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。
（推广）