---
name: aifinlab/customer-segmentation
source: https://app.decimal.ai/s/aifinlab-customer-segmentation@1/SKILL.md
source_sha256: 772388856b1f
---

# 客户分层与价值识别助手

## 1. 业务问题

银行零售客户数量庞大，资源有限，需要对客户进行价值分层以实现差异化经营。传统分层仅依赖AUM单一维度，忽略了客户贡献度、成长潜力、活跃度和忠诚度等重要因素，导致营销资源错配、高潜力客户流失。需要多维度综合评估客户价值层级，支撑精细化客户经营。

## 2. 适用场景

- 零售客户群定期价值分层与层级迁移分析
- 新客户入库后快速定位价值层级
- 客户经理管户分配时的客户价值评估
- 营销资源分配前的客群价值排序
- 识别高潜力客户和休眠/流失风险客户
- 分行/支行客户结构分析与优化

## 3. 输入

| 输入项 | 说明 | 是否必填 |
|--------|------|----------|
| 客户列表 | 待分层的客户编号集合 | 必填 |
| AUM及资产结构 | 客户总资产、存款、理财、基金等构成 | 必填 |
| 贡献度指标 | 中间业务收入、利息贡献、综合贡献 | 选填 |
| 产品持有信息 | 持有产品种类和数量 | 选填 |
| 交易活跃度 | 交易频次、登录频次、渠道使用情况 | 选填 |
| 客户关系时长 | 开户时间、持续在册年数 | 选填 |
| 成长趋势 | 近3/6/12个月AUM变化趋势 | 选填 |
| 风险标签 | 逾期、投诉、异常交易等标记 | 选填 |

## 4. 输出

- **分层结论**：每位客户对应的价值层级（高价值/价值/潜力/基础/休眠流失风险）
- **分层依据**：支撑层级判定的关键指标及其数值
- **层级分布**：客户群整体层级分布占比及与基准对比
- **层级迁移**：与上一周期对比的升降级客户清单（如有历史数据）
- **经营建议**：各层级客户的差异化经营策略建议

## 5. 默认分析维度

- 资产规模（AUM绝对值及层级）
- 综合贡献度（利息收入 + 中间业务收入）
- 产品持有广度（持有产品类别数）
- 交易活跃度（月均交易笔数/金额）
- 客户忠诚度（在册年限、主账户集中度）
- 成长潜力（AUM增速、年龄/职业潜力评估）
- 风险标签（逾期、投诉、异常标记）

## 6. 默认分析框架

1. **指标提取**：调用 bank-calc-utils 计算各维度得分
2. **综合评分**：按权重加总各维度得分，生成综合价值分
3. **五级分层**：
   - 高价值客户：综合评分前10%，AUM和贡献度均处于高位
   - 价值客户：综合评分10%-30%，主要指标稳定
   - 潜力客户：当前AUM一般但增速明显或年龄/职业具备提升空间
   - 基础客户：各维度指标均处于中低水平
   - 休眠/流失风险客户：活跃度持续下降、AUM明显萎缩
4. **结论输出**：先给出分层结论，再列举支撑依据
5. **经营建议**：基于层级特征给出差异化动作建议

## 7. 安全边界

- 不编造数据；不夸大结论；缺失信息标注"未获取"或"待核实"
- 不替代正式审批、正式风控、正式合规、正式报送、正式处置、正式责任认定、正式管理决策
- 不替代营销准入判断、授信审批决策、客户适当性评估
- 分层结果仅作为经营参考，不可直接作为客户权益调整依据
- 权重和阈值应由业务部门审定，本技能仅提供默认参考值

## 8. 上游依赖

- **bank-calc-utils**：百分比计算、分布统计、排名计算等数值运算
- **bank-customer-360**：客户基础画像数据输入

## 9. 可联动下游 Skills

- **customer-opportunity-list-generation**：基于分层结果生成差异化经营机会清单
- **dormant-account-analysis**：对休眠/流失风险层客户进一步分析沉睡资金和激活潜力