 流程引擎、SpringMVC 用户登录管理。

首先，MyBatis 框架是一个持久层框架，允许业务人员灵活配置SQL，通过简单编写SQL 语句就能完成对数据库的操作。其次，基于J2EE 标准的Web 应用框架提供合理的分层结构、丰富的资源库、复用性强的设计模式，可以提供具备安全、稳定、性能稳健特性的框架。通过规范开发过程，能够缩短软件开发周期，对大型企业级软件开发项目进行有效管理。另外，ILOG JRules 业务规则管理系统提供高效编写与修改、快速部署和管理业务规则等系统化的业务功能。各项业务工作在业务流程中可以被及时报告反馈，系统将对业务工作流程进行规范化管理，提高工作流程管理与监督效率。最后，SpringMVC 框架用于实现基于角色和流程的用户权限控制。基于角色的用户权限控制限制了不同类别用户可进入资源的权限。基于流程的用户权限控制限制了在工作流程中，各工作项目需要严格按照相应流程顺序执行，各工作项目之间不允许随意变动、穿插。

2.2 需求分析

基于农村商业银行面向客户的服务业务以及客户关系管理系统的特征，农村商业银行客户关系管理系统可主要划分为五类，包括客户数据采集、客户归类、客户分析、客户营销维护、绩效考核。

2.2.1 客户数据采集

客户数据采集主要通过现场技术员或客户本人进行客户类型建档来完成，其中包含“农牧户建档管理”“城镇居民建档管理”“个体工商户建档管理”以及“企业建档管理”。各类客户档案中的项目应包含客户的姓名、年龄、联系方式、职业、月收入、学历、婚姻状况、贷款情况、风险承担，由客户关系管理系统自动标注的项目应包含违约次数、行内可用资产数额、信用评级。其他行内已有的未建档的客户数据也将统一存储调用。未建档数据在客户关系管理系统中将使用文本挖掘技术统一格式化抓取并分类存储。主要项目对应可取值如表2所示。

表2 主要项目对应可储存值

2.2.2 客户归类

农村商业银行客户关系管理系统中将包含5 类主要客户类型，包括私人银行客户、财富客户、优质客户、成长客户以及普通客户。除私人银行客户和财富客户需要以正式的资产投资规划委托合同界定外，其他三类农村商业银行客户类型在客户关系管理系统中主要根据行内可用资产数额、学历水平、信用评级、风险承担能力进行界定。其中，聚类K-means可以将未标记客户类型的客户特征数据集进行集群分类。客户类型将在客户信息建档成功之后，作为独立的客户特征附加在对应的客户个体中。

2.2.3 客户分析

客户画像：客户分析模块首先要求客户关系管理系统提供全方位的客户画像。客户画像提取多维度的特征标签，细致地描述了客户的交易行为偏好、信用评级、客户价值等，并且以百分比的形式定义并记录客户的忠诚度和贡献度。

潜在客户挖掘：潜在客户生命周期的转化功能可以精准定位和推荐潜在的客户名单。潜在客户名单的来源主要有：已有企业客户的交易链网络、已有企业客户的资金转换网、已有个人客户的公共社交网络、已有个人客户的公开工商管理注册报告。

企业关系网络建立：企业关系网络将整合企业之间的关联信息，帮助业务人员更全面的对企业客户做出准确的定位评估，包括抵押担保、企业“上游”供应链和“下游”贸易网、投资信息以及工商司法环境的资讯。

风险预警评估：及时捕捉、分析、评估客户的违约风险能够帮助客户和银行内部快速采取合适的应对措施，减少不必要的损失。违约风险预警指标需要根据银行内已有的风险防范制度来制定，主要包括行业政策变动、应急事件启动、金融产品风险波动、客户工商注册状态变动、客户负面舆情、客户履约能力以及其他利益相关者的特殊状况。随机森林模型可以结合行内已记录的客户特征，学习有过违约行为和信用良好的客户特征，预测计算客户违约的概率。除此之外，客户流失预警也是风险预警模块中需要业务人员重点关注的，该预警项目可以帮助业务人员及时制定客户管理方案，通过营销活动挽回客户。客户流失预警主要指标包括资产情况、交易金额、交易活跃度、手机银行活跃度、柜台大额交易等。随机森林将学习活跃客户和静默客户的行为特征来预测客户流失的可能性

