近年來，國內各大商業銀行不斷擴大發卡量，我國信用卡市場初具規模，數據顯示，截至2014 年末, 全國人均信用卡持有量約為0.3張。我國信用卡業務在“跑馬圈地”式的粗放擴張背后，是發卡質量的隱患重重，主要表現在：一是逾期率不斷攀升，壞賬風險逐漸曝露，發卡行急需加大客戶信用風險管控力度；二是大量虛假、無效發卡行為浪費了營銷和管理資源，卡片激活率低、睡眠率高等問題縮小了信用卡的利潤空間；三是客戶忠誠度低，各家銀行推出的促銷活動往往具有同質性，難以形成客戶黏性，且隨著辦卡周期的縮短和成本的下降，客戶在各家銀行之間轉移的成本也越來越低，發卡行對客戶流失無法形成有效阻力。

面對上述問題， 我國銀行業開始聚焦于一種高效優質的發卡形式—— 交叉營銷。Nash(1993) 和Deighton(1994) 等人認為, 交叉銷售就是“鼓勵一個已經購買了某公司A 產品的顧客購買其B 產品”。顯而易見，這一營銷形式天然地與數據緊密關聯。一方面企業內部數據可提供具備購買條件的潛在客戶清單；另一方面通過數據分析可進一步縮小目標客戶范圍，完善營銷形式，提高營銷的精準度、成功率和客戶體驗。這種營銷方式發達國家銀行早已采用，如美國富國銀行將交叉銷售模型作為其精細化管理的關鍵模型之一，在多年的努力下，其零售客戶人均持有的銀行產品數量為6.4 個，大大提升了其盈利能力。大數據技術使得交叉銷售無論從形式和內容上都更具操作性，適用場景也更為豐富?？梢哉f，隨著大數據技術應用的不斷成熟，國內商業銀行大力開展交叉營銷的時機基本成熟。

一、大數據在信用卡交叉營銷中的應用現狀

研究表明，如果客戶在銀行只有1 個存款賬戶，則對其進行流失挽留的成功率約為0.5%；如果客戶同時擁有2 個賬戶，則其挽留成功率增大到10%；如果客戶使用了銀行提供的3 種金融服務，則挽留概率進一步增大到18%；享受4 種及以上服務的客戶，挽留成功率接近100%。因此，交叉銷售對于提升銀行客戶的忠誠度有著顯著的作用。除此之外，交叉銷售還能以較低的成本提升客戶貢獻度，且有利于多角度了解客戶的真實信用狀況，加強對客戶的風險防范。因此，通過交叉銷售方式進行信用卡發卡營銷，可以有效解決以往粗放營銷方式導致的逾期風險、無效發卡和低忠誠度三大問題。商業銀行推廣交叉銷售需要多方整合渠道、流程、人才和數據資源，構建運轉高效、內外兼顧的交叉銷售運營體系。其中，隨著大數據技術的發展，針對大規模數據的挖掘技術開始在交叉銷售過程中發揮重要作用，其本質是以數據庫營銷為基礎，對客戶關系管理進行深度挖掘和應用。大數據技術在交叉銷售中的應用場景主要有以下幾個。

1. 營銷機會識別

無效的客戶接觸不但是對資源的浪費，且可能使客戶滋生反感情緒。目前業內針對這一問題的主要研究方向是通過大數據分析和挖掘技術，提升營銷的針對性和成功率。按照分析對象的不同，主要分為基于產品特征的模型、基于獲取模式的模型和基于客戶特征的模型三類。

（1）基于產品特征的模型

基于產品特征的模型指各類金融產品都有自己的產品特征和定位，通過對產品的定位分析，確定其對應客戶的特征，并以此作為判斷該產品是否滿足某位客戶需求的基礎，再根據客戶特征篩選出滿足條件的客戶向其提供相應的金融產品或產品組合。這類模型由于使用門檻較低，因此較為常見。近年來隨著大數據技術的發展，以關聯規則分析、協同過濾等算法輔助交叉銷售的研究逐漸增多，其機理是借助產品特征，尋找具有相似內在特質的產品或產品組合，進而預測客戶的購買行為，因為借助大量數據運算得出結論，因此結論的可靠性較高。但這類模型只使用了產品信息而忽略了客戶信息，沒有充分利用數據素材，使用范圍和效果受到一定限制。

