銀行的長尾客戶占比80%以上。但受限于有限的營銷資源和客戶經(jīng)理，銀行日常的精準營銷活動更多覆蓋頭部客戶，一方面缺乏對長尾客戶中高凈值客戶的挖掘，另一方面缺乏對長尾客戶的精細化運營。

縱向聯(lián)邦學習本質(zhì)是特征的聯(lián)合，是一種適用于用戶重疊多，但特征重疊少的分布式機器學習方法。對于銀行來說，縱向聯(lián)邦學習是面向長尾客群精準營銷的有效手段，但也需要關注系統(tǒng)層級的挑戰(zhàn)。

銀行零售業(yè)務的核心趨勢是將金融服務無縫銜接進不同用戶的主要生活場景，實現(xiàn)“銀行即服務”（BAAS）。其中主要手段就是借助數(shù)據(jù)技術來進行集中化、智能化的客群經(jīng)營，利用有限的營銷和人力資源，最大效率的挖掘長尾客戶的價值。這對銀行用戶標簽系統(tǒng)的精準度和豐富度都提出了較高的要求。而用戶標簽的精準度和豐富度都有賴于多源數(shù)據(jù)的引入，銀行可以通過縱向聯(lián)邦學習與支付機構(gòu)、運營商、互聯(lián)網(wǎng)機構(gòu)等外部場景平臺聯(lián)合建模，通過有效的補充特征可以增加更多的用戶標簽并提高標簽的實時性和準確性。

易觀分析認為，對于有大量基礎零售客戶群的商業(yè)銀行，應用縱向聯(lián)邦學習共建的用戶標簽系統(tǒng)可以幫助銀行逐步構(gòu)建長尾客戶的分層營銷體系。銀行可以基于客戶臺賬、銀行的客戶關系管理系統(tǒng)來梳理客戶的日常消費習慣和消費偏好，借助行為定向、地域定向、內(nèi)容定向、產(chǎn)品定向等方法識別客戶，進而優(yōu)化用戶畫像并制定個性化的推薦策略，并基于用戶分層的結(jié)果和用戶偏好標簽，在面向內(nèi)容、時間、觸達方式等多維度營銷方式上，提升銀行對海量長尾客戶的個性化營銷服務深度。

同時，銀行可以利用縱向聯(lián)邦技術與保險公司、基金公司等聯(lián)合建模，了解本行長尾客戶的跨行消費行為、資金流動性等外部財富能力特征，實現(xiàn)對本行優(yōu)質(zhì)高潛客戶的挖掘。

因此，通過共建的實時用戶標簽系統(tǒng)發(fā)現(xiàn)高價值的客群，以及用精準營銷的方式以最小的資源投入“促活”和“挽回”海量長尾客群是未來銀行的重點。

縱向聯(lián)邦學習技術應用于用戶標簽系統(tǒng)，在系統(tǒng)架構(gòu)層級主要有以下三類問題：

一是，縱向聯(lián)邦學習是一種分布式的機器學習方法，但傳統(tǒng)的智能推薦系統(tǒng)都是中心化的框架，因此，數(shù)據(jù)技術和營銷中臺會在系統(tǒng)層級方面存在通訊損耗、技術與業(yè)務架構(gòu)融合等方面的挑戰(zhàn)；

二是，銀行在營銷場景下是用縱向聯(lián)邦學習，但在風控場景中是用橫向聯(lián)邦學習，銀行內(nèi)部在不同的業(yè)務場景中應用不同的聯(lián)邦學習技術，會導致在銀行內(nèi)部逐漸形成平臺壁壘；

三是，縱向聯(lián)邦學習需要銀行與外部場景平臺進行多方協(xié)作，而不同平臺之間的對接也面臨技術兼容、數(shù)據(jù)合規(guī)、模式構(gòu)建等方面挑戰(zhàn)。

易觀分析建議，現(xiàn)行體系架構(gòu)的可擴展性和不同的隱私計算平臺之間的跨接協(xié)議可以成為關鍵突破點。銀行在部署前應當和合作方對架構(gòu)進行充分溝通，尤其需將銀行方關于應急災備的安全需求予以重點考量，進而對技術架構(gòu)和部署方案做相應調(diào)整。另一方面，銀行可以從自身業(yè)務需要出發(fā)，和技術廠商共同制定標準化的技術框架和實施流程。

更多推薦閱讀：

》》易周金融觀點 | 支付機構(gòu)入局數(shù)字藏品，Q1手機銀行交易規(guī)模超150萬億

》》干貨復盤 | 5分鐘速覽證券行業(yè)財富管理轉(zhuǎn)型新趨勢

》》Q1手機銀行運營報告：交易規(guī)模超150萬億，月活躍用戶4.9億