一、客户标签体系建设与管理困惑 ？
著名美国银行家布莱特·金(BrettKing)在《Bank 4.0》中清晰描绘了银行进化路线图，指出全球银行业正在迈向 4.0 时代，业务体验严重脱离物理网点，银行业务离柜率已接近 90%，呈现“金融业务无处不在，但绝不在银行”的局面。2020 年突如其来的疫情，银行业纷纷推出云服务，云开户、云贷款、云审核、云缴费等等，银行 4.0 的特征明显。
图 1 银行进化线路图 图片来源于《Bank 4.0》
这一趋势将促使银行管理决策者更加依赖数据分析做出最优决策，国内领先银行纷纷开展数字化转型，积极利用数据构建“智慧大脑”赋能经营决策、客户洞察以及个性化营销服务。而客户标签是实现客户认知的基础，是数字化转型实践中不可或缺的组成部分，通过标签可以精准、高效地筛选出目标客群，并掌握客户画像，其重要价值不言而喻。但在客户标签搭建与管理实践中，会出现很多令人抓狂的困惑，总结起来核心问题有四个：
第一，标签构建的体系化欠缺。有些银行已经积累了部分标签，但无法覆盖住客户生命周期各阶段运营的策略支撑，最终导致现有标签不好用、不够用、临时需要开发时间长的问题。
第二， 线上行为标签缺失严重。客户行为线上化趋势明显，但客户线上行为数据采集以及标签构建却未能及时跟进，行为数据对把握客户潜在产品偏好，提高营销精准度大有帮助，例如客户搜索、浏览产品、投资收益试算行为等。
第三，缺少客户标签管理中台。有些银行投资重点仍在新核心等系统方面的建设，数据化转型的数据中台建设尚处于规划中。例如某城商行缺少标签系统，客户大额资金动账类信息无法及时传递到前台，客户经理很难掌握关键营销机会，导致该行资金流失严重，80% 客户最终成为低价值客户。
第四，标签自助化创建与管理不足。业务人员在实际运营中经常提出新标签、查询标签结果、统计客户数量等需求，且常常并不能清晰描述数据加工逻辑与规则，技术需要花大量时间与业务人员沟通，确认规则后再进行代码开发、执行代码、传递结果，效率低下且时效性无法得到保证。
客户标签管理体系是银行数据化的基础能力，也是践行数据驱动战略目标实现的重要途径。那么，在银行 4.0 时代，如何去构建客户标签管理体系赋能数据化运营呢？
二、如何构建精细化客户标签体系 ？
▼
第一扇门：0-1 创建标签体系之门
首先，基于客户生命周期运营场景梳理标签需求
标签体系建设需要覆盖银行现在以及未来一段时间内客户精细化运营需要，梳理客户全生命周期业务运营场景是构建标签的第一步，是指导标签体系设计以及数据采集的关键环节。与此同时，在银行 4.0 时代需要加强客户线上行为类标签的构建能力，通过对手机银行 APP、网上银行、微信银行、直销银行、小程序等线上渠道的数据采集与标签构建（包括客户活跃数据、搜索、浏览、试算、购买、支付、活动参与等方面），可实现对客户需求的更深层、更全面的洞察。
图 2 构建围绕客户全生命周期的标签体系
其次，“4W1H”为核心构建标签体系
客户标签体系最终是为了满足客户精准识别以及客户画像洞察的诉求，这些诉求主要是围绕“4W1H”，当客户画像能比较完善地回答这些问题时，精细化运营也就顺理成章地开展起来了。
Who：谁是目标客户？标签体系需要具备灵活、多维度地圈选出目标客户，包括从基础信息、活跃状态、资产规模、交易类型、潜在投资偏好、流失倾向、产品到期时间等诸多维度进行识别客户，从而支持不同生命周期客户活跃度提升、产品交叉营销、客户价值提升等关键场景。
