设计和构建银行营销活动数据体系

银行零售业务需要大量市场营销活动（marketing campaigns）。这些活动从业务上说，有以下几个主要方面：

        ★ 筛选营销对象——理性的营销活动常常针对特定人群，以减少对客户不必要的骚扰，同时降低营销成本。
        ★ 设定推销内容——针对不同客户，产品、价格以及优惠需要合理配置，以获得最大回应率和收益。
        ★ 报告活动进度——营销活动一旦开始，就需要追踪活动进度，检查是否达到预期的回应率，必要时可加大力度。
        ★ 评判活动收益——营销活动结束之后一定时间内，需要检测其实际效果，以避免工作的盲目性。
        ★ 改进活动策略——根据进度和收益进行检测评判分析，以改进下一次营销活动的策略和方式，收取更大效益。

        所有这些方面，都需要以数据为基础。没有数据，当然也可以凭经验和感觉作方向性安排，但很难量化和优化，具体决定往往失之粗放武断。而所谓的方向性安排，有时也可能基于错觉而不知，效果与实际愿望背道而驰。可惜的是，当许多银行管理人员需要相关数据的时候，却发现数据似有若无，难以寻觅；即使有，也往往是一团乱麻，零散而不成系统，用起来捉襟见肘，效率极低，无法得出可信结论。这就涉及到如何设计、搜集和管理数据的具体问题。

        数据工作成功的关键，就是要以解决业务问题为前提。不了解业务的目的、方式、流程、需求和痛点，数据再多仍可能于事无补，而开发工作也会缺乏方向和切入点。就营销活动而言，虽然粗看类型繁多，五花八门，很容易导致数据工作零打碎敲，不能形成体系规范，但只要我们跟随营销活动一般都会经历的三大步骤，即前期的分析决策、活动的执行推进、后期的检测评估，相关数据工作就可以变得有条不紊（参见图1）。如果我们心存每个步骤的实际需要，数据的内容和结构也就容易设计得自然合理。

前期分析

        营销活动之前，需要许多准备工作，主要是制定客户筛选标准，对客户进行分类，然后对不同群体设定相应的产品或优惠政策，以增大产品和政策的吸引力和经济效益。在此同时，也需要设置一些试验组和控制组，以便事后分析比较，改进筛选、分类标准，优化产品配置和优惠政策。为此目的，我们需要相关的客户特征行为数据，比如职业，年龄、性别、学历、工龄、收入、财产、债务、信用、现有银行产品、甚至爱好、居住地区、等等。如果是银行现有客户，应该有他们各种账户的表现历史、总价值评估、风险预测、消费投资倾向分析等。如果以前曾为营销活动对象，还可以增加联络历史、回应历史、以及由此而生成的回应指数。也就是说，银行事先应该储备整理好关于客户的各种数据。不如人意的是，许多银行可能会从外界（如征信局）获得客户的人口学数据和风险分数，也会有内部个别产品（如存款、信用卡、房贷）层面上的表现数据，却往往没有把行内各种账户的数据有机整合到一起，更谈不上通过统计或数学模型对这些数据在客户层面上进行加工和信息挖掘。

        不过，也不必因为这种状态而止步不前。我们可以一方面建设和完善全行客户层面数据库，一方面利用已掌控数据，对客户做一些哪怕是粗浅的筛选和分类，多少对营销活动会有所指导。不管现有数据的涵盖面和精深度如何，有一个“客户数据库”（参见图1，K）对前期分析工作会有很大帮助。而客户数据库本身可以用于许多方面，而不仅仅是为了某次特定营销活动。所以说，客户数据库是一个基本建设。

        就每次特定营销活动而言，我们还需产生一个专门的“活动规划数据”文件（参见图1，1）。它从客户数据库中提取所需客户特征行为信息，通过分析研究，确定筛选和分群标准，设定相关产品或优惠政策，然后设立专门字段、标识、或代码以便识别。这个文件产生之后，可用来进行相关的客户分布研究，预估成本、风险、收益，调整标准和策略，为营销活动提供合理依据。

