国家统计局近期公布的我国2021年就业数据显示，全国城镇新增就业人口1269万，失业率比2020年下降0.5个百分点。值得注意的是，这些新增就业人口几乎全部增加在服务业门类。

我国服务业的GDP占比虽距发达国家平均70%的数值还有差距，但也已达到了53.3%，并且呈逐年稳步上升的趋势。

无论是社会发展带来的需求拉动，还是因为生产效率不断提高，导致农业和工业吸纳的就业人口越来越少，抑或劳动人口向服务行业汇集的供给推动，我国就业市场“服务化”的进程已不可逆转。服务业已经成为中国经济增长的新动力。商业银行作为服务经济市场的先锋，其服务通常以非排他性和消费的共用性为标准，因此商业银行自身服务能力与客户需求的匹配也成了服务运营管理的核心问题。

近年来，特别是在疫情不断蔓延的背景下，远程智能银行中心成为了银行为客户提供服务的重要渠道。作为非接触式服务渠道，服务精准度是服务供给中的一个非常重要的环节。服务精准度体现了短时间内服务供给与服务需求的匹配程度，是企业提高服务效率，提升客户满意度，降低服务成本的基础。

其中，服务响应速率又是衡量服务精准度的一项重要指标，标志着银行在服务渠道设置、客户菜单选择、服务流程设计等方面的服务效率和效益成果。同时，由于客户的异质性（即：客户的机会成本不同），银行更需要对客户的异质性进行有效识别并在实施服务策略时根据其差异性进行有效区分。
本文以远程智能银行可以尝试以设置有偿优先权的方式来实现服务获利为例，以有偿优先权作为研究目标，一方面，希望通过服务选择分析，让企业更加准确地了解客户需求；另一方面，可以以国内外大量的付费会员服务作为参考，探索推进这方面的服务创新，如：优先权的设置在当前服务系统是否具有吸引力；设置优先权是否能够真正增加银行收益；对优先权加收多少服务费比较合理；是否应该限制加入优先权的客户数量或比例等问题。

我国商业银行的远程智能银行服务系统属于非垄断型服务。其特点是客户依据通过服务获得效用的大小来选择继续服务或退出服务、产品替代性较强、市场竞争激烈、客户获得的服务价值在有限范围之内。

若以此为前提构建模型：假设单位时间内服务系统的客户进入率服从泊松分布（λ），单位时间内系统的服务率为μ（λ<μ，服务效率为ρ=λ/μ，且0<ρ<1），假设服务提供商对每一位进入服务系统的客户收取固定费用C（C≥0），同时服务提供商提供一项附加选择，如果客户愿意支付额外费用K（K≥0）,则可享受某些优先权（以上假设是指非抢占优先服务）；假设客户通过服务系统获得的服务价值为R，花费的服务响应时间成本为H[h1,h2]，均匀分布来体现服务响应时间成本的不同，可以计算出客户获得的总体效用：（W为客户进入其他服务系统的机会成本）
优先权客户：U1=R-K-C-H•W1
普通客户：U2=R-C-H•W2
放弃服务的客户：U0=0
由此可见，客户进入服务系统后是否选择优先权关键取决于不同服务所获得总体效用的大小决定。
客户选择优先权应满足U1≥U2且U1≥U0，即：R-K-C-H•W1≥R-C-H•W2且R-K-C-H•W1≥0,当(R-K-C)/W1≥K/(W2-W1)时，可得λ1=λ•P(K/(W2-W1)≤H≤(R-K-C)/W1);当K/（W2-W1）≥（R-K-C）/W1时，λ1=Φ。
同理可推出，客户进入普通队列时满足λ2=λ•P(H≤min{(R-C)/W2;K/(W2-W1)});客户选择放弃服务时满足λ0=λ•P（H≥max{(R-C)/W2;(R-K-C)/W1}）。
分析以上三种效用函数的约束关系可得
（a）当K/(W2-W1)≤(R-K-C)/W1时，存在λ1=λ•P(K/(W2-W1)≤H≤(R-K-C)/W1)≥0，此时存在（R-C）/W2≥K/（W2-W1）,因为普通客户的机会成本应满足λ2=λ•P(H≤min{(R-C)/W2;K/(W2-W1)})=λ•P(H≤K/(W2-W1),当（R-C）•(W2-W1)≥K•W2时，可得（R-K-C）/W1≥（R-C）/W2。客户离开服务系统的机会成本应满足λ0=λ•P（H≥max{(R-C)/W2;(R-K-C)/W1}）=λ•P(H≥(R-K-C)/W1)。
（b）当K/(W2-W1)≥(R-K-C)/W1时，存在λ1=Φ，可得（R-C）•（W2-W1）≤K•W2,从而可知，普通客户的机会成本应满足λ2=λ•P(H≤min{(R-C)/W2;K/(W2-W1)})=λ•P（H≤（R-C）/W2）选择离开服务系统的机会成本应满足λ0=λ•P（H≥max{(R-C)/W2;(R-K-C)/W1}）=λ•P（H≥（R-C）/W2）。

综上所述，当K/(W2-W1)≤(R-K-C)/W1时，服务系统中存在优先权客户和普通客户，其类型与响应成本的关系为：λ0=λ•P（H≥（R-K-C）/W1）；λ1=λ•P(K/(W2-W1)≤H≤(R-K-C)/W1)；λ2=λ•P(H≤K/(W2-W1)。当K/(W2-W1)≥(R-K-C)/W1时，服务系统中将仅存在普通客户，其类型与响应成本的关系为：λ0=P(H≥（R-C）/W2）；λ2=λ•P（H≤（R-C）/W2）。因此，在服务响应过程中，机会成本最高的客户不论在哪种情况下都会选择离开。

当建立客户效用模型后，远程智能银行可以通过设置服务系统中优先权客户和普通客户的比例计算出二者的最优均衡及优先权的最佳定价和企业的最大收益。

当前，客户的价值创造已从“产品导向时代”升级到了“私域流量+多渠道整合+互联网”的时代，远程智能银行具有海量数据集中收集、管理、运用的先天优势，成为了数据化集合工具的使用者。在这一先决条件下，远程智能银行更要建立自上而下的数据战略思维。服务链条中，伴随不同客户生命周期阶段有很多可以创造价值的环节有待深度开发。

从以上分析我们不难看出，远程智能银行在尝试突破各种边界为客户提供服务，打造金融生态圈中，可以有效提升客户对银行服务系统的便利性的依赖性并产生低成本判断的信任。当客户粘性实现可持续提高，其离开服务系统的概率降低,转移成本变高，此时的非垄断型服务系统向垄断型趋近，因此服务费用给企业带来的收益率也会提高。