信用卡业务一直以来都是商业银行零售业务的“必争之地”,如何更好地低成本获客、高价值留客,已成为各家银行的“必修课”。从央行发布的2021年三季度数据来看,全国信用卡和借贷合一卡的发卡规模仍在稳步上涨,在用发卡量达到7.98亿张,同比增长4.2%,但已有部分银行信用卡发卡速度开始放缓。

        从“跑马圈地”到“精耕细作”,信用卡存量市场的博弈时代已然开启。融慧金科咨询专家认为,在银行数字化转型浪潮推动下,如何构建起强大的精准营销和自主风控体系,打造精细化的客户运营能力和差异化的产品定价能力,将成为信用卡业务实现高质量发展、在精耕细作中破局下半场的关键。

        目前来看,在客户精细化运营方面,部分大中型银行信用卡机构已经进行了卓有成效的探索。下面我们以某国有大行信用卡业务为例,看看该行是如何做好细分客群精准营销与持续精细化服务的。

        该国有大行信用卡业务对于风控的需求

        近年来,该国有大行积极拥抱开放银行浪潮,践行数字化转型,深化场景布局,以优质用户群体为重心,深耕细作,并建立起了贯穿信用卡客户全生命周期、全流程的风险管理体系。伴随着数字化转型步伐的加快,该行为进一步提升自主获客和自主风控能力,全面满足监管合规的高标准和严要求,通过对市场上众多第三方金融科技服务商的专业调研和综合评估,最终选择融慧金科作为合作伙伴,并对融慧金科提出了两方面的诉求:

        一是希望最大化提升模型效果,优化信用卡风险管理体系,实现对风险的精准管控和精细化管理。

        二是希望建立起贷中循环分期模型,通过优化客群结构重点挖掘出优质客户(如客户是否具有分期意愿、是否具有循环行为等),从而针对不同客户提供相应的营销服务,进而增强客户黏性,提升客户价值挖掘。

        基于以上两点需求,融慧金科咨询团队专门为该行“量身定制”了模型咨询解决方案。该方案的具体实施,大体可以划分为需求分析沟通、数据挖掘和清洗、模型搭建三个阶段:

        首先,与行方沟通细化需求,制定最优建模方案。

        融慧金科咨询专家团队与行方多部门相关人员均进行了充分沟通,并对该行信用卡业务的风险管理现状进行了差距分析和综合评估。结合行方内外部数据资源情况和实际业务需要,双方共同确立了贷前信用模型及贷中分期循环模型搭建方案。

        其次,通过数据清洗和变量加工,筛选出优质数据。

        数据是建立模型的基础,而数据清洗是保证数据可用的重要一步。目前行方内部不同系统之间积累了大量的数据,外部也接入了上百个不同的数据源,这些数据虽然足够多,但可能存在着冗余、不完整、覆盖不均等问题,若是直接使用将会影响模型最终的效果。而融慧金科要做的就是对数据进行清洗,剔除原始数据中繁杂、冗余的信息,处理成可被模型解读的特征,且在变量加工过程中充分考虑数据的稳定性、相关性、准确性、特征变量的结构以及宏观因素对预期的影响,以保证模型效果。

        最后,基于机器学习算法完成模型搭建。

        基于机器学习的建模方法和融慧金科多年沉淀下来的理念和方法论,融慧金科协助行方完成了模型设计、模型训练、模型开发、模型验证等全流程服务,并确保了行方所搭建的模型同时具备区分度、稳定性、准确性、可解释性和敏捷迭代“五高”特性。

        此方案为该行带来的收益

        据反馈,模型经过验证后效果表现优异,在稳定性、准确性上均出现大幅提升,帮助该行在降低获客成本、促进业务增长、有效控制风险方面取得显著成效,赢得了该行高度认可和信赖。

        值得一提的是,在赋能该行构建自主风控体系的过程中,融慧金科派驻专家团队和银行的风控人员一起来搭建优化风控模型体系,把业务跑顺做大。在此过程中,融慧金科的大数据技术和建模方法是完全开放给行方的,该行也借此沉淀培养出了自己的模型分析团队,大大提升自主风控能力建设。

        作为坚持合规要求下创新发展的金融科技企业,融慧金科一直高度重视风控技术的研发和应用,并积极对外输出,结合甲方基因、复合型人才、白盒服务等优势,深度赋能银行数字化零售业务,使其在监管合规指引下,建立起高度自主的核心风控体系。毋庸置疑的是,银行机构与金融科技企业的合作共赢,正是数字金融时代共建浪潮下金融与科技高度融合,进而实现正向循环的完美缩影。

《电鳗快报》