图1 营销活动的三大步骤和与之相应的分析用数据结构

活动推行

        前期分析往往需要一个月或更长时间。等到一切研究完成之后，在活动展开前夕，用于活动规划的数据必须做一次最后更新。这是因为客户状况在这段时间中可能已经发生变化。这时所有标准政策都已确定，只需按已定逻辑处理方式快速更新数据，落实最后目标客户名单即可。目标客户的名单会被进一步加上地址、电话、电子信及微信邮箱，生成操作用的文件以便与客户联络，推行营销活动。但我们同时必须保留更新后的活动规划数据。更新后的数据，可以删去活动规划数据中没有用上的字段。与此同时，除了保留少数测试用控制客户之外，那些没有选上的客户也可从文件中除去。这个更新后的文件可称作“活动目标数据”（参见图1，2），它记录了活动发起时客户的状况以及银行的行为，将成为后期研究的必备材料。

        与客户的联络一旦开始，就有客户回应。回应主要可分两种。一是客户有所反应，比如询问、表示兴趣，等等；二是客户接受推销的产品或提供的优惠。不同性质的回应可用不同标识来记录，但客户接受产品或优惠是营销活动的目的，所以更为重要（下面所谈主要指这种回应），相关信息一定要想办法捕捉储存。遗憾的是，许多营销活动因为设计不周密，致使事后无法确认回应。至于如何事先设计，因为营销活动的无限多样性，很难在这儿详述。但重要的是，我们的活动应该有一个长远规划，在跨出一步之前，必须预见到以后几步的需要。举一个常见的例子：营销活动场常常允许客户有三个月回应时段，而银行则每个月会发起同样或类似的活动（涉及活动频率问题）。也就是说，在客户回应期间，银行已经发起三次活动。结果客户在一个月以后的回应，很难对应于某次特定活动。如果活动的策略没有变动，可能问题不大，但如有变动，我们就无法判断回应是哪次活动和那个策略的结果。解决办法之一是，银行把活动频率改为三个月一次，或者给客户一个月回应时间。另一个办法是，与客户联络时，把活动代号发给客户，要求其回应时把代号返送给银行。当然还可以有其他更好办法。这儿要说明的是，确认回应经常有始料未及的困难，而事先安排好活动方式和数据搜集程序，可以避免事后的尴尬。此外，还有一些营销活动根本就没有明确回应。比如鼓励客户增加交易的促销活动，其结果可能就是交易量的增加，但不能确认哪一项交易是促销的直接结果（实际上也没有必要）。这种活动，我们就不一定要追求回应数据。但我们还是要考虑到事后如何准确地量化交易的增加幅度，尤其是交易量有时还会受其他因素影响，比如季节或市场变化等等。这个时候，控制组的设计就会起到很大作用（我们假定大家已经熟悉测试和控制组在统计学中的概念，在此就不作专门讨论）。从数据角度讲，如果回应可以确认，我们就可以在原来的“活动目标数据”中加上回应标识。至此，我们又有了“活动及回应数据”（参见图1，3）。

        从前期分析到活动推行，相应的数据搜集工作基本上就是一个数据不断积累的过程。图2 可以比较具体地展示这个过程。图中所列只是大致内容，读者可以举一反三。作为最后的结果，“活动及回应数据”文件应该保留，除了当时用于统计回应率，还可用于以后绩效评估和策略改善。而此前的“活动规划数据”和“活动目标数据”不一定要保留，因为有用的信息都已转存于“活动及回应数据”文件。当然，我们也可选择另一种数据管理办法，比如保留全部“活动目标数据”和简化了的“活动及回应数据”（图2 中蓝字部分）。这样可以精简“活动及回应数据”，便于以后发挥其“驱动数据”功能（参见下文）。

        从数据管理上说，每一个“活动及回应数据”文件对应于每一次营销活动。活动多了，文件可能堆积如山。这就需要在文件之间建立一套规范，比如标准的结构、格式和中心字段，以及共同的命名规则，等等，以便今后迅速查询并为数据使用自动化做好准备。就拿图书馆分目作类比，图书如果不分目，最后可能忘了书被藏在哪儿，结果图书越多，图书就越没有用。数据文件一样，如果因为数量太多，临到用的时候找不到头绪，岂不是前功尽弃？

