互聯(lián)網(wǎng)時(shí)代的客戶數(shù)據(jù)分析與精準(zhǔn)營(yíng)銷(xiāo)

隨著互聯(lián)網(wǎng)金融和大數(shù)據(jù)時(shí)代的到來(lái)，銀行在IT建設(shè)、數(shù)據(jù)采集方面都投入了大量的人力、物力和財(cái)力，CRM系統(tǒng)已普遍建立，基礎(chǔ)建設(shè)初步完成。然而從整體來(lái)說(shuō)，中國(guó)銀行業(yè)由于在數(shù)據(jù)分析（analytics）領(lǐng)域經(jīng)驗(yàn)的缺乏，戰(zhàn)略上誤將此項(xiàng)工作狹義化為IT工作，數(shù)據(jù)與客戶仍然是隔離的，數(shù)據(jù)應(yīng)用主要集中在后端，數(shù)據(jù)文化尚未形成，數(shù)據(jù)分析手段仍然比較原始，實(shí)際投入產(chǎn)出比不高。

　　單從客戶細(xì)分而言，幾乎所有銀行都在做客戶群分層工作，有的銀行只是粗略分層，有的銀行根據(jù)風(fēng)險(xiǎn)與客戶生命周期進(jìn)行客戶分層，但幾乎很少有銀行能夠從數(shù)據(jù)挖掘與分析角度精細(xì)化地進(jìn)行客戶細(xì)分與決策，而真正懂得如何科學(xué)運(yùn)用數(shù)據(jù)與模型進(jìn)行客戶行為分析預(yù)判，特別對(duì)流失客戶的分析與預(yù)判，實(shí)施精準(zhǔn)營(yíng)銷(xiāo)的更是寥寥無(wú)幾，這必然導(dǎo)致銀行在以客戶為中心的轉(zhuǎn)型發(fā)展過(guò)程中，會(huì)遇到一系列與客戶發(fā)展目標(biāo)相關(guān)的瓶頸，諸如我們常常聽(tīng)到的如下頭疼問(wèn)題：

　　不知道哪些客群應(yīng)該重視、哪些應(yīng)該放棄；

　　客戶流失率很高卻不知其原因，不知道如何進(jìn)行客戶流失分析與預(yù)判；

　　不知道如何進(jìn)行客戶預(yù)見(jiàn)性營(yíng)銷(xiāo)與精準(zhǔn)營(yíng)銷(xiāo)；

　　不知道如何通過(guò)數(shù)據(jù)分析與模型工具促發(fā)客戶；

　　……

　　那么，如何解決以上問(wèn)題呢？我們認(rèn)為，銀行首先必須要在客戶數(shù)據(jù)分析這項(xiàng)重要工作里投入必要的資源、人力和物力，并愿意采用專業(yè)科學(xué)的管理方法與指導(dǎo)，從而使數(shù)據(jù)分析能夠?yàn)殂y行帶來(lái)實(shí)質(zhì)性的效益。本文我們將通過(guò)兩個(gè)案例的分享助您領(lǐng)悟這項(xiàng)工作的實(shí)施要領(lǐng)。

　　首先，將客戶數(shù)據(jù)按照邏輯關(guān)系、層層深入劃分、清理與分析。先運(yùn)用數(shù)據(jù)分析方法將無(wú)效客戶界定與排除，隨后開(kāi)展有效客戶與潛在客戶分析、有效客戶精細(xì)化細(xì)分、潛在客戶中分離出休眠客戶分析等，通過(guò)層層分析與剝離，結(jié)合銀行實(shí)際情況，得出對(duì)銀行有終身價(jià)值的客戶群?？蛻魯?shù)據(jù)細(xì)分示例如下圖：

　　其次，為了能真正理解客戶，需要挖掘更多目標(biāo)客戶的內(nèi)心深處的需求和行為特征。必須在超越客戶身份、年齡類(lèi)別、資產(chǎn)數(shù)字、交易數(shù)據(jù)等表象洞察客戶的需求動(dòng)因和價(jià)值觀念，許多洞察客戶對(duì)于產(chǎn)品的偏好、支付的偏好、渠道的偏好、交易時(shí)間的偏好等等。為此，要對(duì)分層后的客戶進(jìn)行深入的人文洞察與分析，分析結(jié)果用于輔助客戶營(yíng)銷(xiāo)策略制定。

