公股行庫 建潛在客羣數據模型

公股行庫積極運用新科技，合作金庫銀行透過監督式機器學習找出高潛力客羣，藉由程式訓練資料讓機器學習規則，並建立數據模型，以此模型進行機率推測。土地銀行藉由大數據分析團隊，推出分羣行銷活動。

合庫銀主管舉例，在「深耕客戶二次行銷」案，就是用資料科學角度透過客羣樣貌分析找出影響增加銷售的關鍵因子，藉此建立潛在客羣的機率模型，採取A（高機率組）─B（低機率組）Test方式追蹤數據分析模型成效。

結果顯示，高機率組的滲透率爲低機率組滲透率的兩倍以上，合庫銀主管說，這表示自建數據分析模型具有高效度，未來也會以此更廣泛的應用在推薦客戶合適產品或服務專案當中。

合庫銀主管說，目前大數據應用是與各業務單位合作，除了定義數據專案範圍，以及運用資料科學技術，進行多維度建模與演算，以洞察客戶屬性，並找出智慧變數因子推薦。

目前已完成自主建置數位軌跡蒐集暨互動平臺及360度個人戶視圖，以今年來說，已經針對有數位存款帳戶、外匯交易、信用卡、房屋貸款或理財等的各種不同樣貌的族羣，推出產品的數位通路推薦，或是透過營業單位推薦合適客戶的產品。

土地銀行則是成立大數據分析團隊，透過大數據應用分析各業務，更加清晰地瞭解客戶輪廓及客戶行爲軌跡等，以掌握客戶實際對各商品的偏好。土銀以大數據模式分析銀行客戶輪廓及行爲模式，推出分羣行銷活動，像是擴增招募數位客戶族羣、推廣臺灣Pay等數位服務、分析銀行客戶行銷活動偏好及輪廓等。

此外，土銀也透過大數據資訊將信用卡客戶分羣，依其屬性建立名單並結合行銷活動，如依店家的地緣性、客戶消費種類偏好等促刷行銷活動通知，未來將再規劃運用大數據分析，將客戶屬性與行爲指標化，提升信用卡呆卡活化及舊卡促刷等精準行銷的效率。