招商银行信息技术部零售研发中心团队负责人 唐山峰

  随着移动互联网的普及，手机银行等App已成为各大银行服务客户的主要渠道，客户习惯于通过线上App便捷地办理收支查询、转账汇款、理财交易等各类金融业务，这为银行带来仅次于互联网头部媒体的海量线上客户流量。以招商银行为例，其手机银行和掌上生活两大App的月活跃用户数量(MAU)已超过1.1亿。如何做好线上亿级客群的个性化精准营销工作，实现活跃、留存、转化的可持续提升，既是银行在客户经营领域的重要课题，也是其数字化经营能力的重要体现。

  在此背景下，招商银行基于前期在数字化营销领域的一系列探索和实践，将数据洞察、个性化投放、效果评价反馈等营销核心能力进行抽象沉淀和开放共享，构建了具备企业级复用能力的智慧营销引擎，以快速赋能全行各业务场景的个性化精准流量经营。智慧营销引擎依托大数据、人工智能等技术，聚焦于提高与客户线上实时交互的效率和转化率，致力于人、货、场之间的高效精准匹配，通过“千人千面”的个性化内容推荐，实现客户体验和业务成效的双提升。目前，智慧营销引擎已支持手机银行App、掌上生活App、企业银行App、VTM、柜面等渠道的700多个栏位，实现了对主要线上线下渠道客户服务场景的全覆盖。智慧营销引擎的业务应用场景如图1所示。

图1 智慧营销引擎的业务应用场景

  一、以引擎方式构建企业级流量经营体系

  企业级规模化流量经营场景的快速构建和高效运营，依赖于一个开放化、智能化、高性能的营销引擎。从业务维度看，引擎的核心在于支持人、货、场的精准匹配与高效运营;从技术维度看，引擎的核心在于对营销共性能力的抽象沉淀和开放复用。基于该建设思路，智慧营销引擎的总体架构(如图2所示)采用了分层设计的方法，通过数据分析层、引擎层和服务层实现对与业务无关的营销底层共性能力的抽象和沉淀。架构层级间通过制定API、数据和模型接入规范进行多种形式的开放，实现共性与个性的剥离，提升了引擎的规范性和适应力，可支持各业务系统的标准化接入和个性化扩展。这种全行数字化营销底层能力共享、数据和场景共建的开放架构，有利于促进不同业务场景之间的资源共享和融合经营。

图2 智慧营销引擎的总体架构

  1.数据分析层

  数据分析层复用大数据分析平台、模型平台等基础设施，包括标签数据中台、营销模型、营销转化指标库，为引擎层提供标准化的数据中台服务。

  (1)标签数据中台

  标签是描述一类对象(客户、产品、素材等)特征的数据标识，如客户年龄、性别、偏好、产品风险等级等。通过体系化整合形成统一的标签数据资产和高效的数据中台服务，可减少重复开发，实现数据的共建共享。同时，全链路数据时效治理和全生命周期质量管理有利于提升数据质量、节约存储资源。

  (2)营销模型

  模型是对营销数据中特定规律的学习和预测，如点击预估(CTR)模型，从客户在App的浏览点击数据中学习并预测其对新内容的点击概率。通过对不同业务场景进行底层模型的差异化应用，构建支持各类业务场景和经营目标的智能化应用，可有效降低对人工经验的依赖，有利于提升自动化运营的效率和效果。

  (3)营销转化指标库

  转化指标是评价营销活动效果的数据度量指标，如点击量、理财产品购买金额等。通过对全链路营销数据的整合分析，打造覆盖各类业务经营目标的统一的指标数据资产和数据中台服务，可避免指标重复加工、回检口径不一致等问题，有利于提高全渠道营销效果评价的一致性。

  2.引擎层

  引擎层是对内容推荐、数据洞察、评价反馈等营销核心计算能力的抽象和沉淀，为服务层提供了可复用的底层通用计算能力。

  (1)高性能的策略计算能力

  内容推荐引擎封装了召回、过滤、排序等推荐处理模块，为海量营销策略提供了高性能的通用计算能力，可实现万级QPS下的100毫秒低时延响应，支持全行日均十亿级请求量的人、货、场实时匹配计算;通过专家规则和模型算法相融合的计算框架，支持“人+数字化”的融合经营模式。

  (2)多维度的数据洞察能力

  基于成熟的客户标签体系，智慧营销引擎构建了客群圈选、客群画像、客群扩散等洞察分析能力，可以精准高效地筛选自定义目标客群，灵活地分析多维客户画像，构建亿级客群在数千量级标签下的快速试算分析能力，为营销活动策划提供决策参考。

  (3)全链路的评价反馈能力

  基于对营销活动全链路过程和业务转化数据的整合分析，智慧营销引擎构建了路径分析、漏损分析、多维分析等营销效果回检能力，实现营销链路不同节点的精准串联和多维度归因，为营销活动的客观评价提供多维度的数据参考。通过将效果数据回流到推荐计算模块，可影响推荐策略，形成基于数据驱动的策略迭代改进闭环。