        除了文件的规范化，不要忘了保留“营销活动设置数据”（参见图1，4）。这些大多是关于数据的数据（metadata）。它们不在个体客户层面，而在活动以及客户群层面。在活动层面，登记每次营销活动的名称、目的、负责部门、起始和结束时间、以及相关的“活动及回应数据”文件名称和储存地址。在客户群层面，则记录及关于客户群、与之相应的产品配置、优惠政策、试验及控制设置标识或代号的描述。这些描述当然也可以直接存入个体客户层面。但这会造成不必要的重复，增加储存空间，降低使用效率。

图2 营销活动数据（ 1 - 3） 的搜集和保存（注：绿底表示分析用数据、红字表示变化、蓝字表示精简后保留部分）

 
图3 营销活动绩效数据的生成和使用—— 方法1（注：M表示月份）

后期评估

        营销活动推行以后，需要检查活动所带来的效益，否则活动就带有很大盲目性。分析检查活动效果需要两种基本数据：一是活动对象、活动设置、以及客户回应数据；二是客户事后的表现数据。如上所述，第一种已保存于“活动及回应数据”文件。这些可被看作“驱动数据”，因为它们限定我们的研究对象及其组合，显示与之相关的产品和优惠，并告诉我们谁接受了产品或优惠。我们的目的，是要比较不同客户群在营销活动后的行为，从而得出各种结论。而客户的行为被记录于“表现数据”之中（参见图1，P）。

        表现数据反映客户已有产品结构的变化、账户设置和状态变化、客户行为、以及银行相关行为。它们包括存款和取款、信用额度的增减、利率和收费标准、交易活动和余额、付款活动和拖欠状态、基于客户行为的种种评分，以及银行的收益、成本、损失、利润等。表现数据可以说是客户和产品管理的中心数据，在客户和产品账户层面应该各有一套（大多银行目前恐怕只有产品账户层面数据）。需要哪一层数据，要看营销活动的性质而定，但产品账户层面比较普遍。表现数据不是专为营销活动的检测而设，而是为了优化所有策略（价格制定、收费政策、风险控制、客户挽留等），并实现对产品、客户的各种分析和总体评估。所以和客户数据库一样，表现数据是一种基本建设。表现数据一般以时间序列的形式储存，也即每个月（或别的时间单位）有一个截点，可保存3 ～ 10 年，由此组成表现历史。在需要评估营销活动效果的时候，可以以“活动及回应数据”为起始依据，附加上n 个月的表现数据（6，12，18，24 或36 个月，按需而定“表现时段”）。表现时段一般为活动之后的时段，但有时不妨也包括活动之前一个时段，以作前后变化比较。由此而生成的“活动绩效数据”（参见图1，5 及图3）会成为分析评判营销活动的素材。至此，我们已经掌握了与营销活动相关的所有重要数据。

        在此要说明一点，就是“活动绩效数据”应该包括没有回应的目标客户。这不是为了把他们和有回应的客户作比较，因为这种比较不但不靠谱，而且具有误导性。试想，回应和不回应，本身已体现了客户取向的不同。既然取向不同，其行为自然不同，比较不过是多此一举，并不说明问题。这个时候，控制组再次显示出其重要性，因为他们的成分特性和目标客户相同，可作为对比的合适参照。可是，控制组往往因其本性会被故意排除在活动之外，所以没有回应和不回应之说。与此相应，目标客户也就不应该区分回应和不回应，否则两组客户就会改变成分比例从而不再相同，失去对比的科学性。数据的设计和搜集，必须考虑到这一点。

