银行零售最不缺的是名单，最缺的是“该把哪句话，在哪一天，通过哪个渠道，说给谁”。这家银行过去一年做的事情是这样的：模型团队周五出一份白名单，运营按名单发短信，转化率在名单已经很好的情况下依然不高，财私团队开始不信名单。真正的问题不在名单本身，在于规则只能筛出“已经表现好的人”，筛不出“还没表现、但会变的人”，也筛不出“看起来还好、其实要走的人”。解法是把筛人的方式换掉：用 AI 预测每个客户资产向上与向下迁移的概率、以及迁移金额落在哪个区间，从全量客户里挖出白名单之外的增量人群。再往后是三层：八类业务场景组活动、按人群价值分层次多波次触达、每场活动配一套能直接执行的 SOP 与成套素材。最后用三组并行的 AB 对比，把“增量到底是谁带来的”算清楚。
一个省分行零售条线，一年能做几十场活动，每场都有名单、有权益、有触达。问题不在于做得少，而在于每一场都从零开始，做完就散。
客户画像
一家省级分行的零售条线，管着从大众到私行的完整客群结构，AUM 分布在几个明显的台阶上。团队配置不算弱：有大数据部门出名单、有运营部门排活动、有财私团队做高价值客户、有客服与外呼团队做触达。听起来每个环节都有人，但环节之间没有一条共同的判据——数据部门按规则筛人、运营部门按活动排期、财私按客户经理的直觉分户。
原来的做法
活动流程是固定的：模型团队周五出一份白名单，运营拿到名单后配一套通用文案，走短信与外呼两条通道，两周后回收转化数据。名单本身质量不差——能进白名单的客户资产表现本来就比较好看。但转化率始终不高，而且每场活动的效果说不清：涨了，是名单的功劳还是本来就会涨？跌了，是文案不好还是人群选错？没人能回答。
我们的判断
三件事要一起改。第一是筛人的方式：规则筛的是“已经表现好的人”，会把大量隐形高价值客户漏在外面，也看不出“看起来还好、其实在往下走”的人，必须换成预测迁移概率与迁移金额区间。第二是把单场活动变成场景组：资产提升、防流失、提级、理财、贷款、信用卡、支付、促活各是一族场景，每族有自己的判据与指标，做完能复用。第三是每场活动都要有对照组，而且要跟行方自己的经验组并行跑，否则永远说不清增量。
规则筛出来的人本来就好，转化靠自然发生；名单之外的增量人群从未被认真看过。
按阈值卡人，刚好差一点的那批高潜客户全被漏在外面，而他们恰恰最容易被推动。
流失往往在发生后才知道。等到 AUM 掉下去再做挽回，成本高、成功率低，财私团队也没信心。
海报、H5、短信文案、外呼话术分别找不同供应商，一轮下来活动窗口已经过去一半。
同一个活动，不同分行写出来的机制、话术、排期差一截，好经验沉淀不下来。
没有对照组、口径不统一，涨了归功于活动，跌了归因于市场，第二年无法复用。
顺序不能反。人群算不准，活动设计得再漂亮也是在错的人身上花钱；人群分不对，同一句话会在同一周里打给三种完全不同的人。
先看一年的可经营客户：AUM 等级分布、正负向迁移分布、产品销售结构、可用营销触点。把历史活动拉出来逐场标注人群、权益、通道与结果，找出哪些场景重复做、哪些场景从未做过、哪些场景做了但没人知道效果。
做特征工程与分层建模，按业务目标建一组模型：资产正负向迁移、迁移金额区间、产品首购复购、行外资产潜力、触点增益。模型输出的不是一张名单，是带概率与区间的人群包。再按八类场景组活动，每场配 SOP 与成套素材。
每场活动都设三个组：数花模型活动组、行方经验活动组、数花模型对照组。两组活动组同时跑、系统自动去重，对照组不触达。三组并排才能回答“增量是谁带来的”。跑完把策略与参数沉淀进策略库，下一场直接调用。
客户、目标、活动、渠道、价值——这五个词在银行的方案里出现得最多，也最容易被做成一句口号。落到地上是四层，每层都有自己的交付物与责任人。
| 层 | 放什么 | 解决什么 | 谁维护 |
|---|---|---|---|
| 数据与模型层算准人 | 客户资产正负向迁移概率、迁移金额区间、产品偏好、行外资产潜力、触点与权益偏好，共 38 个业务模型 | 规则筛客漏掉隐形高价值客户，也看不出将流失的人 | 数据部门 + 算法团队 |