（2）基于獲取模式的模型

基于獲取模式的模型指通過客戶現有產品的購買行為推測應向其推薦什么產品。在發現客戶金融產品的某種獲得模式以后，再根據其已經購買的產品向其推薦處于獲得模式中的另一種產品。Paas 和Kuijlen(2001) 就是采用獲得模式分析金融服務領域的交叉銷售機會的。他們運用Mokken 量表調查分析現有顧客獲得金融產品的順序，然后利用SLD( 序列邏輯模型) 分析在獲得模式的每一階段現有顧客具有哪些顯著的特征, 并以此作為預測交叉銷售機會的一個指標。獲取模式的分析雖然理論上有效，但在銀行業實證研究中仍然困難重重，因為顧客的獲取模式的復雜性難以用簡單的序列去概括，且商業銀行的客戶本身就具有龐大的多樣性，其獲取模式千差萬別，難以找到具有顯著性的普遍獲取模式。近年來在大數據技術支撐下，使用序列挖掘方法計算獲取模式的嘗試逐漸增多。

（3）基于客戶特征的模型

基于客戶特征的模型指通過對客戶的人口統計學特征和交易行為特征進行概括，可以更精確地把握客戶需求，從而識別出有效的交叉銷售機會。該類模型以客戶特征為中心，通過對這些特征的數值計算進行預測或評分，其中最具代表性的案例是Kamakura 等人(1991) 提出的潛在特質模型，該模型在銀行交叉銷售應用實踐中卻遇到較大障礙，因為要完整概括客戶的特質，必須獲取客戶在其他銀行的各項指標，這往往難以做到。因此2003 年，Kamakura 等人又進一步提出了使用因子分析手段擴展數據的方法，雖然該方法仍然需要外部市場調查數據的支持，但已經使得該模型實用性大大加強了。潛在特質模型奠定了交叉銷售的主流研究方向，之后Reinartz 等人(2003) 提出的客戶生命周期價值模型，Soureli 等人(2008) 提出的交叉購買意向影響因素模型等，都是在此基礎上擴展和改進的。事實上，基于統計學假設的分析方法適用條件相當苛刻，如服務頻率服從泊松分布，交易量服從正態分布等前提假設，在使用前很難充分檢驗。在大數據領域，這類營銷機會識別的問題容易被簡化為分類問題，因此有關研究常使用Logistic 回歸、決策樹等流行分類算法進行計算和測試，其主要目標是區分高購買傾向客戶與低購買傾向用戶。由于相關算法基本成熟，研究主要集中在客戶特征選擇與加工上。但訓練樣本的采集在實際應用中并不容易，多分類算法需要在訓練時采集每一類別的樣本，而如何在沒有任何先驗信息的情況下找到低購買傾向的客戶樣本是一個極大障礙。

2. 營銷渠道選擇

很多銀行都利用多種渠道提供服務，但僅有少數銀行能成功地將各種渠道有效整合在一起。 渠道整合不但要發揮各個渠道的成本優勢，而且要引導不同類別的客戶根據自己的需要選擇渠道，實現各個渠道在服務的過程中取長補短、密切配合。如客戶在柜面渠道開立賬戶之后，銀行可通過呼叫中心、直郵、手機銀行等渠道進一步實施銷售。此外，渠道整合還可以配合價格導向策略一起運用。

