在激烈的銀行競爭環境下，釋放存量客户的復購潛力成為關注的重點。然而，目前銀行銷售理財產品過程中存在一系列問題，其中一個主要原因是過度依賴理財經理的個人經驗。國有銀行也難以避免這些問題在目標客户定位和營銷執行過程中的出現。

某國有銀行面臨業績壓力和營銷資源矛盾，導致存量客户復購潛力難以發揮。

在一家某國有銀行重點分行，主要分為三個業務部門。這三個部門分別是個人金融業務部門，負責銷售投資型產品；消費金融業務部門，負責放貸；以及信用卡業務部門。這三個業務部門的發展相對獨立，其中個人金融業務部門擁有超過 1000 萬名客户。

銀行業務競爭激烈，要提升業績增長，必須充分發掘存量客户的再次購買潛力。過去，銷售理財產品一直依賴理財經理個人經驗，這導致在確定目標客户和執行營銷過程中出現了低轉化率、高風險的情況，亟需改進。

質量低下：響應率較低，平均不到 1%。

效率低下：目前只有 400 多名理財經理，每月僅能與大約 2 萬名客户聯繫。然而，存量客户超過 1000 萬人，符合銷售條件的也有數百萬人。目前採用的隨機或經驗法則的銷售方式無法及時發現和滿足有需求的客户，導致了銷售機會的失去和客户的流失。這些客户處於 “睡眠” 和 “流失” 狀態中。

風險較高：如果過分干擾客户，可能會導致投訴的發生。當客户投訴數量較多時，監管部門可能會暫停使用外呼渠道。

飛算科技對該銀行的業務流程進行了分析，發現各個環節都存在明顯的問題

經過對該銀行的業務流程進行全面分析，飛算科技發現了三個存在問題的環節，而且這些問題一直沒有得到妥善解決。

第一階段的業務環節是 “獲取候選名單”，具體業務內容是業務人員向 IT 人員提出需求，以獲取候選名單。該業務存在四個主要痛點：一是業務人員缺乏分析能力，必須依賴於 IT 人員；二是 IT 人員容易產生理解偏差；三是 IT 人員的反饋週期較長；四是雙方溝通效果較差，導致需要進行較多的重新工作。銀行嘗試了使用總行的大數據平台進行改善，但效果不佳。其中問題一是業務人員仍無法參與進來，業務和 IT 之間的 “溝通鴻溝” 仍然存在。問題二是總行的數據未考慮到各分行的個性化需求，反而無法滿足需要。該業務環節目前比較原始，業務人員提出需求後，IT 人員手動提取數據。

在第二個業務環節中，業務人員根據經驗判斷，確定高潛力客户，並形成一個短名單。不過，他們面臨的問題是依賴於經驗法則，導致定位不準確，效果不佳。該銀行曾嘗試僱傭算法專家進行人工智能建模來改進這一情況，但效果不令人滿意。原因之一是專家成本較高，另一方面是建模週期較長，無法滿足業務團隊的時間要求。目前該環節中的業務現狀是專家建模只在小範圍內使用，經驗法則仍然是主要決策依據。

“建聯與銷售” 是第三個業務環節，即業務人員與客户聯繫並推薦理財產品。然而，該環節存在的問題是依賴於人工方式，效率不高。為了改進這一問題，該銀行嘗試使用傳統的營銷系統，雖然解決了一些問題，但也帶來了新的問題。首先，營銷閉環沒有打通，還需要人工進行執行，無法實現自動化營銷。其次，無法實現跨渠道資源整合和客户溝通策略的優化。目前，該環節仍然使用傳統的營銷系統進行操作。

飛算科技利用自動化、人工智能和大型模型技術，為該銀行提供了全方位的解決方案

飛算為該銀行提供的端到端解決方案，它由三個部分構成。首先是大型模型和 BI 增強分析，以解決客户洞察問題。其次是自動化建模，以解決短名單準確性問題。最後是自動化營銷，以解決營銷效率和資源優化問題。

飛算科技的解決方案第一部分是 AI.Insight。該產品能夠自動生成客户畫像，並提供趨勢分析、歸因分析和差異分析等功能。AI.Insight 綜合運用小模型和大模型的優勢。小模型負責分析和推薦，而大模型則負責交互和決策生成。AI.Insight 能夠為 “獲得長名單” 業務環節帶來智能交互和智能洞察這兩個預期效果。通過對數據洞察點進行客户特徵分析，可以確定異常客户羣體的定位。

飛算科技的 AI.Modeler 是一個全自動化的數據建模平台，用於解決方案的第二部分。它專注於數據加工和模型開發，覆蓋了數據建模領域的分析、清洗、衍生、選擇、迭代、上線等整個建模生命週期。AI.Modeler 可為 “獲得短名單” 業務環節帶來預期的兩個效果：精準定位和低使用門檻。

精確定位：建立存量客户小名單，進行精準營銷，提高轉化率。

AI.Modeler 標準版適用於產品與理財經理等業務人員，其使用門檻較低。只需一鍵啓動，即可完成建模過程，全流程全自動，僅需 30 分鐘，包含 4 個步驟。與專業建模人員的效果相媲美。

通過飛算科技的自動化營銷平台來實現第三部分的解決方案。可以支持營銷閉環的打通，優化營銷策略，管理營銷資源，並且設計、執行和追蹤活動等需求。使用自動化營銷平台可以達到 "建聯與銷售" 業務環節所期望的營銷策略優化、營銷資源管理、活動設計和執行的效果。

飛算科技和該銀行的合作帶來了顯著的業務收益

2022 年 6 月 10 日至 30 日，飛算科技進行了 POC，通過與真實客户交流並統計營銷結果進行線下驗證。結果顯示：飛算科技的解決方案響應率達到 2.48%，而傳統銀行的響應率僅為 0.31%，飛算的響應率是傳統方式的 8 倍。飛算的解決方案平均購買金額高達 185 萬，而傳統方式只有 50 多萬，飛算的平均購買金額是傳統方式的 3.6 倍。總體而言，使用飛算的業務收益提升了近 30 倍。

該銀行對這次測試結果非常滿意，決定正式購買飛算科技的產品。雙方正在討論客户畫像、事件營銷和營銷自動化等細節，以推進進一步的概念驗證。

如果你也對存量客户的價值增長解決方案或方案中的具體產品感興趣，關注【飛算科技】公眾號瞭解更多。