What：客户需求是什么？包括客户历史偏好与当前潜在需求，客户历史偏好有可能会一直延续，也有可能会发生改变，为此，需要采集用户的非交易类行为数据，以便更好地挖掘客户潜在需求。例如：通过浏览理财产品详情以及投资试算行为，构建客户潜在投资类标签，涵盖潜在投资规模、投资品类、产品名称、投资周期方面，助力精准产品推荐。
Where：客户经常出现在哪里？掌握客户线下位置偏好、线上渠道偏好以及渠道内运营栏位偏好，可极大地提升触达渠道的精准选择，对运营效率提升价值明显。
When：客户什么时间活跃？银行业务并非高频需求，掌握客户活跃时间对于精细化甄选投放时机尤为关键，有节假日消费多的，有股市收盘后查看基金收益，有发工资期间寻找投资产品的，因此，在客户活跃的时间里推送客户关心内容，收效是显而易见的，此类标签价值就是为了避免出现“失之毫厘，谬以千里”的运营状况发生。
How：如何影响目标客户？客户在消费、投资、兴趣方面还有哪些偏好，运营中可充分利用客户兴趣偏好来影响客户的注意力，例如：对于投资金额不多的小白投资者，通过稳健、固收类产品比较容易打动客户；对于游戏爱好者，一张专属的游戏信用卡以及装备权益更吸引客户办理欲望。
最后，按照科学的流程构建标签体系
比较合理的标签流程构建分为四个步骤，分别是业务理解与分析、梳理全生命周期运营场景、创建原子标签、归纳成体系。
图 3 神策数据从 0-1 构建标签体系的实施步骤
有哪些方法可以构建标签？
在构建客户标签时常采用数据统计、机器学习、特征映射三种方法，从实践经验来看，三种方法实现标签数量占比是 7:2:1 的关系，基本上 7 成标签需求是可以通过对现有指标做统计即可实现，机器学习可以对更为复杂的行为进行聚类、预测实现客户标签构建，特征映射法是前两种构建标签方法的补充。
方法一：数据统计法
通过对客户交易笔数、交易金额、交易时间、产品到期时间、产品购买次数、浏览产品的次数、时长等进行简单的数据统计或四则运算即可实现标签的构建。例如：通过一定周期内客户浏览理财产品的次数以及时长，构建客户潜在投资需求偏好标签。
方法二：机器学习法
通过对客户历史访问行为、浏览行为、交易行为等进行分类模型构建，运用构建规则对任意用户进行判断，从而实现标签构建，此法对数据建模能力要求较高。例如：神策标签系统集成 loolalike 模型，可自动化进行相似人群的识别与标签构建。
方法三：特征映射法
鉴于数据统计法的局限性以及机器学习法的成本压力，有些标签可以通过客户特征进行映射来构建，主要思路是通过客户特征，寻找行为特征，进而构建相应的客户标签。举例说明：有车一族的标签构建，有车客户是会产生加油、维修、保养、停车缴费等一系列行为，因此根据客户在 POS 机、手机银行、微信、支付宝等渠道上的消费信息，包括在 4S 店消费类型、洗车服务、停车缴费、修车服务、保养、加油等，对消费金额、交易笔数数据等进行统计从而映射出客户为有车一族。
『神策积累的八大维度标签体系』
基于近 200 家金融机构数据化实践经验，神策数据沉淀出八大维度的客户标签体系，包含金融交易类、线上行为类、投资产品类、资产规模类、客户负债类、风险评估类、客户价值类、自然属性类，从银行目前标签构建现状来看，普遍线上行为类标签构建比较薄弱。神策数据标签体系说明如下：图 4 神策数据积累的八大维度客户标签体系
神策数据沉淀的客户标签包括对私客户与对公客户，总体标签数量有 800+ 个，共有四级结构，以下是标签数量分布以及一级、二级标签分类示例。
图 5 神策标签数量分布及分类示例
三、如何最大化释放客户标签价值 ？
▼
第二扇门：客户标签最佳应用之门