一方面，在對客戶渠道偏好的研究中，傳統研究方向主要是對選擇的影響因素做定性分析，提出探索性的概念模型，如Black(2002) 通過分組討論得出消費者渠道選擇受其自身條件、渠道產品和組織特征的影響。Laforet(2005)、Lichtenstein(2006) 和Calisir(2008) 等學者分別基于不同區域背景對人們使用網上銀行的影響因素進行探討。Lee(2009) 則同時關注消費者使用網上銀行的積極因素和消極因素，提出了感知利益理論。這些研究成果對理解商業銀行客戶渠道選擇的內在機理有所助益，但卻難以直接應用于商業活動實踐中。

另一方面，基于統計學的數據分析方法在各類實證研究中得到多方面的發展，尤其是在銀行業大數據環境逐漸成熟之時，借助多維數據分析進行渠道推薦變得可行。鄭軍(2007) 使用對應分析方法，從銀行客戶的年齡、學歷和家庭收入著手，對其特征與渠道偏好進行了定量分析。王全勝(2010) 利用潛在分類MNL 模型研究了不同客群對渠道選擇的行為特征。除此之外，還有基于多重對應分析、因子分析、主成分分析等方法的渠道偏好定量研究等。在展開交叉銷售前，選擇合適的分析方法預判客戶的偏好渠道，從而使用恰當的渠道與客戶接觸，有助于節約成本、提升客戶的營銷體驗。

3. 細節營銷輔助

細節營銷是指企業對消費者的服務是從消費者的需求出發，時時刻刻考慮消費者感受的營銷行為。美國西北航空公司的總裁曾經形象地說過：“對航空公司來說，飛行中最重要的是飛機的引擎；但對一個乘客來說，影響其選擇航空公司的也許是座位前的小桌是否干凈。”細節可能是一個程序、一個動作，也可能是一句話、一個眼神。對以服務為主要產品的銀行業來說，細節可能成為影響營銷成敗的關鍵因素。傳統的信用卡營銷過程中，營銷的細節由一線客戶經理直接決定。客戶經理由于缺乏對營銷對象的充分了解，往往在營銷過程中根據自身經驗選擇各種接觸方法和形式，使得營銷細節的選擇充滿隨機性，對于客戶的體驗難以控制。大數據技術為解決這一問題提供了機會。隨著商業銀行對客戶各方面信息的大量收集，從中可多維度分析出客戶的一些關鍵特征，進而偵測到客戶生命周期中的一些關鍵事件等，這些數據分析成果能夠為營銷細節的選擇提供依據。目前銀行業的大數據應用剛剛起步，數據的精細化程度尚不夠完善，因此完全靠數據分析指導營銷活動的方方面面并不現實。但在保留營銷人員的主觀能動性的同時，初步的數據分析成果可以作為營銷細節設計的輔助決策依據。在信用卡的交叉營銷中，短信營銷的文案撰寫、電話營銷的話術設計等，均可以在數據分析的基礎上精細化操作。更進一步，從開展營銷到客戶申請和反饋的整個流程，其每一步驟的客戶接觸都可以用數據來輔助支撐。

二、農業銀行基于大數據的信用卡

交叉銷售探索實踐隨著農業銀行大數據平臺的逐步完善，原有分散的各業務系統數據孤島得以整合，其中貴賓客戶管理系統中的大量客戶，被視為信用卡發卡營銷的目標客戶群。我們在整合多系統數據的基礎上，提取客戶關鍵特征，使用混合高斯數據描述模型，從貴賓客戶中提取出適量具有較大營銷機會的目標客戶，并使用基于馬氏距離的最近質心法為目標客戶做渠道推薦，最后使用聚類方法歸納客戶族群，作為細節營銷的依據。全流程如圖1 所示。

圖1 交叉銷售方案全流程示意

1. 指標篩選

以往認為交叉銷售的客戶購買傾向的決定因素主要聚焦于客戶滿意度。由于客戶滿意度的抽象性和隱蔽性，銀行內部基本無法直接采集相關數據，且近年的一些研究結果表明，滿意度對交叉購買意向的作用有時并不顯著。針對信用卡產品的交叉銷售，除考慮影響交叉購買意向的一般因素外，還應當采納與產品特征相關的客戶特征。

