“2020金融文字節——銀行數字化創新主題征文大賽”由中國電子銀行網（微信公眾號：cfca-cebnet）、未央網聯合主辦，和訊網作為戰略合作媒體，清華大學金融科技研究院作為學術支持，以下為參賽者投稿。

作者：中國建設銀行合肥電子銀行業務中心網站運維處 蔣雄

客戶之聲是客戶訴求和希望的表達，反映了客戶對銀行產品服務的真實體驗，海量客戶之聲信息的背后，是客戶行為需求的深刻體現，蘊藏著客戶和市場最真實的態度和需求。

客戶之聲就像一座底蘊豐厚的金礦，客戶經常發出“我建議…”“我希望…”“如果可以…就更好”的聲音，在這些聲音中記錄著客戶使用的痛點和關注的焦點?？蛻糁暉o論是在線文本還是語音對話都是以非結構化數據的形式存在，客戶之聲非結構化數據占據著銀行大量的存儲資源，但對其的應用還處于初始階段，尚未被銀行進行有效大范圍的推廣運用。

客戶至上、體驗為王。大數據技術飛速發展的今天，客戶對金融產品的使用體驗非常關注。怎樣在服務客戶和銷售產品中使客戶感到滿意，是銀行數字化轉型成功的關鍵。

大數據分析技術、文本挖掘分析、自然語言處理等技術的廣泛應用，對客戶之聲非結構化數據進行分類、聚類、建模以及情緒評分等技術分析處理。銀行可以逐漸深度挖掘客戶之聲資源，獲取營銷商機，開展精準化的營銷，挽留潛在流失的客戶，提升客戶滿意度?？蛻糁暦墙Y構化數據的創新應用將對銀行數字化轉型發展起到極大的推動作用。

一、客戶之聲非結構化數據概念

從數據管理的結構層面來看，大數據包括結構化數據和非結構化數據。結構化數據也稱作行數據，是由二維表結構來邏輯表達和實現的數據，嚴格地遵循數據格式與長度規范，主要通過關系型數據庫進行存儲和管理。與結構化數據相對的是不適于由數據庫二維表來表現的非結構化數據，包括所有格式的辦公文檔、XML、HTML、各類報表、圖片和音頻、視頻信息等。

目前，銀行內存在大量非結構化數據，例如，在線客服、微信客服、網站留言、手機銀行智能客服、頁面層級調查問卷、滿意度調查問卷等等，而銀行電話銀行、信用卡電話熱線等語音記錄也可以通過技術手段轉換成文本信息成為非結構化數據。銀行外部的微博、微信、今日頭條、社交論壇或搜狐新浪主流網絡媒體上，也存在著大量與銀行產品、使用體驗等息息相關的非結構化數據。這些客戶之聲非結構化數據是客戶最真實、最直接的反映，蘊藏著豐富的客戶信息，是銀行有待開發的金礦。

據IDC的一項調查報告中指出：企業中80%的數據都是非結構化數據，這些數據每年都按指數增長60%。銀行客戶之聲非結構化數據非常龐大，例如建設銀行在線客服渠道人工文本每月數據約30萬條，電話銀行每月接聽700多萬通電話，智能客服每月服務1.03億人次，但因分析挖掘技術和工具的限制，寶貴的數據財富往往沒有充分利用，還占據大量存儲資源，令人扼腕嘆息。

二、客戶之聲非結構化數據現狀意義

大數據的研究和應用正如火如荼，各家銀行對此高度重視，成立專門的機構，紛紛加緊推進大數據分析應用，不僅積極運用結構化數據，同時不斷嘗試對內外部非結構化數據進行采集、分析和挖掘。

目前，結構化數據在精準營銷等方面已經有廣泛的運用，并取得顯著的效果。而大量有價值的非結構化數據的研究應用仍處于探索階段，因缺乏合適的分析挖掘技術和工具，尚未被銀行有效挖掘應用，尤其是外部資訊網站、微博、微信和論壇等非結構化數據。

通過充分挖掘客戶之聲非結構化數據的這座金礦，對其采集、分析和應用，才能充分利用研究結果推動銀行的產品功能、渠道服務、操作流程的優化改進，增加精準營銷的有效性，提升客戶的滿意度，挽留潛在流失客戶，助力銀行加快數字化轉型發展。

三、賦能銀行數字化轉型的創新應用

（一）服務客戶新思路，促進線上線下多融合

通過開發手機銀行線上網點，網點人員可以申請客服功能，進行實名認證后，開展手機銀行APP客服工作?？蛻艨梢栽谑謾C銀行線上網點查看客服人員在線情況，客服的身份信息（如姓名、理財師、基金從業資格、業務范圍），以及網點信息，包括發售的理財信息，存貸款信息，信用卡辦理活動，網點營銷活動等等?？蛻艨梢灾鲃酉蚰骋粋€員工發起問題業務咨詢和業務預約，同時，客戶也可以公開發表業務咨詢信息(比如客戶想買基金不知道如何選擇基金)?；蛘咄ㄟ^客戶之聲大數據推送網點周邊3公里的客戶信息，由客戶經理主動聯系客戶，根據客戶的個性化需求為客戶提供金融產品或者服務。

