腾讯研究院的报告显示，2017年中国数字经济总量已达26.7万亿，占国内GDP的32.28%，数字经济已然成为中国经济发展的新动能。
数字技术已彻底改变社会经济活动与生产、生活方式，传统金融特别是银行业不可避免地受到冲击。作为中国金融风控专家，杭州排列科技在以技术赋能金融、助力中小银行智能化转型的过程中，深刻感受到银行在数字经济中缺位严重的一个很重要原因就是：营销模式跟不上时代需求。
现状不乐观，浑身是痛点，拥抱技术是出路
排列科技认为，随着传统市场竞争的白热化与消费金融、普惠金融的迅速发展，传统银行特别是中小银行的目标群体下沉，愈发向中小微企业和个人覆盖。如何获取与留存这些客户，成为未来竞争的重要因素。
银行传统营销，一般有几种方式，如物理网点营销、地推路演营销、沙龙会议营销、电话短信营销、媒体广告营销等。这些方式在以往问题不大，不过到了数字经济时代，就显得适应不良，成本高、精准度低、转化率低等痛点愈发严重。
某中小银行行长就认为，传统银行必须依托金融科技，通过智能精准营销等方式场景化金融服务，快速迭代响应数字经济时代的市场需求，才能立于不败之地。
新式营销武器：从机枪扫射向精准制导转变
用一个比喻来说，传统营销通常是机枪扫射、狂轰滥炸，而智能精准营销却是精准制导、高效命中，它的特点就是低成本、高效率、个性化与灵活性。
精确制导秘诀，就是大数据、云计算、机器学习技术的使用，从而实现营销的精准化、场景化、个性化。
智能精准营销的核心思想包含以下几点：一是对目标客户的准确识别，二是运用先进的技术手段，三是提供精准的产品和服务。
三点环环相扣。当然，这离不开最核心的生产资料：数据。
精准的本质，就在于营销决策用数据驱动。从数据得到了解，从了解得出决策，从决策直通应用，从应用直达营销目的。
依排列科技的经验，一个完整的智能精准营销解决方案，通常要包括数据加工层、数据业务层、数据应用层，并形成一个持续调优的营销生态系统。
（1）数据加工层：整合多方数据，提取客户有效特征
整合多维数据，才能搭建完善的客户标签体系。运用大数据技术，可对数据即刻捕捉、海量获取。从数据来源来说，要整合银行自有数据与外部第三方数据;从数据类型来说，要融合结构化、半结构化与非结构化数据。然后对这些数据进行清洗处理，并提取特征，为客户画像准备。
（2）数据计算层：360°客户画像，多种算法智能推荐
数据加工层提供了最基础的数据能力与数据原材料，还需要在计算层完成三步工作：客户画像模型、客户筛选模型与智能推荐模型的建立。
第一步，客户画像。客户画像是精准营销的基础，要建立标签化的客户模型，完善画像维度，包括客户基本信息、兴趣爱好、社会特征、消费行为、动态特征等。
第二步，客户筛选。结合客户特征、产品需求与业务需求，设定精细化的筛选参数，通过参数对客户进行细分，参数可自定义设定，可灵活地进行分门别类。
第三步，智能推荐。从数据分析中形成决策信息后，就需要整合多种推广渠道，采用协调过滤、关联规则、知识推荐等算法推荐方法，精准触达到客户。
（3）数据应用层：精准获客、产品匹配、智能定价
营销最终要落实到场景应用。“数据+技术+策略”的组合，最终要嵌入到精准获客、产品匹配、智能定价等具体的业务场景里，真正助力银行业务营销。
银行转型在即，智能精准营销赋能效果明显
移动互联网发展迅速，大数据等技术推陈出新，彻底改变了金融生态环境。传统银行要适应这一新环境，数字化转型是大势所趋。目前，国内很多银行已积极拥抱大数据、人工智能等技术，尝试将智能精准营销系统应用于银行的实际营销里。
根据调查，采用智能精准营销的银行，营销成功率普遍提高50%-65%以上;建立起客户全景画像进行电话短信、交叉销售和推送各种银行产品，购买率能提高30%-55%;通过大数据建立客户全生命周期管理的银行，存量客户激活率能提升30%以上，坏账率能降低25%。从实践可以明显看出，相较传统营销模式，智能精准营销帮助银行大幅提升了营销效率、降低了营销成本、优化了服务体验。
不言而喻，精准化、场景化、个性化的智能精准营销，是未来零售银行发展的大趋势，也是推动普惠金融发展的路劲之一。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
