案例名称

基于智能推荐模型的手机银行数字化运营体系升级

案例简介

数字经济时代，手机银行已成为金融服务的主要触点，产品管理线上化、智能化转型成为银行提升竞争力的关键。传统手机银行营销模式粗放，栏位“千人一面”，无法精准匹配客户即时需求，流量转化效率低下；客户体验割裂，频繁推送易造成打扰；运营高度依赖人工配置经验，成本高、效率低，难以应对海量客户与产品的动态匹配需求。

本项目是南京银行深化零售金融数字化转型、提升栏位管理效能的核心工程，全面覆盖1000万手机银行签约客户。项目对线上营销体系进行升级重构，构建集“实时感知、智能选品、精准触达、AIGC渲染”于一体的企业级营销事件中心与智能推荐引擎，实现对客户全旅程行为的数字化洞察与个性化服务运营。

创新技术

项目依托南京银行成熟大数据技术栈，涵盖 Hadoop/Spark 数据平台、Flink 实时计算引擎、机器学习平台及行内私有化大模型，融合前沿大语言模型与 AIGC 能力赋能内容智能生成。

项目采用前后端分离、数据实时驱动的分层架构： 

数据源与接入层，汇聚客户交易、行为埋点、资产信息等实时及离线数据流；营销事件中心（策略层）搭载可视化配置工作台，支持业务人员自主配置大额资金闲置、产品到期提醒等营销规则，统一管控推送渠道与文案策略；智能推荐引擎（算法层）完成用户画像、产品画像及实时行为特征加工，召回层通过协同过滤、词向量、热度策略多路筛选候选产品，排序层运用 LightGBM、DeepFM 混合模型，基于上百维特征做精准预估，配套服务层承载 AB 实验与业务规则过滤，对外输出标准化推荐服务接口。 

大模型渲染层结合客户画像、产品属性与实时场景上下文，自动生成个性化推荐文案，例如面向代发薪客户打造贴合 “薪意” 的储蓄引导内容；建立批量生成 + 人工复核机制，保障内容合规、契合品牌风格。同时借助 AIGC 生成页面素材，把静态推送升级为千人千面、随场景动态变化的沟通内容，提升客户点击率，降低运营配置成本。

触达与前端层将推荐结果通过手机银行 APP、消息推送等渠道，在定制化页面触达客户。

模式应用

传统手机银行运营高度依赖人工，依靠专家经验做客户分群与策略配置，人工分层颗粒度有限，很难实现真正的千人千面。加之客户需求随市场、个人情况持续变化，专家模式迭代周期长，难以快速捕捉个体需求变动。 

本项目搭建手机银行智能推荐引擎，把按月调整的静态专家策略，升级为毫秒级感知用户需求的动态智能体系。依托实时感知与大模型能力，改变传统被动推送、容易打扰客户的营销方式，实现场景旅程中产品服务主动匹配客户，解决海量客户与产品活动人工匹配效率低、精准度不足的难题。引擎将推荐策略无感嵌入代发薪、账单结余分析等高频场景，由大模型评估客户结余与可投资潜力，顺势匹配适配金融产品，依托高频原生场景唤醒低频理财需求，实现自然精准触达、高效转化。

项目典型场景

场景实例1：首页弹窗——千人千面产品推荐、AIGC底图配大模型文案

场景实例2：代发客户旅程产品推荐

场景实例3：结余分析——个性化大模型文案与算法选品

场景实例4：活动中心信息流——围绕活动智能排序

项目效果评估

项目针对性破解三大痛点：一是“线索捕获滞后”，通过营销事件中心将营销时机从事后分析（T+1）变为事中响应（T+0）；二是“匹配效率低下”，智能推荐算法实现海量产品与客户的自动精准匹配，系统每毫秒可处理数千次推荐请求，替代人工筛选，单人运营效能预计提升5倍以上；三是“体验千篇一律”，场景化嵌入与AI生成文案确保内容独一无二但高度相关，营销由“打扰”转变为有价值的“场景服务”。

项目采用严格线上AB实验，切分实验组与对照组，持续跟踪点击率与转化率：

理财场景实验组日均pv_ctr（点击次数/曝光次数，体现客户点击意愿）相对提升42.37%（由1.14%升至1.63%，绝对提升0.49%）。

活动场景实验组日均pv_ctr相对提升32.60%（由9.08%升至12.04%，绝对提升2.96%）。

综合来看，理财推荐场景点击率（CTR）提升超50%，购买决策效率较APP自然流量转化提升5倍以上。

经济效益突出：本年度依托事件栏位及AB栏位（实验组较对照组销售增量）理财销售额超100亿元，有效转化为AUM增长；年增长50万次活动点击，活动触发效率大幅提升；带来新增中间业务收入超2000万元；自动化、智能化营销流程替代大量人工筛选与配置，降低运营人力成本，策略部署上线效率显著提升。

责任编辑：佟桃梨