        此外，我们还要简单地说明一下数据的模块处理和数据使用方式。上面谈到驱动数据和表现数据合成“活动绩效数据”。实际上，“驱动数据 + 表现数据是分析工作中常用的模式。驱动数据告诉我们“谁和谁比较”，而表现数据提供的是“比较的项目和绩效度量”。在表现数据中，我们往往不能划分为特殊目的而定的客户群，这些划分的标识要靠驱动数据来记录。而驱动数据只记录活动事件发生时的状态和设定，并不包含事后的情况。所以，两个数据模块各有不能替代的功能。而作为模块，它们具有重新组合的灵活性。驱动数据可以与任何时间段表现数据组合，而表现数据可以和任何驱动数据（不一定是营销活动数据）组合。按数据性质合理设计模块，可提高数据管理和使用的效率。

        驱动数据和表现数据合成“活动绩效数据”之后，它们就不再是数据模块，而是为了某项特殊分析需要而生成的临时数据，本身不具有永久价值。当分析工作完成之后就不再有用。而一旦需要，我们还可以方便地重建（只要原始的驱动数据和表现数据还在）。更重要的是，我们不能忘记，分析比较一般不在客户个体之间，而是在客户群体之间进行。所以数据的处理不一定非要把驱动数据和数十个月的表现数据在个体客户层面集合在一个大文件之中。这样做文件臃肿不说，而且数据集合的工作还常常因为每月新数据的产生而需要不断重复。更有效率的办法是，驱动数据和每个月的表现数据分别集合，然后在客户群层面上归纳汇总，形成以单个月份为单位、归纳后的“活动绩效数据”系列（参见图4）。这样不但数据体积大大缩小，而且每个月只需增加一个月的数据小单位。这个方法是要说明，“活动绩效数据”并不是原始基本数据，而是数据在实际使用时的临时版本。实际使用可以有多种方法，不必拘泥一格。

图4 营销活动绩效数据的生成和使用—— 方法2

营销活动及回应历史

        “活动及回应数据”作为数据模块，不但可与“表现数据”合成“活动绩效数据”，而且可累积生成“活动及回应历史”，成为“客户联络历史”的重要组成部分（参见图5）。尽管这一历史数据容易被人忽略，它的重要性已经随着银行业务的推进而与日俱增。无庸置疑，如果我们做事不留记忆，那么下一次做事就可能造成不必要的重复，也不可能从往事中吸取经验教训。比如，我们以前曾对某群客户推销过某些产品，而客户并没有很大兴趣。如果我们失忆，继续大力推销，不但浪费人力财力、而且引起客户反感。

        此外，客户以前的回应也可帮助我们开发回应指数，预测新一轮活动在不同客户群中的反响，由此平衡成本和效益，找到最佳方案。更进一步，客户回应历史也能帮助我们判断或预测客户的其他取向和行为。将这些数据加入客户数据库中，则会使之更加丰富充实。用心的读者可以看到一个循环：我们从客户数据库开始，又回到客户数据库。通过这个循环，客户数据的内容和质量已经有了改善。

        以上我们围绕营销活动讨论相关的核心数据，同时也涉猎数据的结构和使用。数据工作不仅要搜集数据，使内容满足业务需求，而且要考虑到使用的效率。整体的思考、系统的布局、慎密的细节、切实的步骤、严谨的规范、合理的模块，以及灵活的使用方式，方方面面都须体现设计者的匠心。希望这篇短文能在银行数据工作的一个方面解决一些困惑、整理出一些头绪、提出一些处理方案，并通过一个具体例子，由此及彼，引入一些数据工作的一般概念和原则。文中涉及到的另一些重要方面，如客户联络史、客户数据库、表现数据库等，也是极有意义的话题，有机会还需与读者另加探讨。

图5 营销活动和客户联络历史

（张执中， 仲量联行（JLL）全球数据信息管理部中国区负责人。此前曾就职于美国银行（BOA）、费埃哲咨询公司（FICO）， 以及汇丰银行（HSBC），主要从事风险管理、客户管理、数据管理工作。2015 年4 月离开银行业之前，张执中的最后两个职务分别为汇丰银行全球信用卡分析中心高级副总裁和全球信息管理部高级副总裁，负责帮助汇丰各国分行优化信贷策略、建立客户管理数据库和情报系统。）

（文章来源：金融电子化杂志）

扫码即可手机
阅读转发此文