本文將深入探討如何通過數字化營銷策略，特別是利用客戶數據管理平臺（CDP）和高級分析模型，有效提升針對高凈值客戶的服務質量和營銷成效，從而幫助金融機構實現持續增長。

2024年金融機構缺乏產品競爭力、產品同質化的背景下，線上線下普通流量增長乏力，數字化營銷整體趨勢由粗放型經營轉向精準營銷，用高價值產品（產品結構）和高客單價（高凈值用戶）來突破增長困境。

接下來我將由業務背景、項目執行、產品設計三方面來分享金融機構做高凈值用戶數字化營銷的解決思路。

一、業務背景

用戶基數大&可投資比重高：高凈值客戶通常是指那些擁有較高個人資產凈值的個人，這些資產通常包括現金、股票、債券、房產、投資基金和其他投資產品等。

根據招行《2023年中國私人財富報告》，2022 年，可投資資產在 1,000 萬人民幣以上的中國高凈值人群數量達 316 萬人，人均持有可投資資產約 3,183 萬人民幣，共持有可投資資產 101 萬億人民幣。

例如私人銀行的客戶門檻可能從100萬美元到500萬美元不等，家族辦公室的準入門檻是300萬人民幣。

（圖：可投資資產規模高）

用戶占比低&線上化率低：雖然整體基數超316萬人，且對金融機構盈利貢獻價值超20%，但用戶占比不到1%，且參與機構線上活動、權益行權比例低（信托、稅務、子女教育、就醫綠通、私家律師、高端體檢、海外第二診療等）。

依托埋點日志、業務系統數據采集數據有限，用大數據及算法模型提供高凈值用戶的客戶畫像及標簽模型存在天然局限性，在設計CDP功能時，應整合線下人工數據，構建全面的用戶/客戶/企業標簽體系，并實現統一的”one ID”服務，以提供全域的實體畫像服務。

二、項目執行

對高凈值客戶的畫像指標分析、客戶數據管理平臺及營銷自動化實現，在宏觀上需要對營銷業務的本質，企業的數字化建設的現狀、基礎、訴求有所了解，從而構建合適的實現路徑，而不是一上來就造火箭。

1. 畫像效果量化的挑戰

• 現狀評估與領導溝通： 由于高凈值客戶樣本稀缺（占比不足1%），量化畫像效果面臨較大難度。必須深入了解當前情況，并爭取到各方領導的理解和支持。
• 線上化率提升：當前線上化率較低，需要采取措施提高這一比例，以便更好地收集和分析數據，例如，通過報表和已有系統進行oneid撞庫來搜集已客戶的數據。

2. 對齊目標

• 客戶畫像特征分析：對2020年及之后的新承保保單客戶進行深入分析，識別其畫像特征。
• 私人銀行客戶關聯性研究：探索新獲客高凈值客戶畫像與私人銀行俱樂部會員的關聯性，以識別那些更可能成為私人銀行客戶的畫像。
• AI名單推薦參數：為AI名單推薦系統提供關鍵參數，以支持后續的精準營銷活動，包括電話營銷、個人拜訪和會議營銷等，為后續的名單推薦、自動化營銷策略執行提供基礎。

3. 分階段執行

我們把金融機構數字化營銷分為了三個階段：

1. 起步階段：有數據報表可看
2. 增長階段：自助式分析、精準營銷
3. 成熟階段：通過精細化運營和AI推薦系統，進一步提升營銷的個性化和智能化水平。

綜上，我們項目處于增長階段，當前要做的是：建數據：CDP數據平臺中的360度客戶畫像，下一步成熟階段，我們要做模型：AI客戶價值打分、預測模型；搭功能：營銷自動化管理MAM。

（市場營銷平臺搭建架構圖）

三、產品設計

在第二步項目執行階段我們已經知道要做的事項了，那么在產品設計階段我們就要把功能進行落實：

1. 數據整合

1）客戶數據：oneid打通，并對客戶進行定義，例如從關系維度而言：客戶分為知道你、好奇你、好感你、購買你、推薦你，系統進行無差別全渠道數據數據采集；從身份維度而言：客戶分為潛在、線索、商機、已購、忠實，系統進行客戶行為追蹤打分。