　　那么，什么才是無(wú)效客戶呢？例如，某零售銀行帳戶多達(dá)350萬(wàn)，暫無(wú)精確的客戶數(shù)，賬戶金額0-100元達(dá)250萬(wàn)（占總賬戶的71％，可能為無(wú)效客戶），100-1000元達(dá)40多萬(wàn)戶，擁有龐大的代發(fā)賬戶。在項(xiàng)目實(shí)施之前，該行并沒(méi)有認(rèn)識(shí)到，中低端賬戶金額并不等于中低端客戶。銀行也不知代發(fā)客戶如何使用其賬戶資金，不知為什么代發(fā)客戶資金流出銀行。

　　界定無(wú)效客戶，需要將數(shù)據(jù)分析方法與銀行實(shí)際情況相結(jié)合考慮。

　　在本項(xiàng)目中，由于考慮到零售業(yè)務(wù)團(tuán)隊(duì)、IT團(tuán)隊(duì)與財(cái)務(wù)部門(mén)對(duì)無(wú)效客戶定義不一致，首道資深顧問(wèn)在數(shù)據(jù)清理之前,與銀行相關(guān)團(tuán)隊(duì)共同協(xié)商與定義“什么樣的客戶在該行算無(wú)效客戶”。根據(jù)第一輪協(xié)商，確定以行內(nèi)資產(chǎn)(AUM)100元(包括100元)以下，并且過(guò)去12個(gè)月所有賬戶沒(méi)有任何動(dòng)作（如:存儲(chǔ)提取和匯入）的客戶為無(wú)效客戶。后又采用統(tǒng)計(jì)分析方法與實(shí)戰(zhàn)經(jīng)驗(yàn)結(jié)合，得出銀行各部門(mén)均可接受之分類(lèi)切點(diǎn)。按此方法切除無(wú)效客戶之后，便獲得有效客戶數(shù)據(jù)。

　　排除無(wú)效客戶之后，重點(diǎn)對(duì)有效客戶和潛在客戶進(jìn)行深入挖掘與分析。

　　在潛在客戶中，一部分為有效客戶，一部分為休眠客戶。對(duì)休眠客戶，采用相關(guān)策略進(jìn)行營(yíng)銷(xiāo)，觀測(cè)效果，根據(jù)效果為改進(jìn)銀行產(chǎn)品提供相關(guān)建議。對(duì)于有效客戶細(xì)分，則可按客戶的消費(fèi)行為、按客戶在銀行資產(chǎn)額、按客戶與銀行關(guān)系長(zhǎng)短、按銀行收入貢獻(xiàn)度等進(jìn)行細(xì)分，尤其是對(duì)于在本行有低資產(chǎn)額的有效客戶，需估測(cè)客戶行外資產(chǎn)，協(xié)助進(jìn)行交叉銷(xiāo)售，對(duì)本行客戶產(chǎn)品擁有情況做精細(xì)化分析，將零售客戶總客戶數(shù)，按照產(chǎn)品條線進(jìn)行細(xì)分。通過(guò)數(shù)據(jù)分析，確定客戶價(jià)值。

　　客戶流失嚴(yán)重是某銀行非常頭痛的難題，如何對(duì)銀行的客戶做好維護(hù)是該行重點(diǎn)關(guān)心的話題。仍然回到之前的問(wèn)題，該行擁有大量的代發(fā)客戶，但不知為何代發(fā)客戶資金流出銀行金額較大？針對(duì)這個(gè)問(wèn)題，我們的解決方案是：首先對(duì)該行代發(fā)流失客戶進(jìn)行相關(guān)數(shù)據(jù)細(xì)分與分析，確定流失客戶特征和屬性，同時(shí)分析影響客戶流失的各因素及各因素之間的相互關(guān)系。在此基礎(chǔ)上，對(duì)流失客戶在流失過(guò)程中所處時(shí)間段，進(jìn)行數(shù)據(jù)分析，確定流失客戶時(shí)空特征，并對(duì)流失客戶資產(chǎn)特征進(jìn)行深入分析與判斷，進(jìn)而幫助銀行對(duì)已經(jīng)流失或者有流失預(yù)警的客戶，提供相關(guān)流失客戶挽留策略。

