# **人壽信貸跨售專案 - 重點整理**

## 銀行消金 - 重點整理
#### **目標**
- 了解人壽客戶中有購買信貸的高潛力族群
- 借鑑銀行信貸名單篩選方式，找出人壽客戶的潛在信貸需求

#### **目前銀行信貸名單篩選方式**
1. **數據與行為分析**
- 透過 **數位軌跡**（如信用卡使用、存款行為）推測信貸需求
- 依 **B Score** 進行篩選（1-13分，通常只做1-11分，10分以上核准率低）
- 觀察 **預借現金、循環利息** 等行為，判斷資金需求強度
- **薪資進帳但存款低於門檻**（月光族）作為篩選條件

2. **核心邏輯**
- 信貸目標是資金需求強的人，而非特定客群
- 核貸風險與需求高度相關，需求高的客戶信用風險也可能較高
- 主要透過 **outbound 名單+電話行銷**，每日有固定名單
- 追蹤名單成效，每月調整篩選條件

#### **目前跨售信貸的挑戰**
1. **名單產出**
- 目前人壽業務員以 **口頭探詢** 客戶需求，缺乏數據與模型支持
- **沒有專門針對人壽的信貸名單**，只能使用銀行端名單

2. **業務推廣**
- **數位導客效果差**（資金需求者不會主動到人壽官網）
- **人壽業務員推廣意願低**
- 缺乏 **KPI誘因**（僅有傭金，一筆最高4000元）
- **送件流程長**，若信貸與保險承攬重疊三個月內，銀行不會發款
- 擔心信貸申請會影響保險審核（如懷疑是借款購買保單）

3. **跨公司名單使用限制**
- 目前 **銀行與人壽端的名單未打通**，人壽業務員無法直接使用銀行信貸名單
- 目前僅能依賴 **銀行名單進行推廣**

#### **未來可行方向**
1. **數據化名單產出**
- 透過模型建立 **高潛力信貸名單** 提供給人壽業務員
- 參考銀行 **B Score、行為數據、薪資進帳與存款** 等指標
- 找出 **高資金需求但信用風險可接受的族群**

2. **業務誘因設計**
- 設計 **KPI或額外獎勵** 來提升人壽業務員推廣意願
- 簡化 **信貸與保險的聯合銷售流程**，避免審核拖延影響成交率

3. **提升跨售效率**
- **強化數位行銷策略**，例如：
- **銀行App推播**
- **精準EDM/SMS行銷**

## 人壽信貸跨售數據分析 - 重點整理

#### **目標**
- 運用 **金控資料庫**（包含客戶特徵、產品持有、理賠註記、數位行為）來 **篩選高潛力客戶**，提升人壽信貸跨售成功率。
- **透過數據洞察**，找出符合資金需求的潛力客戶，優化接觸效益。

---

### **數據概況**
截至 **2023/12**，金控資料庫數據顯示：
- **人壽有效客戶**：399萬
- **銀行客群**：249萬
- **無理專服務**：218萬
- **無持有信貸**：213萬
- **資金需求標籤**：75萬
- **業務員進件客戶**（295萬）
- **其中有資金需求標籤**：62萬
- **具備資金需求潛力的客戶數量龐大**，可進一步篩選 **高潛力族群** 進行精準行銷。

---

### **資金需求標籤（篩選邏輯）**
**產品面**
1. **曾持有信貸產品**（包含已註銷）
2. **目前持有** 信用卡循環額度、預借現金
3. **保單行為異常**（如停繳、自動墊繳、減額繳清等）

**行為面**
1. **近三個月內申貸但核貸比例低於80%**
2. **近一年信用卡額度使用率 >= 30%**
3. **近一年大筆消費（佔額度70%）次數 >= 3次**
4. **近一年信用卡分期筆數（僅計算首期）>= 6次**
5. **近一年內點擊 LINE/信貸相關資訊 >= 2次**

這些條件有助於 **精準預測資金需求**，篩選 **具備信貸潛力** 的人壽客戶。

---

### **數據驗證 - 信貸申辦率**
以 **人壽業務員進件客戶（295萬）** 為基礎：
- **整體客群信貸申辦率**（2023年）為 **0.5%**
- **符合資金需求標籤客戶（62萬）申辦率為 1.3%**
- **高出整體客群 2.6 倍**
- **顯示具資金需求標籤的客戶，具有較高的轉化潛力**