| 人群与场景层分对人 | 八类场景族 × 价值分层：资产提升、提级、防流失、理财、贷款、保险、信用卡、支付与促活 | 所有活动都用同一套人群口径，做完无法对比、无法复用 | 运营部门 |
| 活动与素材层说对话 | 活动机制、权益预算、话术脚本、海报与 H5、短信、外呼话术、掌银资源位、短视频，按人群出多套 | 一套物料等两周；同一条文案打三种人，谁都不买账 | 运营 + 内容团队 |
| 触达与复盘层算清账 | 短信、AI 外呼、人工外呼、客户经理、掌银 Push 五类通道的分层多波次排期，加三组并行 AB 与归因 | 触达谁都能发，但说不清哪一条带来了增量 | 运营 + 财私 + DataQA |
场景是货架，不是任务清单。每期只取当期业务目标最贴近的两三类，做深、做透、做完能复用，比八类同时铺开更有价值。
| 场景族 | 典型活动 | 人群判据 | 考核指标 |
|---|---|---|---|
| 资产提升大众长尾 | 资产达标礼、月月升、行外资金引入礼 | 上移概率高、金额区间可测算的中低资产客户 | 资产提升率 |
| 提级临界客户 | 一步之遥、差额补足礼、等级权益体验 | 距离上一等级差额在可补范围内的客户 | 提级达标率 |
| 防流失贵宾 | 专属顾问回访、权益包续期、高价值客户关怀 | 下移概率高、迁移金额区间大的高资产客户 | 资产留存率 |
| 理财首购与复购 | 新客理财节、复购加息券、产品组合推荐 | 产品偏好模型预测的首购与复购人群 | 首购转化率 |
| 贷款拉新与支用 | 额度激活礼、支用立减、复贷提醒 | 有授信未支用、历史结清客户 | 支用率 |
| 信用卡与支付促活 | 开卡礼、刷卡达标、绑卡立减、商圈引流 | 未开卡、低刷卡频次、未绑三方支付 | 刷卡率 |
| 客户价值 | 主通道 | 活动形态 | 频次与波次 |
|---|---|---|---|
| 高价值贵宾与私行 | 专属顾问 + 人工外呼，短信预热 | 一对一权益包、专属活动邀约、资产配置建议 | 低频高质，单人 1—2 波 |
| 中价值有产品持有 | 短信 / 5G 消息 + AI 外呼 | 偏好产品推送、差异化文案、权益组合 | 2—3 波，间隔 7 天 |
| 大众长尾低活跃 | 掌银 Push + 短信 | 定期权益触达、提级算账、小额福利钩子 | 高频低成本，按周排 |
| 沉睡长期不动 | 短信 + 外呼召回 | 权益到期提醒、回归任务、场景化唤醒 | 2 波，第二波换钩子 |
第一件解决“找谁”，第二件解决“做什么”，第三、第四件解决“谁来做”和“用什么说”。后两件过去全靠人堆，现在是 AI 出初稿、人做判断。
预测全量客户资产上移与下移的概率、以及迁移金额落在哪个区间，T+3 动态更新。输出不是一张名单，是带概率与区间的人群包：谁值得加投、谁需要挽救、谁可以先不动。首批活动下发 1.68 万人，有效执行 8,880 人。
资产提升、提级、防流失、理财、贷款、保险、信用卡、支付促活，每族有自己的机制、权益与指标；再按高价值、中价值、大众、沉睡四层分通道分波次。同一场活动，四层人拿到四种不同的理由。
把“这个月长尾 AUM 提升多少”作为输入，AI 工作流依次产出：人群口径、活动机制、权益预算、话术脚本、素材清单、触达排期、复盘指标。分支行拿到的是可执行方案，只需核权益与合规两项。
海报、掌银 banner、短信、外呼话术、朋友圈图、15 秒短视频按人群批量生成：大众拿算账型、贵宾拿身份型、沉睡拿召回型。画面与文案同源，改一版参数即出全套，素材周期从两周压到两天。
节奏按“能不能验证”排。建模、筛客、投放三段各留一次回看，第一场活动的目的不是出成绩，是证明这套流程能跑通、能被复现。
| 阶段 | 周期 | 主要动作 | 产出 |
|---|---|---|---|
