金融智能在商业银行营销方面的应用.pptx
《金融智能在商业银行营销方面的应用.pptx》由会员分享，可在线阅读，更多相关《金融智能在商业银行营销方面的应用.pptx（73页珍藏版）》请在冰点文库上搜索。
金融智能在商业银行市场营销领域的应用,内容,我国商业银行营销环境产品盈利分析交叉销售精准营销综合案例分析,我国商业银行面临的市场环境,2006年我国金融业全面对外资开放，商业银行开始应对来自外资银行多方面的竞争。
近几年，我国股份制商业银行加快全国扩张步伐，城市商业银行经过重组改制也开始效仿股份制商业银行向全国或跨区域扩张。
金融业的混业经营逐渐发展。
居民和企业投资意识不断增强，金融脱媒现象出现。
电子商务的发展促使第三方支付的快速发展。
传统商业银行不仅要面对来自国内商业银行和外资银行的竞争压力，与非银行金融机构甚至是非金融机构的竞争也在加剧。
在这种环境下，金融机构已经普遍关注客户流失率的问题。
如果商业银行依然采取粗放经营，以及粗略的数据分析、市场判断，将无法与资本雄厚、管理先进、数据集中的外资银行进行竞争。
金融营销,从银行角度设计产品的经营理念被以客户为中心的银行经营理念代替。
为满足客户的需要，金融产品种类日益丰富，金融营销受到金融业的高度重视。
金融营销指“金融企业以金融市场为导向，运用整体营销手段向客户提供金融产品和服务，在满足客户需要和欲望的过程中实现金融企业利益目标的社会行为过程。
”金融营销的核心问题之一是根据客户的特点，提供符合其个性化需求的金融产品与服务。
商业银行产品策略,商业银行产品策略指银行将各种产品和服务进行组合的策略。
银行产品的开发创新策略就是根据市场的需要，通过不同的组合，向市场提供全新产品、换代新产品、改进型新产品和仿制型新产品的经营活动，以扩大市场占有份额。
根据市场需要创新金融产品、工具和业务是商业银行营销的关键所在。
金融智能在产品策略方面的应用,通过建立营销数据仓库，对各个产品的销售情况及实际盈利水平进行分析，研究影响产品盈利的主要因素及其权重。
对客户进行科学的细分，针对每类客户的特征和需求设置差别性产品；分析产品历史销售信息，发现产品之间的关联，从而开发复合性的金融产品，实现原有基本产品的高效组合销售。
商业银行定价策略,银行产品的定价包括银行存贷款利率的确定和各项服务费率的确定。
单项产品定价：
研究影响金融产品定价的主要因素及其影响权重。
产品线定价：
产品线定价是指企业将同一性质的不同档次、不同规格的产品分别定价，从而满足不同需求的销售策略。
相关产品交叉定价：
搭配产品交叉定价：
搭配产品是指那些既可以单独实现其功能也可以与主导产品配套使用，但结合并不紧密的产品。
搭配产品的价格既可以以高价纳入主导产品的价格之中，借助主导产品的价格基数来给客户低价的感觉，也可以单独进行定价，以适应不同层次客户的消费需求。
如银行向企业提供了一笔外币贸易融资贷款，相应要收取客户业务手续费和融资利息，业务手续费是主导产品收入，而融资利息是搭配产品收入群体组合产品交叉定价策略：
群体组合产品是指那些虽然在功能上并不连带，也无法搭配，但在使用时间或空间上比较接近，可以人为地把它们组合在一起销售的产品。
商业银行分销策略,分销是指通过不同的营销渠道把银行的产品传递给客户的过程。
银行营销渠道分为直接分销渠道和间接分销渠道。
通过各分销渠道使用者的特征研究、行为模式研究，在各分销渠道间优化资源配置，改善使用环境。
商业银行促销策略,促销是指商业银行为赢得客户而进行的一种信息沟通行为。
商业银行促销方式主要有广告促销、人员推销、营业推广直接营销、公共关系促销四种。
通过对客户的细分、产品定位、产品关联和产品序列等分析为各种促销策略提供依据，实现有效的交叉销售和精准营销。
二、商业银行产品盈利分析,产品盈利分析是产品盈利管理的主要内容。