（1）自然屬性

主要指客戶的人口統計學特征，如性別、年齡、教育程度等。Li(2005) 和Verhoef 等專家(2001) 在研究中分別指出，客戶的人口統計學特征對交叉銷售的購買意向產生著顯著的影響。這一類特征具有一般性，采集難度低，也是現代商業銀行進行客戶畫像的基礎指標，有助于初步判定客戶的群體特征并概括其一般性的金融消費需求，非常適合模型采納。

（2）財務能力

主要包括客戶的靜態金融資產值，該類指標反映客戶的財力或償債能力，也與其個人收入和消費習慣緊密相關，在國內商業銀行的客戶關系管理中，這一類指標常被直接用于客戶分層，是行之有效的粗略細分方法。但隨著數據量的積累，粗略細分已經不能滿足現代商業銀行的經營管理需求，因此財務能力僅作為本模型的參考而非核心指標。

（3）客戶行為

與靜態數據相比，行為數據有著更高的參考價值。一方面，客戶的近期消費活躍程度是其對產品滿意度的一個間接指征；另一方面，對其消費頻次與額度的概括也常用于識別營銷機會，如大額少量消費的客戶可能會購買消費貸產品，而小額多次消費的客戶則可能具有信用卡需求。

（4）客戶忠誠度

忠誠度是滿意度的結果，以往的研究對忠誠度到底是交叉購買意向的原因還是結果曾經產生過爭議，Werner Remartz 等(2008) 通過格蘭杰型因果關系建模，對交叉購買行為與其結果之間關系的方向、強度和性質進行測量，發現交叉購買是行為忠誠的結果而非原因。在銀行業，對客戶的忠誠度刻畫常使用客戶年限。年限的刻畫具有一定的局限性，需要結合客戶行為具體評價，王文碩等人(2013) 的研究發現，客戶年限與其擁有的服務數量有強正相關關系，即隨著交往時間的增長，客戶更傾向于使用該銀行的更多服務；而隨著使用服務數量的增多，轉化成本也逐漸提高，客戶離開銀行的難度越大。

（5）其他相關因素

其他相關因素指與產品營銷活動直接相關的因素，基本為與產品特征相關的其他因素。如在信用卡的營銷過程中，客戶對授信額度的關注較多，而不同財力的客戶可能對授信的期望值有所不同，因此，將授信結果或其占金融資產的比值作為模型的輸入指標尤其具有現實的指導作用。除此之外，客戶消費的商戶類別等信息也有一定的業務參考價值。綜上，經過反復對比試驗，在本模型中采納指標如表1 所示。

2. 目標客戶識別與優先級劃分

根據采集的訓練樣本，采用混合高斯數據描述模型對農業銀行貴賓貸記卡交叉客戶特征進行學習，用于從潛在客戶群中篩選目標客戶，縮小范圍，提高成功率?；旌细咚箶祿枋?GMDD) 是基于混合高斯模型(GMM) 的一種單分類算法(One-Class Classfication), 經Matlab 反復實驗，該算法在處理高維大樣本數據時，性能/ 準確性較為平衡，優于支持向量數據描述(SVDD)、核密度估計數據描述(PDD) 等常見單分類算法。使用北京、廣東、重慶、青海四省市數據構造模型，采用吉林、上海兩省市數據作為測試樣本。由于難以取得非目標客戶樣本，本實驗采用了Matlab 模擬生成的離群樣本集用于測試。經反復測試，當拒絕率參數為0.05時，篩選模型測試樣本上的第一類錯誤率為6%，第二類錯誤率為18%，基本滿足使用需求。根據計算樣本與聚類中心的距離，對目標客戶進一步劃分為5 個優先級：重點/ 關注/ 嘗試/ 儲備/ 放棄。具體的邊界劃分參數可以在迭代反饋過程中調整優化。圖2 在二維空間上展示了優先級劃分的簡化示意。圖中顏色深度與優先級正相關。