  3.服务层

  服务层实现了对营销公共能力的封装，通过完善的营销服务接口(Marketing API)，为经营层的业务系统提供即接即用的便捷化集成能力，同时将不同业务条线对营销的差异化管理剥离到各自的业务经营系统，实现对共性的高类聚、对个性的低耦合，支持不同条线个性化需求的灵活扩展。作为一个开放的数字化营销中台，智慧营销引擎发挥了连接各类业务经营平台和渠道媒体流量的桥梁作用。智慧营销引擎的开放式接入体系如图3所示。

图3 智慧营销引擎的开放式接入体系

  二、以“一转四化”夯实业务运营的质量和效率

  智慧营销引擎在基础能力建设和业务场景赋能等方面取得了快速进展，如何进一步提升整体运营的落地质量，解决运营痛点问题，是招商银行从初期基建转向业务赋能阶段面临的主要挑战。在实践中，招商银行通过推进“一转(转化率)四化(精细化、智能化、实时化、场景化)”落地方案，明确牵引目标，深耕四条主线，有效提升数字化营销运营的质效。

  1.精细化：数据驱动策略的精细化运营

  针对部分活动投放客群范围过大、策略或素材过少等粗放运营问题，招商银行通过运营质量诊断、运营分析月报、流量成本虚拟计费等措施，初步建立了事前诊断、事后治理、数据透明的精细化运营管理体系，形成落地执行闭环。

  2.智能化：“人+数字化”的智能推荐体系

  针对业务运营惯性依赖专家规则、策略迭代效率低、无法覆盖长尾流量等问题，招商银行通过探索自动化托管策略以及建设贯穿营销洞察、投放、回检全过程的智能化体系，形成人与机器的深度协作模式。业务专家专注于业务规则的创新与整体利益考量，保障客户体验与战略方向;机器则专注于策略的快速迭代与优化，提升经营效果与市场响应速度。

  3.实时化：基于客户行为的实时反馈机制

  针对客户行为、模型特征、效果回检等数据的“T+1”时效带来的营销时机滞后问题，招商银行通过完善客户行为、业务转化等全链路的实时数据，制定实时营销优化策略，构建了对客户行为的秒级反馈优化能力，及时把握营销时机、提升业务转化效率。

  4.场景化：聚焦重点场景的策略和流程优化

  针对不同业务场景在经营目标、经营模式等方面存在的显著差异，招商银行通过将重点经营场景的经营策略模板化，推动优秀营销经验的借鉴复用，同时基于场景对活动投放流程进行优化，提升营销运营的效率和转化率。

  三、以科技创新助力流量经营全要素生产力提升

  随着客户经营规模的增长和客户需求的日益多样化，线上流量经营逐渐步入深水区，如何实现科技创新对流量经营的深度赋能，以更高效、精准地服务客户，成为银行的重要课题。招商银行通过解构影响经营成效的核心要素，在AI赋能人、AI赋能策略和AI赋能经营分析等方向进行了一系列实践和探索。

  1.AI赋能人：提升运营作业的质量和效率

  AI赋能人主要解决优秀策略挖掘共享、人工素材创作效率低等问题。招商银行通过模型算法对优秀策略的挖掘和共享，实现经营范式的标准化，如基于大模型以AI助手形式提供活动策划建议等，有效降低了运营人员因个人能力差异带来的试错成本;同时，利用大语言模型、图像处理等AI技术，快速生成各类图文素材，提升了内容制作效率。

  2.AI赋能策略：提升策略的自我学习和动态优化能力

  AI赋能策略主要解决数据驱动的策略迭代效率提升、全局视角下的动态优化等问题。招商银行基于强化学习等思路探索智能优化闭环，通过少量探索投放、放量最优投放，实现策略的自我学习与优化，形成“今天影响明天”的快速迭代反馈机制;同时，在事前、事中环节，从全局视角对营销资源、转化概率进行综合评估，动态调整策略优先级，实现全局利益的最大化。

  3.AI赋能经营分析：提升智能效果归因和人工效能分析能力

  AI赋能经营分析主要解决营销活动优化、人工效能分析等缺乏科学有效数据支撑的问题。招商银行通过灵活配置、分层分流、智能报告、自动放量、模型托管等，打造营销策略A/B实验闭环体验，为营销优化的各个环节提供科学的决策依据;同时，通过模型算法实现对不同场景下人员效能短板的精细化分析指导，提升经营队伍的整体效能。

  稳健的客户经营是银行业务持续发展的基础，在存量客户经营日趋重要的当下，线上亿级客群高效经营的重要性日益凸显。招商银行通过智慧营销引擎的建设，探索了以数据和技术创新驱动营销数字化转型的有效性，为未来数字化营销的深度智能化转型奠定坚实的基础。