作者單位：中國建設銀行合肥電子銀行業務中心

在線咨詢是由用戶在電子銀行渠道端發起的有關產品的疑問、建議與投訴，由客服在線上答疑解惑，為用戶提供產品使用指導，此種方式不需要用戶前往網點，通過線上咨詢與解答就能快速解決用戶的難題。

它是銀行面向用戶的一個網上窗口。

在線咨詢不僅包含了用戶對產品本身的咨詢，還有操作上的咨詢，以及用戶對產品的使用評價和使用體驗，是客戶最真實、最直接的反饋，在線咨詢文本蘊藏著豐富價值，更好地體現了用戶對產品的訴求和喜愛程度。

非結構化數據是相對于結構化數據而言的，結構化數據為即行數據，指存儲在數據庫里，可以用二維表結構來邏輯表達實現的數據。而不方便用數據庫二維邏輯表來表現的數據即稱為非結構化數據。簡單來說，非結構化數據包括各類格式的文檔、文本、圖片、XML, HTML、各種類型的報表、照片和音頻視頻信息等。

在多數的傳統企業中，超半數的數據屬于非結構化數據，這些有價值的非結構化數據因未被有效地挖掘利用仍在沉睡。非結構化數據分析能力作為大數據能力建設中不可或缺的重要組成部分，已引起銀行業的關注與重視，并紛紛研究和探索相關能力的建設。

例如，工商銀行利用文本挖掘技術創新性地建立了“客服智能分析挖掘模型”，模型包括關聯分析、主題分析和分類分析，改變了以往人工閱讀、逐條歸納的分析方式，運用大數據技術，高效、智能地挖掘提煉出客戶關注的焦點問題和產品痛點，并進行關聯性分析，及時洞察和掌握客戶的真實心聲，推動服務水平的持續提升。

在線咨詢文本就屬于非結構化數據中的一種。在線咨詢文本是極具研究價值的數據，它是用戶關于產品或服務的真實看法和反饋，通過咨詢內容挖掘用戶需求，從而向特定用戶群體進行營銷，更好地為用戶服務。

那么，如何利用非結構化數據，如何從海量的咨詢文本中找到用戶的需求，如何對不同需求的人群進行精準營銷呢？一般來說主要分成四步：第一，對在線咨詢文本進行預處理；第二，運用關聯關系算法挖掘出每條文本的屬性；第三，根據高頻詞匯定位用戶問題，聚類客戶群體；第四，篩選出存在營銷商機的文本，制定營銷話術。

具體為以下幾個步驟：

第一，對原始文本進行預處理包括兩部分，一是建立基礎詞庫，就是我們把有關電子銀行產品、服務的詞收集到一起，建立一個基礎詞庫。二是對文本進行分詞。在分詞前，我們需要先將文本中涉及到客戶信息的敏感詞刪除，然后再利用分詞工具對文本進行分詞，在選擇分詞工具的時候，我們主要考慮的因素是它的分詞正確率，除了分詞功能以外，該分詞工具還需擁有詞性標注、命名實體識別和新詞識別等功能。

做完以上兩步，我們再把文本與基礎詞庫中的詞進行匹配，留下包含基礎詞庫中詞語的文本，如果文本中沒有詞語與基礎詞庫中的詞語匹配，那我們就剔除此條文本。

第二，運用關聯關系算法挖掘出每條文本的屬性，利用基于關聯規則的Apriori算法挖掘出產品屬性。關聯分析是從大量數據中發現項集之間有用的關聯。Apriori關聯分析算法是發現頻繁項集的一種方式。

該算法首先會生成所有單個元素的項集列表。接著掃描項集來查看哪些項集滿足最小支持度，不滿足最小支持度的集合會被去掉。然后，對剩下來的集合進行組合以生成包含兩個或兩個以上元素的項集。根據算法運行得到高頻詞組和次高頻詞組。例如，{賬戶，明細}、{信用卡，額度，申請}，每一條文本對應一組屬性詞。

第三，根據高頻詞匯定位用戶問題，對客戶群聚類。當我們利用關聯關系算法挖掘出每條文本的屬性后，我們可以直接通過屬性詞組定位用戶問題。比如通過{信用卡，額度，申請}這組屬性詞可以知道該文本是關于信用卡額度申請的問題，通過{賬戶，明細}這組屬性詞可以知道該文本是客戶咨詢賬戶明細的問題。我們把具有相同屬性特征的客戶聚類成群，給出客戶群標簽。

第四，劃分營銷場景，制定營銷規則，從咨詢文本中，智能關聯和分析出符合轉賬、信用卡、理財產品、出國留學等產品的銷售場景。將銷售場景與客戶群標簽進行匹配，篩選出存在營銷價值的文本，制定營銷話術。例如，對群屬性為{信用卡，額度，申請}的客戶營銷其簽約手機銀行，通過手機銀行可查詢、申請、調整信用卡額度。對不同種類用戶群體進行差異化營銷，實現精準營銷。

當前銀行業正在大力發展大數據分析挖掘的相關應用，有效運用大數據可以對業務發展和經營決策的形成強有力的支撐。而非結構化數據分析，是大數據分析挖掘中非常重要的領域。非結構化數據蘊藏著客戶和市場對銀行最真實的態度和需求，但因缺乏合適的分析挖掘技術和工具，其尚未被充分地挖掘與應用。

目前，銀行業已經意識到非結構化數據的重要性，工行、中行、交行、招行、中信銀行、光大銀行和民生銀行等多家商業銀行正在加緊推進大數據分析應用方面的布局，積極尋找對非結構化數據進行采集、分析和挖掘的新方法。

通過對非結構化數據的采集、分析、重構和引用，建立銀行個人客戶非結構化數據挖掘體系與知識庫，實現非結構化數據與結構化數據的結合，兩者互為補充，利用分析結果推動銀行的產品功能、渠道功能、服務流程的改進優化，提高用戶的滿意度，增強客戶和渠道、客戶和產品之間的黏性,深化已有的個人客戶需求分析，通過精準化的營銷模型和差異化的營銷策略，助力個人業務發展。

責任編輯：王超