| 入场对齐口径 | 1—3 周 | 项目组进场，与数据、运营、财私三方对齐目标与口径，盘点触点与权益资源，确定首期场景与考核指标 | 项目章程、场景清单、指标口径 |
| 数据接进来 | 3—6 周 | 数据接入与探查，完成特征工程加工，按业务目标完成分层建模；同步搭建人群包与活动执行链路 | 特征清单、模型初版、人群包 |
| 筛客出人群 | 6—9 周 | 模型联动决策产出首批策略与人群包，与行方名单去重；确认权益与预算，完成素材与话术生产 | 策略集、人群包、素材包 |
| 投放跑三组 | 9—15 周 | 三组并行开跑：数花模型活动组、行方经验活动组、模型对照组；分层次多波次触达，按周监控执行率与转化 | 活动执行记录、周度看板 |
| 复盘存策略 | 15—19 周 | 按统一口径做归因分析，评估策略增益与素材效果；沉淀策略库、话术库与素材模板，交接给行方团队 | 归因报告、策略库、培训交接 |
驻场配置通常为 3—5 人：数字化运营专家、算法工程师、数据分析、活动运营。行方对应配置项目对接人、数据接口人与各场景的业务负责人。建模环境与执行环境需要独立的算力资源，这一点在入场阶段就要谈定，否则会卡在第二批活动。
一套体系、一套策略、一支能接手的队伍。三项里最容易被忽略的是第三项——项目结束那天，行方能不能自己跑下去。
| 交付物 | 类型 | 具体内容 |
|---|---|---|
| 数字化经营闭环体系 | 体系 + 流程 | 建模型—筛客群—配产品—定权益—选话术—准触达—评结果—优模型，配策略部署、过程管控、效果评估三段管理机制 |
| 渠道协同机制触达 | 机制 + 规则 | 短信、AI 外呼、人工外呼、客户经理、掌银 Push 的协同规则与冲突检查，含渠道成本排序与频控 |
| 活动后评价方法归因 | 方法 + 模板 | 三组 AB 的实验设计、去重规则、增量归因算法与复盘模板，保证每场活动的口径一致 |
| AI 策略库策略 | 12 条 | 覆盖长尾提级、资产提升、贵宾防流失、流失挽回等关键节点，每条带人群口径、机制、话术与已验证结果 |
| 模型与人群包模型 | 38 个 | 资产评估、资产迁移概率与金额区间、产品首购复购、营销增益、渠道偏好、权益偏好、营销力度 |
| SOP 与素材模板执行件 | 工作流 + 模板 | AI SOP 工作流、话术库、海报与 banner 模板、短信与短视频脚本，含按人群替换的变量位 |
交付验收不看文档厚度，看三件事：行方团队能不能独立跑完一场活动、策略库里有没有可直接调用的人群口径、复盘报告能不能说服业务部门。三项都过了，才算交接完成。
每场活动都设三组：数花模型活动组、行方经验活动组、数花模型对照组。两组活动组都命中同一批人时，系统自动去重，只算数花带来的那部分。
| 对比口径 | 数花组 vs 行方经验组 | 数花组 vs 对照组 | 说明 |
|---|---|---|---|
| 正迁移客户数≥100 元 | 1.4 倍 | 3 倍 | 去掉双方重叠后的净增量人数 |
| 正迁移均单户均 AUM 增量 | 1.4 倍 | 3.2 倍 | 数花组户均 5.34 万，对照组更低 |
| 提级上送人数20 万以上 | 2.1 倍 | 3 倍 | 长尾客户被推送到财私等级的人数 |
| 防流失均单财私电话触点 | 3.1 倍 | 1.2 倍 | 挽回客户的户均 AUM 增量 |
| 防流失后 AUM 变化群体口径 | +7.45% vs -0.69% | +7.45% vs -1.5% | 同期两组人群包的 AUM 整体走势 |
三条口径红线：正迁移只在活动执行后 T+7 观察，早看会把自然波动算成效果、晚看会混入其他活动；人数必须去重，两组都命中的客户只能算一次；防流失的 AUM 变化要看群体净值，不看单户高点，否则一个客户翻倍就能把整场活动的结论带偏。
| 活动期核心结果 | 数值 | 说明 |
|---|---|---|
| AUM 净增量 | 1.09 亿 | 同期行方模型组约 1.5 倍，增量主要来自行方白名单之外的人群 |