产品盈利管理指通过自动量化反映商业银行各类产品历史综合贡献，以此分析产品发展及相关因素与银行整体价值贡献之间的关联，并进而改善产品服务和管理能力，提升产品在下一步和中长期的价值贡献。
产品盈利分析的整体框架,基于全覆盖、能细则细、自动取数的原则逐步建成完整的产品盈利计量和分析体系。
“全覆盖”指计量框架要涵盖到全部经营机构和全部产品，以及需要的时间期限。
“能细则细”指根据基础数据源的情况尽量减小数据粒度，细化到最明细的层面，满足精细化经营管理的需要。
“自动取数”是为了适应银行产品数量和交易数量不断增长的现实，运用信息技术提升计量和分析的效率与准确性。
产品盈利分析的不同纬度和粒度,从机构范围来看，基于国内银行的组织架构体系，要覆盖全行、一级分行、二级分行等至少三个层级。
从产品体系分类设计来看，产品第1级可包含贷款、存款、中间业务等，贷款之下第2级包含对公贷款和个人贷款，对公贷款之下第3级包含贴现和非贴现贷款，非贴现贷款之下第4级包含流动资金贷款、固定资产贷款等，以此类推到第N级（N级为最明细产品）。
从期限角度看，可分年、半年、季、月等多个层次。
按照国际经验，产品盈利计量的频率一般为“月”。
另外还可以从产品的定价方式、风险缓释方式、使用渠道、适用客户群、交易限额等不同纬度进行分析。
产品盈利数据源,对存贷款产品：
基于账户所带的业务种类、期限等特征字段与产品对应关系将存贷账户的利息、费用、减值损失等收支汇总为明细产品的各项收支，进而计算产品盈利。
对于中间业务、资金交易类、其他类最明细产品：
通过收入流水中所带的科目信息或者根据明细科目余额，将收入映射到相关产品，同时计算各明细产品的费用、减值损失等成本再整合计算产品盈利。
产品盈利分析,建立产品盈利分析数据集市需要注意完善交易系统的最细粒度数据，将分析纬度以字段化方式体现、标识在账户交易明细或者收入交易流水中。
进行产品盈利多维数据分析从机构、产品、期限、定价方式、风险缓释方式、使用渠道、适用客户群、交易限额等不同纬度根据实际需要进行多维OLAP分析。
进行产品盈利影响因素分析，预测产品盈利趋势，提高产品盈利水平。
利用多元回归分析、时间序列分析等预测技术建立预测模型。
三、交叉销售,交叉销售概述交叉销售实施过程交叉销售案例分析,交叉销售,所谓交叉销售（cross-selling），是指通过对现有顾客需求的把握进而向其推荐相关产品的行为，即鼓励一个已经购买公司A产品的顾客也购买其B产品。
营销策略与交叉销售,交叉销售的重要形式,提供整体解决方案（产品组合）满足整体需求的捆绑销售。
针对消费者购买行为呈现出的序列性而提供不同产品的销售。
交叉销售与产品组合,顾客对公司产品的交叉购买，可具体分为两种类型:
对同一产品线上不同产品品种的交叉购买;对不同产品线上不同产品品种的交叉购买。
产品组合的四个方面的特性:
长度、宽度、深度和一致性对交叉销售都会具有不同程度的影响。
金融业交叉销售的实施过程,整合客户信息：
例如人口统计特征、使用金融机构现有产品的情况、财产状况、信用和风险等级等。
识别交叉销售的机会：
这是整个交叉销售实施过程中的核心步骤。
需要确定交叉销售的关键性问题，即哪些顾客需要哪些产品。
实施交叉销售交叉销售效果评估,识别交叉销售的机会-根据产品特征分析,通过分析产品特征来寻找现有顾客中符合该特征的顾客,其步骤为:
1.根据各种金融产品的不同产品定位分析其相对应的顾客特征,作为判断某个顾客是否能够通过该产品满足其需求的基础;2.根据顾客特征找出这些顾客并确定出向其提供的金融产品或产品组合;3.确定出向顾客推荐的多个产品或产品组合的先后顺序。
识别交叉销售的机会-根据客户及历史数据分析,研究不同顾客群体之间的产品使用差异，推荐不同的产品组合对顾客整体购买行为分析，确定产品之间的关联，发现客户的购买模式；根据具有这些购买模式的顾客的特征建立预测模型,找出符合这些特征的顾客并计算其购买的可能。