線上線下一體化的客戶服務思路，加強了手機銀行和網點O2O融合，解決了服務最后一公里落地問題。同時，增設手機銀行網點即時客服，大量充實了客服隊伍，及時高效的服務從根本上解決客戶接通率不高問題。另外，線上載體是手機銀行，客戶大量使用APP，對客戶的粘性將加大，人氣更活躍。

（二）產品營銷新措施，拓展裂變營銷深度廣度

后疫情時代，客戶行為習慣發生了很大改變，金融行為的移動化社交化，非接觸式交易因其安全和便捷的特性受到客戶的青睞。建議把銀行的每一個金融產品都明碼標價成交傭金，比如100元的手機銀行話費充值其銷售傭金是5元，一份5萬的理財產品傭金是200元，一份1萬的快貸可以收益200元等等?？蛻艨梢栽谑謾C銀行中清晰查看各種產品的傭金，可以挑選適合自己的產品進行分發。通過誰的鏈接賣出的產品，誰就直接獲得傭金，如果自己購買也可以直接獲得返點傭金。

通過客戶之聲文本數據的建模，給客戶打標簽分類分群，針對客戶特性挑選合適產品推送客戶。比如關注汽車的客群，就可以向他們推送汽車信用卡，或者加油卡充值繳費等等。每一位客戶既是銀行產品的接收者、購買者，也是產品的傳播者、營銷者。構建了全民營銷體系，轉變了客戶的角色，只要客戶對傭金感興趣，社交鏈上的客戶就變成銀行的營銷人員?？蛻艏仁窍M者也是營銷者，形成全民營銷體系，極大的擴張了銀行營銷人員，而且是免費的營銷人員。同時，客戶親自使用或者購買金額產品，以自己的信用為金融產品背書，增強了營銷說服力，提高了金融產品的購買率。（引用于《社交銀行——基于裂變思維的新金融銀行營銷模式探究》 蔣雄 中國電子銀行網）

（三）營銷商機新工具，實現獲客活客精準營銷

精準營銷本質上是“以客戶為中心”和“精細化經營”轉型的具體落地。獲客和活客是精準營銷的兩大重要目標，很多營銷商機模型都是針對兩者制定的。通過對在線客服和微信留言等客戶之聲非結構化數據的分析挖掘，按照相關性和因果性分析方法，精準定位客戶需求，為具有潛在營銷商機的客戶群體構建標簽，并結合客戶屬性、交易特征等結構化數據，精準定位生成營銷清單，對不同客戶進行有目標的差異化營銷，提升客戶產品覆蓋度和對銀行價值貢獻。

這種方式比單純的結構化模型的營銷精準度更高，有效性更強，因為客戶已經通過客戶之聲表達了客戶特殊而明確的意愿，避免了結構化數據靜態、滯后的缺點，而且營銷的策略是針對客戶分類制定的，其精準營銷的效果更明顯。

（四）創新優化新途徑，提升客戶使用體驗

客戶之聲非結構化數據為銀行產品和服務創新優化提供了新的途徑，利用大數據熱詞分析和R關聯分析，了解客戶對產品的訴求，提煉出客戶的建議以及關注的重點，以此為根據改進銀行產品服務以及業務處理流程。

同時，隨著對大數據研究和運用的不斷加深，將會抓取社交媒體或網絡媒體的客戶之聲非結構化數據，了解當前市場同業新推或主推產品，分析提取客戶對銀行產品的訴求，建立同業產品洞察視圖，并從中尋找金融產品創新的靈感。最后由業務部門評估新產品研發需求，技術部門進行研發。

客戶之聲非結構化數據已成為優化創新業務流程、提升客戶體驗的新途徑，對其收集分析，有助于理解客戶需求、貼近市場變化而創新，有利于優化現有的產品和服務的業務流程，提高客戶的使用體驗。

（五）情緒評分新手段，挽留潛在流失客戶

通過客戶之聲非結構化數據的分析，了解客戶對銀行產品或服務的評論，使用情緒評分進行量化統計，按情緒分類標準計算情緒指數，用于測量使用體驗的感受程度，了解客戶對金融產品服務的態度。情緒維度分為愉悅、滿意、認同、中性、煩、怨、怒等七個等級，可分別計算各問題類別及具體問題的情緒評分。評分范圍為-1分到1分，每個等級間隔為0.1分，其中，情緒評分為正數，表示客戶比較愉悅；評分為負數，表示客戶比較不滿；評分為零，表示客戶情緒中立。

運用客戶之聲情緒評分新手段，收集到評分為負數的客戶。銀行及時了解到客戶表達不滿情緒的真實目的，可以采取主動、有效的措施，挽留潛在流失客戶，獲取成功率較好的營銷商機。

（六）輿情監測新渠道，預防聲譽風險

為了主動適應新形勢下的金融風險和輿情監測新動向，支持全行轉型發展，建立規范化、常態化的聲譽風險監控機制，前瞻性防范化解銀行聲譽風險苗頭。通過客戶之聲非結構化數據采集銀行內外部渠道中有關網絡金融產品及服務的評論信息，根據客戶評論文本的態度，提供產品或服務話題的關注程度。話題關注程度分為正面、負面、中性三種，重點關注負面信息，評估負面事件的影響力。

作為輿情監測的新渠道，實現了聲譽風險早識別、早預警、早處置，最終實現負面事件的自動發現，對新聞媒體重大投訴、互聯網上有關銀行的投訴等負面信息的同步監測，預防發生聲譽風險。

責任編輯：王超