一个典型的银行精准营销客群挖掘项目总结（1）

1. 项目背景

       为了实现国际化、综合化、打造最佳财富管理银行，提升零售银行核心竞 争力，XX银行正式启动了由个金部牵头，零售信贷、信用卡中心、技术 管理、软件开发等部门参与的“零售客户信息管理及精准营销项目”。“精准营 销”是指银行通过数据分析，在恰当时机，通过恰当渠道，将恰当产品提供给 恰当客户的系统流程。 本项目分为三个阶段，第一阶段为 POC 试点，主要工作任务是做两个 EBM 事件和一个数据挖掘模型，验证采用数据分析的方法能提高名单获取的精确性， 提高营销成功率。第二阶段包括客户细分，客户获取，交叉销售等几个模型。 第三阶段包括房贷提前还款模型，基金客户获取模型，保险客户获取模型等几 个模型。下面重点介绍保险获取模型的开发过程。 目前交行银行已经在执行保险外呼营销活动，但名单获取方式是比较简单 的业务规则，营销成功率比较低。因此，交行迫切需要采用更先进的技术手段 获取高响应率的客户。 在本项目中，采用数据挖掘技术构建保险客户获取预测模型，通过大量的 历史数据发现购买保险产品的客户特征，选择最有可能购买保险产品的客户进 行营销，提高营销成功率。

2.业务问题定义与分析

2.1.业务问题定义

       随着市场的竞争，客户管理由粗放式方式逐渐向精细化过渡，为了实现营 销目标快速精准定位，需要向恰当的客户营销恰当的产品。客户获取就是为了 满足营销精准定位而提出来的一种数据挖掘应用。 客户获取通过响应预测模型来实现。响应预测是通过分析客户的基本信息 及历史交易行为，来预测未来可能购买某种产品的可能性，从而向高响应率客 户针对性地营销该特定产品。

       客户获取主要实现以下几个目的：

        产