即根据客户的历史交易数据确定产品之间的关联和序列，并确定潜在客户。
根据某一产品对应历史客户的特征确定潜在客户,交叉销售案例信用卡促销,问题：
现在社会上的信用卡使用越来越多，各家银行也需要提高自己的客户数量，客户争夺非常激烈，怎么能找到更多的潜在用户呢？
问题分析,银行内部不同的业务有一个相对比较独立的系统，本问题主要涉及到两个系统：
银行核心系统（主要包括了银行卡,卡流水，客户信息）信用卡系统。
两个系统中都有客户信息,问题分析,现实生活中的消费主要有实体消费和网络消费，实体消费又有现金、银行卡、信用卡消费等，那么统计通过银行卡消费的频率和金额来获得经常使用银行卡消费又没有办理信用卡的客户信息，这就是信用卡的潜在客户，可以通过电话营销、直接营销、柜台营销等方式向他们推销信用卡。
数据来源,银行卡系统：
银行卡流水银行卡信息银行卡客户信息信用卡系统：
信用卡客户信息,实施流程,实施流程说明,抽取银行卡客户信息、信用卡客户信息、银行卡流水信息将取得的银行卡流水按照卡号汇总，取得消费次数和总消费金额筛选符合条件的卡号（消费次数n，消费金额x）筛选出的银行卡通过关联卡信息表取得客户号，并通过客户号关联银行卡客户信息得到证件类型、证件号及客户联系方式通过证件类型和证件号查询信用卡客户信息，得到没有信用卡的客户信息,扩展思考,如果同一个客户有多个卡又怎么实现统计后的银行卡交易汇总信息关联银行卡客户信息后再按照证件号求和，然后再关联信用卡客户信息取得未办信用卡的客户信息。
怎样针对不同的消费人群推荐不同种类的卡通过银行卡消费流水的商户编号，通过商户编号关联商户信息得到商户类型，然后统计出各种卡各种消费类型，得到相应信用卡种的潜在用户。
比如，如果该用户经常买汽车相关产品或者用银行卡加油，那么就可以向该用户推荐汽车卡。
交叉销售案例个人零售业务应用,按照不同产品对银行所产生的收益类型，银行个人产品可以分为四大类。
银行产品说明,银行产品又可分为基本产品和外延产品。
基本产品如借记卡，所有的商业银行均有该产品，且功能相似。
扩展产品是指银行产品中为客户提供功能扩展或超值服务的那一部分产品，属金融产品的系列化业务，是银行产品的延伸，用以配套解决客户全部问题。
因为很多产品如基金，保险，第三方存管都是借助借记卡的平台，所以在这里我们仅对部分有特点的扩展产品进行数据挖掘。
数据采集,以客户ID为唯一标识，计算出客户某段时间内对银行做出的贡献。
取出对银行贡献较高的客户100名，从业务数据库中提取出这些客户开办了哪些产品，生成训练样本。
客户购买产品表,关联分析,设定最小支持数为2，即最小支持度为25%。
最小置信度为80%发现频繁项集结果分析与应用：
银行可以将网上银行和银信通业务捆绑销售，还可以考虑在客户办理银证转账时，向其推荐购买基金，以带动这两组银行产品的销售，增加银行的业务量和收益。
四、精准营销,精准营销概述商业银行精准营销实施过程商业银行精准营销案例,精准营销,精准营销这一概念最先是由世界级营销大师菲利普科特勒提出：
精准营销就是公司需要更精准、可衡量和高投资回报的营销沟通，需要更注重结果和行动的营销传播计划，更注重对直接销售的投资。
我国著名的精准营销学者徐海亮对精准营销的定义：
精准营销就是在精准定位的基础上，依托现代信息技术手段，建立个性化的顾客沟通体系，实现企业可度量的低成本扩张。
美国精准营销研究者杰夫萨宾JeffZabin认为：
精准营销就是要提高营销开支的总体效果，把向错误对象进行营销而造成的资金浪费降到最低。
他提出了精准营销4R法则，即正确的顾客（Rithtcustomer），正确的信息（Rightmessage），正确的渠道（RightChannel）以及正确的时刻（Righttime），通过将正确的信息在正确的时刻，以通过正确的渠道传递到正确的顾客手中，以此真正对目标客户的购买决策构成影响，促进营销目标的有效达成。