客户标签是构建用户画像以及开展精细化运营的基础与核心，在客户全生命周期运营中发挥着重要作用，可赋能客户活跃提升、精准营销、交叉营销、流失挽留、风险管控等关键业务场景。主要覆盖在数据化运营的六个领域。
图 6 客户标签覆盖客户深度运营的六大方面
图 7 客户标签的三大运营场景
1）完善客户特征，增强分析维度
客户标签可以作为客户的一个属性参与到客户多维度分析中，这样可以简化分析操作，快速获得客群在标签方面的分布规律。例如，对高净值人群进行分析时，可以通过理财产品偏好标签进行分析，得到高净值人群最关注的产品种类以及客户规模，从而获得对客户的认知。
2）构建客户画像，实现 30S 客户认知
根据客户标签，构建客户全方位画像，实现快速的客户认知，更好地挖掘价值用户的需求，从而支持客户生命周期个阶段运营决策，如促进沉默客户活跃，对将流失客户采取召回措施防止流失。
3) 精准客群圈选，开展精细化运营及推送
根据客户年龄、风险偏好、交易偏好、用户行为特征等多个维度的标签筛选出用户群，对不同用户群进行精准定位，分析出其潜在服务需求，进而有针对性的制定营销推送策略。以提升理财交易额为目标的运营活动举例，目标用户群特征为高价值的非理财客户，且最近一周浏览理财产品的次数超过三次，我们便可以从各种维度选取相应标签，并通过标签快捷筛选获取名单，然后实施精准触达用户，最后再评估营销效果，来提升用户活跃增加用户粘性，进而增加销售额。
四、如何评价与实现生命周期管理 ？
▼
第三扇门：优质标签平台建设之门
标签平台是发挥客户标签价值的保障，从业务运营高效支撑以及标签生命周期管理出发，标签系统应具备标签自助创建功能、标签实时计算、标签体系及结果可视化、历史标签查询、标签生命周期管理、权限管理、标签导入/导出等关键能力。行业实践总结，优秀的客户标签管理平台具备五大特征：
『神策标签平台主要功能』
1) 灵活自助的标签创建功能
为了满足业务人员对标签创建以及灵活迭代的需要，神策数据标签系统提供了可视化标签创建界面，并且内置六种创建标签方法，可满足业务人员对绝大部分标签构建与使用的需求。为便于理解，对不同方式创建标签进行举例说明：图 10 标签创建方式的选择
1、自定义标签值方式
是指通过自定义每个标签的名称以及计算规则，将人群划分为多个分层，实现标签构建。举例：基于过去 30 天内启动 APP 的次数创建客户活跃度标签，10 次（含）以上为高度活跃、5-10 次为中度活跃、5 次以下为低度活跃，每一个分层的划分阈值可以自定义调整。
2、基础指标值方式
是指将用户完成事件的次数等指标的计算结果作为标签值的创建方式。举例：通过客户分享活动页面的次数创建客户分享活跃度标签。
3、首次末次特征方式
是指将用户首次或末次完成事件的时间、距离今日的天数或事件的属性作为标签的值进行标签创建。举例：构建一定时期内首次完成理财购买距当前日期的天数的标签。
4、事件偏好属性方式
是指将用户完成事件按照某个属性进行分组排序，使用排名前几个的分组作为标签的值的方式进行标签创建。举例：构建客户理财产品偏好 TOP5 标签。
5、行为分布结果方式
是指将用户完成事件在指定时间段内分布的天数或小时数作为标签值的方式进行标签创建。举例：未来一段时间内理财产品即将到期的天数。
6、SQL 计算结果方式
是指使用返回的 SQL 计算结果作为标签的值，为用户进行标记。举例：近 30 天内消费金额分档。
2) 标签体系与计算结果可视化