這說明 **數據篩選能有效提升信貸跨售成功率**，建議針對 **符合標籤的客戶進行優先行銷**。

---

### **運行機制**
**金控內部資料運用與合規**
- **符合法規的人壽共銷客戶人數**：157萬
- **資料分析流程**
1. 以 **同意共銷的客戶** 為分析母體
2. **預測變數 Y**：客戶的 **跨公司金融行為**
3. **解釋變數 X**：單一子公司內部數據
4. **人壽僅取得模型特徵與參數**，不直接獲取銀行個資

## **分析方向：篩選高潛力客戶，提升人壽信貸跨售成功率**

## **資料處理假設**
- 每位客戶僅保留 **最新的保單**（無論是否結束）。
- 匯總 **客戶信貸資訊**，確保每位客戶僅有一筆資料。

---

## **1. 業務員推廣策略**
**目標**：找出**信貸轉介轉換率最高**的業務員與通訊處，優化推廣策略。
**可用特徵**：
- **業務員年資 (`max_year_of_expr`)**
- **保單相關資料**
- **業務員地區 (`region`)**

**分析方向**：
- 哪些 **通訊處業務員** 在**信貸轉介的轉換率最高**（試點推廣）。
- **高齡 vs. 低齡業務員**，誰的轉換率較高？（資深 vs. 新進業務員的影響）。
- 不同地區的業務員轉換率是否有顯著差異？

---

## **2. 客戶戶齡 vs. 信貸轉換率**
LS_POLI_ACCT_D_ME有保戶生日
**目標**：確認客戶戶齡是否影響其申辦信貸的可能性，找出最有潛力的客群。
**分析維度**：
1. **業務員年齡 vs. 客戶戶齡**
- **業務員與客戶的年齡差異**是否影響信貸轉換率？
- 是否資深業務員對高戶齡客戶的銷售成功率較高？

2. **客戶戶齡 vs. 業務員地區**
- **不同地區的客戶年齡結構**是否影響信貸申辦率？
- 某些地區是否更適合年輕或年長的客群？

3. **最近申辦保單 vs. 信貸持有率**
- **越近期申辦保單的客戶**，是否更有可能申辦信貸？
- **老客戶**是否對信貸需求高低？

---

## **3. 經濟環境與信貸轉換率**
LOAD_APPROVAL_DT
**目標**：觀察外部經濟環境是否影響信貸申辦率，找出最適合推廣的時機。
**分析方向**：
- **景氣變動 vs. 信貸整體轉換率**
- 需要確認數據中是否有 **信貸申請的時間維度**，才能分析景氣變動與信貸需求的關係。
- 是否在 **景氣較差時**，客戶更容易申辦信貸？

---

## **4. 產品需求與信貸轉換**
**目標**：分析客戶持有的保單數量是否影響其申辦信貸的可能性。
**分析方向**：
- **持有保單數 (`cnt`) vs. 信貸持有率**
- **多保單 vs. 單保單**客戶，誰的信貸申辦率較高？
- 是否**高價值保單客戶**更容易申辦信貸？

---

## 故事線
從金控角度出發，金控有銀行信貸客戶的資料
1. 銀行消金目前EDM的電銷名單篩選方式 -> 建模用
2. 人壽業務員推廣痛點
3. 數據分析佐證
4. 認為可行的推廣方式(試點)

## 階段一
### 面向一: 先分析業務員推廣問題在哪裡(數據)
**目標**：找出**信貸轉介轉換率最高**的業務員與通訊處，優化推廣策略。
**可用特徵**：
- **業務員年資 (`max_year_of_expr`)**
- **保單相關資料**
- **業務員地區 (`region`)**
- 業務員其他資料