精准营销的特点,综合上述思想，我们可以发现精准营销具有的特点。
针对性效果的可衡量性高效性客户导向性,精准营销的“精准”体现,产品和价格的精准产品的精准主要表现在当产品的目标顾客确定以后，要根据目标顾客的特点来设计产品。
价格的精准主要表现在定价符合顾客的消费水平。
营销渠道的精准选择目标客户容易接受的多种渠道；选择成本较低的渠道；选择与产品性质相融合的渠道。
促销对象的精准针对不同的客户选择最适合的产品、个性化的产品,精准营销的理论基础,市场细分理论科技的发展,令企业满足消费者对同一类产品的差异化需求的能力日益增强。
市场细分理论要求把消费者分为不同的群组,针对不同群组的需求差异分别开展营销活动.精准营销正是要找到有特定需求的消费者群组,非常精准地对他们进行营销沟通,以实现绩效更佳的营销效果、更高的客户忠诚度和更低的营销成本.4C理论4C理论强调从消费者的角度出发,围绕解决顾客需求问题、顾客成本、顾客便利性和顾客沟通来开展企业的营销活动。
精准营销理论坚持客户导向的基本原则,强调低成本，方便客户，强调与顾客实施双向、互动的沟通，可以说是对4C理论的发展和深化。
让渡顾客价值理论让渡顾客价值理论强调企业的收益来源于企业让渡给顾客的价值。
让渡顾客价值是顾客总价值与顾客总成本之间的差额.顾客总价值包括:
产品价值、服务价值、人员价值、形象价值；顾客总成本则包括:
货币成本、时间成本、精力成本、体力成本。
精准营销的主要方法,基于数据库的营销建立一个有一定规模、相关信息比较完备的潜在消费者数据库，从中筛选符合银行自身需要的潜在客户的信息。
主要营销方法：
邮件直复营销，呼叫中心，短信等基于互联网的营销通过互联网来识别客户的消费心理和行为特征,相关企业再根据这些显著特征来开展针对性很强的精准营销活动.主要营销方法：
门户网站广告，关键词搜索，博客，Email广告，来电广告等基于第三方渠道的营销借助其他企业对潜在客户进行营销。
精准营销方法比对,商业银行精准营销过程,精准营销要求营销决策建立在数据分析基础上，通过数据挖掘等数据分析技术实现针对不同细分客户群的定制化服务。
全面收集客户信息，并进行基本预处理（剔除不合规则的数据），建立客户数据库。
运用数据挖掘等数据分析技术，找准最有价值的目标客户通过各种渠道实施精准营销评估精准营销的效果,商业银行精准营销应用的数据挖掘技术,聚类分析客户细分是精准营销的基础，聚类技术可以有效完成对客户的精细分类，针对不同客户群的特征推荐个性化产品。
预测分析通过预测分析确定产品定价模型，实现产品价格的精准。
分类分析通过对客户信息、历史购买产品信息、历史促销活动的响应信息的分析确定产品促销对象。
关联分析通过关联分析可以发现产品之间的关联、产品客户群的特征，为确定产品的目标客户提供依据。
个性化推荐系统个性化推荐系统是实现精准营销的有效手段，是对上述技术的综合应用。
个性化推荐系统,个性化推荐系统首先针对收集到的客户信息进行分析并建立客户兴趣模型，再通过推荐算法实现对客户的产品推荐。
个性化推荐问题通常可视为一个对目标客户对未购买产品的兴趣程度的预测问题。
通常，推荐系统由客户行为信息收集、客户兴趣分析模型和个性化推荐算法等三个模块组成。
推荐方法是推荐系统的核心，目前研究最多的是基于内容的推荐系统、基于协同过滤的推荐系统。
另外，还有基于关联规则的推荐系统，混合推荐系统等。
基于内容的推荐方法,基于内容的推荐通过分析客户已购买产品或已评价对象的特征获取相应客户的兴趣描述，通过比较客户与产品或对象之间的相似性实现推荐。
它是根据客户已选择的产品项的内容信息，而不是根据客户对产品项的评分进行推荐的。
基于内容的推荐技术包括贝叶斯分类，聚类，决策树，人工神经网络等。