2.2.4 客户营销维护

客户服务管理：客户服务管理模块主要为客户提供互动渠道，包括礼品信息推送、营销活动推送以及客户投诉与建议反馈通道。其中，客户关系管理系统将根据客户特征画像定制个性化的信息推送。

营销管理：营销管理模块需要根据客户群组定位，智能化地推荐金融产品。首先，大众化的金融产品推荐需要展示在金融产品购买界面的中心位置，其中包括近期热门产品、理财师精品推荐等。其次，根据风险对冲规则，客户关系管理系统可以根据客户现持有产品的特征，提出符合客户风险承担能力的产品购买建议。最后，客户关系管理系统可以根据客户画像、客户类型以及客户偏好，学习客户特征并使用随机森林模型预测合适的金融产品，为客户提供个性化的金融产品推荐。

普惠金融专项申请：该项申请渠道主要是针对在乡镇小微型企业经营不善的状况下，为企业提供合理有效的帮扶方案。企业可以在客户端的普惠金融专项中提交申请，并提交企业相关证明材料以及经营情况说明。业务人员在收到线上专项申请之后，可以进行线上线下的资格审核，并在系统上实时更新审核进度。审核通过之后，业务人员可以通过客户关系管理系统向企业提供定制化的帮扶服务项目。

精准扶贫通道：该项申请通道主要针对乡镇中符合国家政策规定的贫困人员，为贫困人员提供帮扶支持。该通道主要用于公示精准扶贫项目相关的信息以及行内对该项目的推动进展，并且公示与精准扶贫相关的工作人员联系方式。

销售管理：业务人员可以通过客户关系管理系统中的企业关系网络和潜在客户名单发现新的商机信息，并且由客户关系管理系统实时发送消息推送。

2.2.5 绩效考核

绩效考核是客户关系管理系统中面向业务人员的功能。该功能将记录业务人员成功获客的数量以及金融产品销售金额。当业务人员所分管的客户中出现风险预警，客户关系管理系统也将记录业务人员采取的风险防范和处理措施，并根据客户反馈结果以及损失程度标记处理成果得分。最后，客户关系管理系统将综合分析以上指标并给出绩效考核建议。

2.3 农村商业银行客户关系管理系统设计

2.3.1 客户关系管理系统功能展示

根据之前的介绍，农村商业银行客户关系管理系统的功能主要包含五类，客户信息归档、客户分类、客户分析、客户营销以及业务人员业绩考核。其中，除了正常的客户关系管理流程是基于客户关系管理系统的流程块来建立的以外，客户信息归档功能利用了文本挖掘技术，客户分类功能将由聚类分析算法自动生成，客户分析功能中的风险预警和客户营销功能中的金融产品智能推荐由随机森林模型来训练预测。该客户关系管理系统的功能整体展示如图5所示。

图5 农村商业银行客户关系管理系统功能展示

2.3.2 客户关系管理系统架构设计

以农村商业银行客户关系管理系统中的功能项目为基础，初步设计客户关系管理系统的架构主要包含表现层、业务层、数据层、数据库、运行环境。系统架构关联设计如图6所示。独立服务器、第三方虚拟机和Oracle 数据库管理系统分别构成运行环境层和数据库层。数据层包含读写数据、自定义函数、数据库事务、数据库存储、数据缓存管理五个层级功能，实现数据存储、计算、并行操作、恢复等功能，保证数据库管理和数据库安全。业务层包含历史数据分析、用户权限管理、流程管理、内容管理、系统操作日志记录、文本挖掘、聚类分析、随机森林分类模型的嵌入，实现平台后台操作功能。平台架构在表现层中，支持基础信息管理、用户登录管理、流程任务管理、智能推送管理、指标预警管理五项平台前端功能，为平台用户提供丰富的客户关系管理工具。