3. 渠道推薦

衡量客戶對不同渠道的偏好，屬于top-N 推薦問題?？蛻舻那肋x擇是一次性、不重復的行為，本項目采用了基于人口統計學的推薦方法(Demographic-basedRecommendation)。通過計算客戶樣本與各渠道的類別中心的馬氏距離（Mahalanobis Distance），計量客戶對各渠道的偏好程度。馬氏距離引入協方差概念，剔除了變量間相關性的影響，能夠恰當地概括樣本之間的相似性。同一客戶可能對幾種渠道的偏好程度相差不多，因此按馬氏距離排序后，可推薦前3 個渠道。由使用訓練樣本計算出的不同渠道客戶特征的中心點（見表2）可見，不同渠道客戶特征不同，如：網上渠道的客戶普遍年齡較低，消費行為頻繁；房貸類客戶年齡不大，因有供房壓力存款較少，消費頻率低；信函渠道客戶年齡偏大，消費欲望較低；直銷渠道年齡較大但資產豐厚等。通過計算目標客戶各渠道特征中心點的馬氏距離，可確定渠道推薦順序。

4. 細節輔助

用兩步聚類(Two-Step Cluster) 對客戶進行分群（剔除離群點），在類別數1~15 的區間內，使用算法自學習類別個數。兩步聚類是較為新型的聚類算法，在解決海量數據、復雜類別結構時具有優勢。且與K-means等傳統聚類算法相比，該算法提供了無需事先指定即可根據AIC、BIC 參數尋找最優類別個數的功能。銀行可以針對不同族群特征，制定不同銷售策略，設計有針對性的營銷話術或短信文本等，表3 展示了一部分聚類分析結論。

三、對農業銀行信用卡交叉銷售大數據應用的建議

完整的交叉銷售體系涉及渠道、流程、人才、產品等各個環節，當前國內商業銀行在交叉銷售方面還有諸多問題亟待解決。要想最大限度地發揮大數據在交叉銷售方面的作用，商業銀行應多方努力，多管齊下。

圖2 交叉銷售優先級劃分示意

1.構建靈活高效的數據流轉體系

通過網點、電子銀行、客戶經理等多種渠道收集客戶信息，完善客戶畫像，并實現信息共享。借助大數據平臺，加大對客戶需求的分析、挖掘力度，通過對客戶群體的多角度、多維度細分，探索目標客戶的潛在需求，發掘現有產品、渠道的潛在用戶，在充分實踐的基礎上，開發一套完整的交叉銷售客戶信息系統。

2. 深入開展流程優化，提升客戶體驗

要發揮前臺部門在產品營銷和客戶服務中的核心功能，提高柜面服務的客戶滿意度，為交叉銷售設計靈活完善的柜面操作流程，實現大幅度簡化操作，提高業務處理速度和服務質量；后臺部門則需要針對信用卡交叉銷售縮短優質客戶的發卡審批時限，借助大數據分析，針對不同特性的客群，采取靈活可用的授信策略和高效及時的授信流程，實現客戶服務水平和風險控制水平的同步提升。

3. 培養分工協作、素質過硬的人才隊伍

首先，網點人員結構配置要從偏交易處理向有利于服務營銷的扁平化配置轉變。在依托自助渠道建設的基礎上，進一步降低柜員交易處理的工作負荷，轉變柜員思想觀念、銷售理念和工作方式，推動柜員隊伍向服務營銷型轉型。其次，積極建設數據分析團隊，有意識地培養數據分析師、業務分析師和IT 技術人員相結合的復合型人才隊伍，形成數據平臺建設、數據分析應用、業務數據流轉和展現三個環節的順暢銜接。

4. 完善產品開發流程，由標準化向定制化轉變在現有產品交叉銷售初具成效之后，可將交叉銷售的理念進一步滲透到銀行金融類產品的開發源頭，在大數據的支撐下，根據客戶分類和客戶特征，為不同客群量身定做所需產品，更好地滿足客戶需要，為客戶提供全方位、多品種、一站式的金融服務。

（源自：源自農業銀行）