| 正迁移客户 | 2,520 人 | 下发 1.68 万人、有效执行 8,880 人，按 ≥100 元口径计 |
| 提级上送 | 595 户 | 财私等级 67 户、重点大众 528 户，均为额外增量 |
| 流失识别 | 8.75% | 从活跃客群中筛出的高风险人群，命中流失客户总数的 75%、总 AUM 的 90% |
这里只列活动期内的实测结果，不外推到全年。金额与人数已按客户要求等比替换（×1.2），倍数与比率守原值；模型数量、特征数与场景数属于方案结构，按原值呈现。单场活动的结果说明的是这套流程有效，不等于每一场都能复制同一量级——复制的前提是场景、权益与人群三者都对上。
模型、场景、SOP 都能照抄。这四条判断抄不了，它们决定同一套文件在别家银行是跑成体系，还是跑成一场更贵的活动。
活动开始前就要定好三组、去重规则与观察窗口。事后补对照，等于自己给自己发成绩单。对照组不触达，看起来浪费了一批客户，实际是在买“可归因”这件事。
同样是“会涨”，涨 5 万和涨 5000 该给的活动完全不同。概率决定要不要投，区间决定投多少。只给名单，运营只能一刀切。
八类场景全开，第一周就会撞上资源不足。每期只做两三类，把机制、话术、素材跑到能复用的程度，再开下一批。做得少但做得透，第二年才有资产。
活动是给内部看的，素材是给客户看的。同一条“感恩回馈”对提级客户、流失客户、沉睡客户都不成立。按人群写素材，等于把策略翻译成了客户听得懂的话。
还有一条不在卡片里：客户经理的时间是这个体系里最贵的资源。模型筛出高意向客户后，如果没有分层地推给客户经理，他们会被淹没在名单里，最后又回到“凭感觉跟进”。筛选的意义，是让最贵的那部分人力只花在最该花的人身上。
六个条件：有完整的客户与交易数据、能拿到权益资源、有可用的触达通道、有能配合的运营团队、有明确的当期业务目标、愿意先跑两三类场景。
反过来判断也成立：数据拿不到明细、只有汇总表的，先做数据治理；没有权益预算的，活动只能靠文案，效果上限很低，不如先谈权益；触达通道被合规卡死的，先解决通道审批再谈策略；运营团队只有一两个人的，先做单场景陪跑，不要上全套体系；当期目标含糊（“提升客户经营水平”）的，先定一个可考核的数字；要求三个月内八类场景全上线的，大概率会在建模阶段就耗尽耐心。
白名单是按规则筛的：AUM 到某个阈值、某段时间有过某类交易。规则能抓到“已经表现好的人”，抓不到“还没表现但会变的人”。AI 做的是另一件事：预测每个客户资产向上或向下迁移的概率，以及迁移金额落在哪个区间。临界规则筛客容易漏掉大量隐形高价值客户，而这批人恰恰是活动最容易推动的。两边人群命中后系统自动去重，增量才算得干净。
不用。首期只挑与当期业务目标最贴近的两到三类。资产提升和防流失是银行的刚需，通常先做；理财首购与信用卡开卡依赖权益资源，权益没谈下来之前先不铺。场景是货架，不是任务清单。
能到“可执行”的程度，但要过一道人。AI 产出的是一份完整活动方案：人群口径、活动机制、权益预算、话术脚本、素材清单、触达排期、复盘指标。分支行拿到后做两件事——核权益是否在预算内、核话术是否符合合规要求。这两步不能省，也不该由模型替。
会，如果只让它生成。做法是按人群把素材拆开：长尾大众拿“一点点就能提级”的算账型文案，贵宾拿“专属顾问+权益包”的身份型文案，沉睡客拿“你有一份权益快过期”的召回型文案，同一场活动出三套素材、三种语气。素材数量不重要，重要的是每套都能对上一个人群。
必须同时有活动组和对照组，而且活动组要和行方自己的经验组并行跑。只有活动组没有对照组，涨的那部分可能本来就会涨；只有自己组没有行方组，说不清增量是谁带来的。三组同时跑，去重之后才能说“这部分是模型带来的”。
管三件事：每天看各组人群的迁移、触达与转化有没有异常；活动结束后按统一口径出一份可归因的复盘；把这一场沉淀下来的策略与参数存进策略库，下一场直接调用。银行最怕的是每场活动都从零开始，复盘写完就散。