协同过滤推荐方法,在基于协同过滤的推荐中，系统首先基于已有的产品购买数据或关于产品的评分数据，计算给定客户（或项）之间的相似性；然后根据计算得到的相似性，寻找与目标客户（或项）的最近邻居集合；最后使用最近邻居集合中的客户购买产品或对项的评分情况，预测目标客户对目标产品的购买兴趣或评分值，以此来产生对目标客户的推荐。
在协同过滤推荐算法中，基于用户（User-based）的协同过滤算法和基于项（Item-based）的协同过滤算法是两类应用较为广泛的算法。
其中，基于用户的协同过滤是以用户-项评分矩阵中的行为基础来计算用户之间的相似性,每行对应一个用户；而基于项的协同过滤技术则是以用户-项目评分矩阵中的列为基础来计算项之间的相似性,每列对应一个项。
基于用户的协同过滤推荐方法,基于用户的协同过滤推荐方法基于邻居用户的兴趣爱好预测目标用户的兴趣偏好。
用一个称为客户-产品购买或评分矩阵R（m,n）来表示用户对资源项目的评分信息，其中m行表示系统中的m个客户，n列表示系统中的n个产品等资源项，Rij表示客户i对项j的评分值。
一个客户对某个项的兴趣度（喜欢/不喜欢）或购买状态（已购买/未购买）可用评分值0/1表示；客户对项的喜好程度也可用某个评分值区间进行表示。
算法的目标是对评分矩阵中未评分值进行预测（预测出一个非0值），系统据此决定给目标用户推荐的项。
相似度度量,余弦相似性度量修正余弦相似性度量相关系数相似度量熵,邻居集合的形成,邻居集合的形成有多种方法：
Top-N、K近邻法、阈值法、聚类法、贝叶斯网络法。
最常用的是前2种方法。
算法的核心部分是为一个需要推荐服务的目标用户寻找最相似的最近邻居集。
根据预先确定的邻居数N，采用以上相似度的算法按由大到小的顺序选取前N个用户作为邻居用户集合。
或者根据预先确定的相似度阈值，选择所有相似度大于阈值的作为邻居用户集合。
推荐列表的生成,根据当前用户最近邻居对商品的评分信息预测当前用户对未评分商品的评分，产生Top-N商品推荐。
设用户u的最近邻居集合用Nu表示，则用户u对项目i预测评分Pu，i可以通过用户u对最近邻居集合Nu中项的评分得到，计算方法如下：
式中，sim（u，n）表示用户u与用户n之间的相似性，Rn，i表示用户n对项i的评分。
然后选择预测评分最高的前n项作为推荐结果反馈给当前的目标用户。
基于项的协同过滤方法,首先确定出与目标项相似性程度较高的项，以获取目标项目的最近邻居集合；然后根据目标用户对最近邻居集合中项目的评分信息来预测其对目标项目的评分情况；最后选择评分预测值最高的前N项作为结果推荐给用户。
混合式推荐系统,基于规则的、基于内容的以及基于协同过滤的推荐算法由于自身算法的特点，在实际应用中都存在相应的缺陷，一种解决的方案就是把多种不同的推荐算法结合起来，形成混合推荐算法。
最常见的混合推荐系统是联合基于内容和基于协同过滤的混合推荐系统。
混合式推荐系统的主要形式,分别应用基于内容的推荐技术和基于协同过滤的推荐技术来进行评分值的预测，并将得到的结果结合起来使用。
在协同过滤推荐系统中加入基于内容的技术。
在基于内容的推荐系统中加入协同过滤技术。
基于社会网络的聚类技术（社团挖掘方法）,网络不是一大批性质完全相同的节点随机地连接在一起的，而是许多类型的节点的组合；相同类型的节点之间存在较多的连接，而不同类型的节点之间的连接则相对较少。
同一类型中的节点以及这些节点之间的边所构成的子图被称为网络中的社团。
社团挖掘思想,社团挖掘又名图分割，它基于各节点间连接的相似性或连接强度，将网络划分为若干子群。
依据是否是向网络中添加边还是从网络中去除边，该类算法可分为凝聚方法和分裂方法两类。
商业银行精准营销案例手机银行营销,所谓手机银行是指银行通过移动通信网络将客户连接至银行终端，客户通过手机界面直接完成银行业务的渠道，它是一种全新概念的电子银行业务。
