credit-card-marketing-opportunity-identification-assistant

name	credit-card-marketing-opportunity-identification-assistant
description	用于银行零售金融场景下的信用卡营销机会识别任务。适用于基于客户画像、资产负债、 交易行为、渠道互动、生命周期阶段、权益偏好以及外部行业数据，识别潜在办卡、 升额、分期、附属卡、权益升级、激活促活与交叉营销机会。优先级为 P1。 当用户需要对零售客户进行营销推荐、名单筛选、机会评分、活动匹配、客群策略制定、 信用卡经营分析或机会归因时，应使用本技能。 本技能对行业数据依赖较强：需要参考市场渗透率、同业产品供给、行业活跃水平、 客群偏好基准、渠道转化基准、地区与客群差异基准等外部或行业数据。

技能概述

本技能用于识别零售客户在信用卡业务中的营销机会，包括但不限于：

• 首卡获客机会识别
• 存量客户加办或附属卡机会识别
• 激活促活机会识别
• 分期、账单分期、消费分期机会识别
• 升额与额度经营机会识别
• 权益匹配与卡种升级机会识别
• 重点客群活动投放建议
• 客户经理外呼、私域运营、App 推荐位等渠道动作建议

本技能输出的核心不是“直接给客户推什么”，而是：

1. 当前客户或客群是否存在信用卡营销机会；
2. 机会来自哪些行为和画像信号；
3. 哪些结论依赖行业数据支撑；
4. 在信息不完整时如何保守输出；
5. 后续触达策略、推荐优先级和跟踪指标如何设置。

优先级

• 优先级：P1
• 行业：银行
• 业务条线/能力域：零售金融
• 场景/能力：营销推荐
• 行业数据支持要求：高

使用指导

一、何时使用

在以下场景下优先使用本技能：

• 需要从零售客户中筛选信用卡潜在营销名单
• 需要识别首卡、附属卡、升额、分期、权益升级等机会
• 需要为营销活动制定客群策略与推荐顺序
• 需要对某个客户群体做信用卡机会评分和推荐理由解释
• 需要输出客户经理可执行的营销动作清单
• 需要结合行业数据判断内部信号是否显著、是否具备营销价值

二、何时不要直接下结论

遇到以下情况时，应降低结论强度，并明确标注“待补充行业数据”或“仅为内部信号提示”：

• 缺少行业渗透率、同业转化率、客群基准等外部参照
• 仅有单期内部行为数据，无法判断趋势变化
• 客户交易活跃度异常但原因不明，可能来自季节性、一次性活动或渠道迁移
• 同一客户在多类产品上都存在机会，尚未完成优先级排序
• 涉及客户敏感属性或监管限制场景，无法直接进行个性化推荐

三、推荐工作流程

1. 明确任务目标：是首卡获客、升额、促活、分期还是综合营销机会识别。
2. 整理客户数据：客户基础属性、资产负债、收入、交易、渠道互动、产品持有、信用卡存续状态等。
3. 补充行业数据：行业渗透率、同业活动强度、客群基准、地区基准、渠道转化基准等。
4. 识别内部营销信号：消费能力、线上活跃、权益偏好、出行场景、家庭场景、额度使用、还款习惯等。
5. 结合行业基准校准：判断内部异常是否显著，避免只基于内部排序做过度推荐。
6. 输出机会清单：给出机会类型、推荐理由、信号证据、优先级、触达渠道、建议动作。
7. 标注信息缺口：哪些判断依赖行业数据、哪些仍需补充验证。
8. 跟踪结果：建议后续跟踪点击率、申请率、核卡率、激活率、使用率、转化收益等指标。

输入要求

优先输入如下信息：

• 客户基础信息：年龄段、职业类别、收入层级、地区、客户等级、生命周期阶段
• 产品持有信息：借记卡、信用卡、理财、贷款、存款、代发、手机银行使用情况
• 交易行为信息：消费频率、金额、场景、MCC/商户类别、线上线下占比、出行/餐饮/教育/医疗等偏好
• 渠道行为信息：App 登录、消息打开、活动点击、页面浏览、短信/外呼响应
• 信用卡经营信息：是否持卡、激活状态、额度使用率、分期历史、还款习惯、逾期情况
• 客群外部信息：行业渗透率、地区均值、同业活动节奏、市场偏好基准、渠道转化基准

输出要求

输出时应至少包含以下部分：

1. 任务目标与分析范围
2. 数据概况与缺失说明
3. 行业数据依赖情况说明
4. 机会识别结果总览
5. 分客群或分客户机会明细
6. 推荐理由与证据链
7. 推荐优先级和渠道建议
8. 风险提示与合规边界
9. 待补充信息清单
10. 跟踪指标建议

分析维度

一、首卡获客机会

重点识别以下信号：

• 高活跃借记卡客户但未持有信用卡
• 工资代发、稳定收入、消费频繁
• 高频线上支付、出行、餐饮、电商消费
• 中高资产客户但信用卡渗透不足
• 对权益活动有较高响应但尚无对应卡种

二、存量持卡经营机会

重点识别以下信号：

• 已持卡但长期未激活
• 已激活但长期低活跃或沉睡
• 消费活跃但卡种权益不匹配
• 额度使用率长期偏高，存在升额需求
• 账单压力较大且分期接受度较高
• 家庭金融关系明显，存在附属卡机会

三、权益与场景匹配机会

可识别的场景包括：

• 出行类
• 商旅类
• 餐饮类
• 电商类
• 车主类
• 教育家庭类
• 高净值权益类
• 年轻客群内容消费类

四、渠道推荐

建议根据客户行为偏好选择渠道：

• App 站内推荐
• 短信触达
• 客户经理外呼
• 私域社群
• 网点转化
• 联合活动投放

行业数据使用原则

本技能需要较强行业数据支持。应优先使用以下外部或行业数据：

• 客群信用卡渗透率基准
• 客群申请转化率基准
• 活卡率、激活率、使用率行业均值
• 地区、年龄层、收入层级的市场差异基准
• 同业重点卡种和权益投放节奏
• 行业活动热度、季节性因素、节假日特征
• 渠道点击率、申请率、核卡率行业基准

若缺少上述数据，则：

• 仅可输出“内部信号提示型机会”
• 不应输出过强的市场竞争判断
• 不应夸大机会优先级
• 必须注明“需结合行业数据进一步校准”

风险与合规边界

• 不得基于受限制敏感信息进行歧视性推荐
• 不得把营销倾向直接表述为审批结论或授信结论
• 不得隐含承诺核卡、提额或收益结果
• 不得规避适当性、隐私保护与营销合规要求
• 对外部数据来源不清或口径不一致时，应明确提示不可直接比对

参考资料

• 详见 references/marketing_opportunity_methodology.md
• 行业数据要求详见 references/industry_data_requirements.md
• 客群与产品映射详见 references/customer_product_mapping.md
• 合规说明详见 references/compliance_notes.md
• 输出结构详见 references/output_schema.md

可调用脚本

• scripts/card_opportunity_signal_engine.py：信用卡营销机会信号识别
• scripts/industry_benchmark_calibrator.py：行业基准校准
• scripts/render_marketing_report.py：渲染营销机会识别报告