具备逻辑清晰的标签体系、标签计算结果的可视化能力，满足业务人员对标签完整体系的掌握以及标签结果查看，可降低业务部门人员使用门槛。一般来讲，客户标签是动态变化的，客户历史标签对业务部判断客户价值、潜在需求有较大帮助，神策标签平台提供历史标签按天查询的能力，可最大限度支持业务发展。
3) 客户分群与客户画像功能
在创建完标签后，经常需要根据标签进行客户分群，查找所需要的目标客群，神策标签平台可以灵活、便捷地构建分群，同时支持画像分析，使业务人员更加快速地掌握特定客群特征，增强认知，为后续营销策划提供方案支持，以下是信用卡沉默用户分群后每日客群规模分析数据。
在运营中，往往基础客户的运营是需要进行群体客户画像分析，从而制定针对特定分群客户的活动策略，但对于高净值客户，客户经理需要掌握高净值客户的资金变动、投资偏好以及兴趣的变化，单用户画像功能是客户经理提升对高净值客户服务的利器。以下是客户画像示例，即可进行群体画像，也可进行单用户画像。
4) 标签权限精细化管理能力
标签管理中台往往承载了零售客户、对公客户、小微客户、信用卡客户等不同群体的标签内容，因此在标签隔离以及标签修改、使用上应具备精细化的管理权限，以确保标签体系得到正确的维护。
『构建标签的数据采集方案』
构建标签所需数据主要来源两个方面：
一是通过 ETL 采集银行内部现有业务系统数据，例如：理财平台、基金直连平台、支付平台、ECIF 系统、绩效系统、网联平台、银联平台等数据，往往是需要通过 Ecif 号进行打通，确保客户唯一识别；
二是通过全埋点、可视化埋点或代码埋点的方式采集的用户线上行为数据，包括客户在网银、手机 APP、直销银行、微信小程序、H5 页面上的浏览、操作行为及相应属性的数据。以下是某银行构建标签时数据采集方案简介。
▼
第四扇门：客户标签体系评鉴之门
标签的好与坏一直是个困扰，主要是很难去量化衡量，在这里也结合多年对标签构建与使用的经验，建议标签评鉴可以从标签自身质量与应用价值两个方面去考量。
标签自身质量的评价可以考虑标签体系的完整度、标签重合度以及标签值准确性等方面，实践中经常会遇到一些企业标签数量随着业务发展不断增加，导致了标签体系越来越臃肿，出现大量的无效标签或者高重合度标签，这样就大大降低了标签体系本身的质量。
标签应用价值的评价可以通过标签调用次数、频率以及在实践应用中效果来衡量，标签调用次数与频率是直接能反映标签应用价值的指标，越好用、越有用的标签往往被调用次数比较多，也说明拥有更多的使用场景。而标签应用效果受多种因素影响，往往一次营销活动的客群是通过多个标签筛选的到，所以活动效果并不能直接体现某个标签的价值，但可以作为主要标签的评价参考。
▼
第五扇门：客户标签管理机制之门
正如前面所说，标签从开始创建到使用，再到随着业务不断发展，标签也在不断变庞大，有些使用频率低的标签每日更新对系统存储与计算资源也造成浪费，因此，标签需要进行生命周期管理，避免标签系统变得臃肿而无法有效使用。那么如何进行标签生命周期管理呢？
首先，我们在标签创建的时候就应该按照最优实践模式开展，而不是想到什么需求就构建什么标签，这样就会导致一开始标签构建的时候就是随机的、凌乱的。
其次，标签上线后，持续对标签使用开展监测与分析，对短期不使用的标签进行暂停更新，当需要使用的时候再启动；对于长期不使用的标签可以选择关闭标签查看与使用功能，相当于给标签进行瘦身管理。
最后，随着业务发展，会有新的一些标签创建需求，应遵循先利旧再新建的原则，优先考虑在原有标签基础上进行迭代，新创建标签与原有标签体系做好归类管理，避免出现同类型的标签层次划分混乱或者相似标签重复创建的问题。