目前，手机银行面临着客户认知度低，地域发展不均衡，功能单一，产品服务同质化，无创新点，扫射似营销方式等诸多问题。
手机银行业务功能,目前我国手机银行的基本业务内容主要包括四大类，即账户管理、转账汇款、缴费支付，理财投资。
账户管理:
账户查询，公积金账户查询，信用卡查询，贷款业务等。
转账汇款:
支持给类型转账，包括同行和跨行业务。
缴费支付:
购物支付，公共事业缴费，订票业务等。
投资理财:
手机股票，基金、国债业务，外汇，贵金属，第三方存管等。
相关变量,消费者个体特征方面手机银行产品特征方面银行特征方面消费者对手机银行认知方面消费者的使用态度，过去的购买行为，消费者价值等。
消费者个体特征方面的变量,手机银行产品特征方面的变量,银行特征方面的变量,消费者认知变量设计,构建数据仓库进行数据分析,数据采集,银行原始历史数据：
包括顾客的身份证信息，家庭住址，联系电话，家庭情况，收入情况，职业状态，客户资产等详尽信息。
搜集新数据：
客户的消费偏好，比如手机银行的开通意愿，理财内容，感兴趣的金融信息等方面。
数据精炼,根据手机银行客户数据的性质，进行数据的精炼。
可分为人口统计数据、态度数据和行为数据。
手机银行市场细分,1、基于八维市场细分模型的市场精准细分所谓八维市场细分模型，即用地理位置、人口特征、使用行为、利润潜力、价值观、需求/动机/购买因素，态度，产品/服务使用场合八个指标进行市场细分。
将八维变量重新整合，将手机银行市场细分为：
需求驱动型:
指对手机银行有强烈的需求，需求来自于自身的特征，即追求生活和工作的效率。
经济拉动型:
是指追求经济节约，喜欢物美价廉的商品，注重手机银行给自身带来的让客价值。
潜能开发型:
是指追求个性，接受新事物快，喜欢流行，注重手机银行给自身带来的个性。
无关型:
指追求安全，目前对手机银行需求不大，需要市场培育。
基于八维市场细分模型的手机市场精准细分,2、基于数据库的客户价值进行市场精准细分,按照客户能给企业带来价值的多少，包括过去的价值、现在的贡献价值和预测未来长期的价值，即终身价值分析和贡献度分析、忠实度分析、收益率分析，可将客户由高到低做一个排列，将它作为客户细分矩阵的纵轴。
根据手机银行的开通情况，作为横轴，将市场客户细分为四种类型：
利润型:
也可称为黄金客户，是指目前己开通手机银行，并正在创造较高价值的势群组，该类手机银行客户对银行贡献价值大，投资收益率高，客户己经成熟并有较的忠诚度。
需要完善金融产品，提供的是定制化和个性化的高端服务，进行交叉销售跟踪控制。
普通型:
可称为重点客户，是指目前己开通手机银行，但贡献价值不是很大的弱势群组，一般处于稳定期，但流失风险较大。
需要对这种客户进行增值开发，采用精准营销的手段，比如建立沟通渠，调整产品参数，培养其忠诚度，挽留客户，挖掘客户的潜在需求。
潜能型:
也可称为次重点客户，是指现在未开通，但预知未来一段时间会成为手银行的签约客户，并能够或有可能给银行带来较高的价值。
无效型:
也可称为无利润客户。
衡量客户价值的计算方法,客户终身价值分析可以采取一定模型进行建立。
例如：
综合案例,数据集：
940个客户在160种金融产品中的购买记录,案例分析过程,对客户进行聚类，得到4个客户社团；把每个客户的购买序列划分成训练集和测试集两部分，对于每个客户，选取其购买的最后一种金融产品作为预测的目标，购买的其他产品序列作为训练集，用于挖掘相关的规则库。
为每个客户产生一个包含5种金融产品的推荐列表，如果客户的预测产品出现在其推列表中，则认为该推荐是成功的，否则这个推荐是失败的。
选取召回率（即命中率）作为算法的衡量基准。
案例分析过程（CONT.）,对每个客户社团进行关联规则推荐算法挖掘。
对未聚类的源数据进行传统的基于关联规则的推荐算法挖掘。
结果表明前者明显优于后者。
进行基于客户的协同过滤推荐算法发掘，分析挖掘结果。
升级会员 