　　在項(xiàng)目中我們幫助該行建立了客戶維護(hù)率模型，以此做好客戶流失預(yù)判和保留，大幅降低了該行的客戶維護(hù)成本。通過(guò)開(kāi)發(fā)和不斷調(diào)試，該模型能夠幫助該行確定客戶流失預(yù)期（如預(yù)計(jì)客戶將在3個(gè)月或者5個(gè)月流失）與營(yíng)銷(xiāo)客戶群（如年齡在20-30歲的女性客戶群），并給該行提供與設(shè)計(jì)相關(guān)客戶維護(hù)與吸引策略。例如：若要維護(hù)這些客戶，避免在預(yù)計(jì)內(nèi)流失到他行，則需要配備哪些產(chǎn)品進(jìn)行營(yíng)銷(xiāo)？需要采取哪些營(yíng)銷(xiāo)活動(dòng)？通過(guò)哪些渠道接觸客戶？在什么時(shí)間段最為適合進(jìn)行客戶挽留？決定哪些客戶值得該行團(tuán)隊(duì)花費(fèi)成本進(jìn)行維護(hù)挽留？……為該行大幅降低了客戶維護(hù)成本，提升了維護(hù)效率。客戶維護(hù)率模型原理示意如下圖所示。

　　除了做好客戶流失預(yù)判和保留，為了提升該行客戶精準(zhǔn)營(yíng)銷(xiāo)之預(yù)見(jiàn)性,并將精準(zhǔn)營(yíng)銷(xiāo)與該行產(chǎn)品(如信用卡)相掛鉤，我們?cè)陧?xiàng)目中對(duì)該行營(yíng)銷(xiāo)數(shù)據(jù)進(jìn)行收集與分析，并建立客戶反應(yīng)率模型。首先對(duì)該行現(xiàn)有全員營(yíng)銷(xiāo)數(shù)據(jù)進(jìn)行收集，按照不同產(chǎn)品條線細(xì)分營(yíng)銷(xiāo)數(shù)據(jù)。與此同時(shí)，收集營(yíng)銷(xiāo)客戶屬性數(shù)據(jù)，將產(chǎn)品營(yíng)銷(xiāo)數(shù)據(jù)與客戶屬性數(shù)據(jù)相匹配，開(kāi)發(fā)與調(diào)試反應(yīng)率模型。反應(yīng)率模型用以為營(yíng)銷(xiāo)目標(biāo)客戶群進(jìn)行系統(tǒng)評(píng)分，并根據(jù)實(shí)際情況設(shè)定界定臨界分值，剔除分值低于該臨界分值的目標(biāo)客戶群，對(duì)符合分值之目標(biāo)客戶群提供相關(guān)營(yíng)銷(xiāo)策略與產(chǎn)品建議，由此致該行銷(xiāo)售成本大幅下降，客戶對(duì)產(chǎn)品反映率明顯提高。客戶反應(yīng)率模型原理示意如下圖所示。

　　總之，大數(shù)據(jù)時(shí)代，“一切從數(shù)據(jù)出發(fā)”應(yīng)該演變?yōu)榱闶坫y行日常工作的思維和工作文化。銀行需要努力將大數(shù)據(jù)推向前臺(tái)，要以客戶為中心，深刻洞察客戶需求，從而打造個(gè)性化的客戶體驗(yàn)。因此，應(yīng)該采用傳統(tǒng)數(shù)據(jù)分析，結(jié)合客戶需求深入洞察，找出客戶行為背后的規(guī)律。同時(shí)運(yùn)用大數(shù)據(jù)技術(shù)，得出細(xì)分群體的行為特征，從而有目的、有計(jì)劃地開(kāi)展精準(zhǔn)營(yíng)銷(xiāo)和服務(wù)。