图6 农村商业银行客户关系管理系统架构设计

2.3.3 客户关系管理系统功能界面设计

客户信息界面设计：客户信息界面设计包含人工输入和自动生成的各项特征，如图7所示。其中，人工输入特征可以在客户信息输入界面中被“重置”和“提交”，并且人工输入客户姓名之后可以通过点击“查询”按钮得到该客户的其他相关信息。在人工输入信息的模块下方，经过“查询”的客户交易信息被逐条展示，交易记录包含“交易编号”“产品编号”“交易金额CNY”“交易历史次数”“买入时间”“到期时间”和“经办人工号”。另外，该客户购买全部产品的累计盈亏曲线也被展示在交易记录的下方。其他自动生成的客户特征，包括“违约次数”“行内可用资产数额”“信用评级”以及自动化客户分类结果的“客户类型”，展示在界面的右下方。除了该客户信息档案可以在该界面中被“修改”或“删除”之外，新的客户档案也可以通过点击“增加”按钮之后，跳转到新的客户信息输入界面被建立。

图7 客户信息界面设计

客户分析界面设计：客户分析界面设计以企业关系网络模块为例，如图8所示，界面上方显示客户分析四项基本功能的选项卡。图8是以客户“X 乳制品加工工厂”为例展示的客户关系管理系统中“企业关系网络”功能的界面。其中，以“X 乳制品加工工厂”为中心，左侧是与该客户关联的“上游”供应链企业列表，右侧是与该客户合作的“下游”贸易企业列表。另外，该客户的抵押信息和投资信息可以通过分别点击对应按钮，跳转到相应的信息页面来查看。整体界面的最右侧列举最新的客户企业所在行业的相关资讯，为业务人员就目前营商环境的政策发展提供参考。

图8 企业关系网络界面设计

流程任务功能界面设计：在本文设计的客户关系管理系统中，大部分功能涉及流程任务的处理。以“普惠金融专项申请”为例，该功能涉及两个主要的用户界面，包含“专项申请填写”（图9左）和“专项审批进程”（图9右）。其中，“专项申请填写”界面需要申请人填写申请人“名称”，选择申请人所属的普惠金融服务对象的“对象类别”，输入必要的“情况简述”并且选择银行可提供的“普惠专项申请类别”服务。另外，需要提交的证件以及其他审核材料需要被扫描上传到该系统界面中。客户可以在该界面下载查看 “审核材料清单”，以便上传齐全有效的申请材料。在提交申请之后，客户可以在“专项审批进程”界面中追踪审批状态，并且及时下载查看审核建议。根据审核建议完善补充的材料文件可以直接在该界面上传提交。审批完成之后，客户如果需要复议审批结果，在该界面填写“复议申请说明”之后，提交复议即可。

图9 普惠金融专项申请界面设计

3 结 论

本文通过对农村商业银行发展现状的观察和分析，提出客户关系管理系统的建立将帮助农村商业银行加强与客户之间的联系。通过深入研究客户个体特征以及社会关系网络，为农村商业银行提升服务质量，提高客户关系管理效率，积极采取经营理念和模式转型措施奠定基础。其中，新兴的人工智能技术也被应用在客户关系管理的几项功能模块中。文本挖掘技术能够帮助业务人员高效地提取客户信息，并统一存档，以便建立客户关系列表。聚类分析技术可以根据客户特征对客户在行内的客户定位进行评估，为后续定制化的服务提供准备。各项风险预警机制和金融产品的智能推荐可以依赖可靠的随机森林模型进行训练和预测，帮助业务人员及时地化解风险事件并抓住潜在商机。基于农村商业银行的传统服务业务项目，客户关系管理系统的主要需求包括客户基础数据的录入，根据客户特征标记客户类型，分析客户保证客户的贡献度和忠诚度，面向客户的个性化营销管理以及对业务人员的考核评估。

通过本文的研究发现，客户关系管理系统将帮助农村商业银行充分利用科技优势，提高银行业务服务效益。然而，为了保证客户关系管理系统在农村商业银行中应用的高效性，仍有一些问题需要在系统使用过程中被及时地发现和解决。例如，客户关系管理系统的部署将伴随银行内信息科技风险的产生，包括信息安全、业务连续性管理等。因此，在行内推广客户关系管理系统的同时，相关的业务连续性中断应急预案也应该被及时地制定落实。此外，加设对客户数据的用户访问权限，有效避免客户信息泄露，保证客户信息的安全性。最后，加强对客户关系管理系统的运维管理，积极处理系统漏洞和相关信息泄露风险，也将有效地保障客户服务质量，维护行内数据生产安全运行。