2）系統數據：可以分為直接信息、間接信息、管理信息，針對無法直接采集的信息需要要錄入口，例如KYC表通過OCR識別形式進行快速填充，機構客戶經理或產品經理進行完善。

（1）直接信息（客戶直接和我們在各個端的交換產生的信息）

基本信息、理財數據、資產配置信息、保單屬性、理賠標簽、線上活動、線下活動行權數據（客戶服務、健康服務、私行服務）、埋點數據等

（2）間接信息（銷售或者客服人員填入）

KYC、代理人、活動預填信息等

（3）管理信息

歸屬，判斷，分類，分級，標簽等

2. 標簽畫像

標簽的實質是通過對客戶數據的直接提取或綜合處理，形成的特征集合。我們之所以將特定信息整合為標簽，是因為標簽在實際應用場景中的需要，例如決定是否在公共領域中積累數據，是否限定某次推送信息的受眾范圍，這些場景要求我們在客戶資料中創建多樣化的標簽。

大廠或SaaS平臺的營銷工具支持自助式的數據源接入、標簽接入、標簽管理與推薦，提供平臺化的能力，為畫像基礎層筑基。但在金融機構，這塊涉及到隱私計算的內審合規性及時效性。

在金融領域，隱私計算技術雖然從技術層面解決了跨領域數據合規使用的問題，并處理了數據使用權的分配，但并未完全解決用戶授權的問題。

隱私計算作為一種技術中立的工具，目前還沒有專門的法律文件對其合法性進行明確的承認和規范，所以在金融機構內部——尤其《個人信息保護法》的出臺——會讓第三方數據接入在內審這關就被pass，所以很多時候只能螺獅殼里做道場。

另外，大廠（例如螞蟻）的隱私計算需要密文計算，10億+的數據量需要T+1的時間返回結果，對于實時性較高的場景，例如活動營銷，存在壁壘。但是，也無需悲觀，業務方可以用外部數據更合規的滿足查詢、統計和建模等方面的需求。

（火山引擎的標簽可視化管理）

3. 用戶分群

• 用戶可以選擇目標受眾：提供基于規則組合和自助上傳的分群方法，以精確、迅速地識別并圈定目標用戶群體。
• 動態管理用戶群體：支持分組管理、實時監控群體任務狀態和趨勢，實現對用戶群體的靈活控制。
• 深入分析群體特征：通過深入分析，揭示目標群體的多維度特征，識別關鍵屬性，為業務發展提供洞見。

（類似規則引擎的營銷策略頁面）

4. 模型打分

當前的AI大模型是不完美的，我們產品經理接受不完美，利用不完美。針對高凈值用戶的樣本少，初始參數少，產品經理需要事先對齊較好的初始參數，可以讓算法小伙伴根據已有的標簽和數據喂出一個好的模型做好訓練集，其中產品經理做好評測集整合工作，優化這個函數黑盒。

1）模型標簽構建

系統配備了豐富的機器學習工具，助力用戶進行數據建模，并創建相應的模型標簽

2）金融行業特定模型

利用先進的算法和模型，實現潛在客戶識別、客戶流失預警和回購行為預測，推動數據智能應用

3）相似人群拓展

提供基于種子用戶群體的智能算法評估，幫助企業發現具有相似偏好和特征的潛在客戶群體

王小川：
大模型你沒給它一個輸入的時候，它的輸出是不確定的，他不是用一個詞一句話就能講完的。所以這個時候的話，很難用一套演繹規則去講清楚這件事情。我們講的邏輯是在做演繹的這個時候你怎么辦呢？你得把它拆解開，是變成一堆的評測集。所以這個產品經理他的要求不只是能夠去定義這個產品，要把定義的產品轉化成后面的一個評測集。也就是說你最后對于這個模型在什么輸入上給什么這種輸出給出一個測試的集合。

最后分享一個CDP功能全景圖，后續的應用場景我會在其他文章中分享，謝謝大家的閱讀。

（CDP營銷管理功能全景圖）