**分析方向**：
- 哪些 **通訊處業務員** 在**信貸轉介的轉換率最高**（試點推廣）。
- **高齡 vs. 低齡業務員**，誰的轉換率較高？（資深 vs. 新進業務員的影響）。
- 不同地區的業務員轉換率是否有顯著差異？

### 面向二: 客戶角度
先透過BI來找出可能的客群(人壽客戶、資金需求、是否持有銀行信貸)
如果有資金需求(定義標籤特徵)，看是否有資金需求，與是否銀行信貸有關
引出消金的特徵 -> 但可以從人壽面構建
LS_POLI_ACCT_D_ME有保戶生日
**目標**：確認客戶戶齡是否影響其申辦信貸的可能性，找出最有潛力的客群。
**分析維度(可以搭配面向一)**：
1. **業務員年齡 vs. 客戶戶齡**
- **業務員與客戶的年齡差異**是否影響信貸轉換率？
- 是否資深業務員對高戶齡客戶的銷售成功率較高？

2. **客戶戶齡 vs. 業務員地區**
- **不同地區的客戶年齡結構**是否影響信貸申辦率？
- 某些地區是否更適合年輕或年長的客群？

3. **最近申辦保單 vs. 信貸持有率**
- **越近期申辦保單的客戶**，是否更有可能申辦信貸？
- **老客戶**是否對信貸需求高低？
4. **目標**：分析客戶持有的保單數量是否影響其申辦信貸的可能性。
**分析方向**：
- **持有保單數 (`cnt`) vs. 信貸持有率**
- **多保單 vs. 單保單**客戶，誰的信貸申辦率較高？
- 是否**高價值保單客戶**更容易申辦信貸？

## **跨子公司數據分析：優化人壽信貸跨售策略**

### **故事線**
從金控的角度出發，金控擁有銀行信貸客戶的資料，可以整合數據來提升人壽信貸的轉換率。

1. **銀行消金目前 EDM 電銷名單的篩選方式** → 建模應用
2. **人壽業務員推廣的痛點** → 分析轉換率低的原因
3. **數據分析佐證** → 提供具體數據驗證策略的可行性
4. **可行的推廣方式** → 設計試點計畫，提升業務成效

---

## **階段一：識別信貸轉換問題與潛力客戶**

### **面向一：業務員推廣問題分析**

**目標**：找出信貸轉介轉換率最高的業務員與通訊處，優化推廣策略。

**可用特徵**：
- **業務員年資 (`max_year_of_expr`)**
- **保單相關資料（產品類型、金額、保單年齡）**
- **業務員地區 (`region`)**
- **業務員其他資料（如通訊處、銷售方式）**

**分析方向**：
- 哪些 **通訊處業務員** 的**信貸轉介轉換率最高**？可作為試點推廣。
- **高年資 vs. 低年資業務員**，誰的轉換率較高？
- **不同地區的業務員**，是否在某些地區推廣信貸更有效？

---

### **面向二：客戶角度分析**

先透過 BI 工具找出可能的潛力客群（如人壽客戶、資金需求、是否已持有銀行信貸）。
- 若客戶已經有資金需求（需定義標籤特徵），分析這些需求與銀行信貸持有的關聯。
- 建立消金客群特徵，並嘗試從人壽客戶視角來建構潛在信貸需求客戶。

**可用數據來源**：
- **LS_POLI_ACCT_D_ME**（包含保戶生日，可計算客戶戶齡）

**目標**：確認客戶戶齡是否影響其申辦信貸的可能性，進一步找出最有潛力的客群。

**分析維度（可搭配面向一）**：
1. **業務員年齡 vs. 客戶戶齡**
- **業務員與客戶的年齡差異**是否影響信貸轉換率？
- 是否資深業務員對高戶齡客戶的銷售成功率較高？

2. **客戶戶齡 vs. 業務員地區**
- **不同地區的客戶年齡結構**是否影響信貸申辦率？
- 某些地區是否更適合年輕或年長的客群？

3. **最近申辦保單 vs. 信貸持有率**
- **越近期申辦保單的客戶**，是否更有可能申辦信貸？
- **老客戶**是否對信貸需求較高或較低？

4. **持有保單數 vs. 信貸轉換率**
- **持有保單數 (`cnt`) vs. 信貸持有率**
- **多保單 vs. 單保單**客戶，誰的信貸申辦率較高？
- 是否**高價值保單客戶**更容易申辦信貸？