• 快捷搜索
  • 全站搜索

大数据驱动下的零售银行经营新思路

2018-08-01 17:31:39作者:中信银行零售银行部副总经理 李志涛编辑:金融咨询网
伴随着大数据技术的逐渐成熟,零售银行的个性化、精准化和智能化的客户经营理念也得到了加速发展,客户经营被赋予了新的时代特征。依托大数据发展的客户经营模式,更大程度地将大数据分析应用贯穿于整个经营服务过程中,成为未来零售银行客户经营管理转型的新方向。

伴随着大数据技术的逐渐成熟,零售银行的个性化、精准化和智能化的客户经营理念也得到了加速发展,客户经营被赋予了新的时代特征。在全球数字化趋势中,银行能够通过网站、社交媒体、植入第三方平台的APP接触客户,在客户花时间的地方与其互动,以更低的成本、实时或近实时的方式,收集更准确、更详细的客户数据,包括客户的购买历史、偏好、实时位置、线上浏览行为、情感等,这些客户信息对客户的经营服务创新至关重要。因此,依托大数据发展的客户经营模式,更大程度地将大数据分析应用贯穿于整个经营服务过程中,成为未来零售银行客户经营管理转型的新方向。

图片3.jpg
中信银行零售银行部副总经理 李志涛

大数据驱动下客户经营模式新变革

  研究发现,近年来全球银行业发展的一个重要趋势是利用大数据进行客户经营,识别营销机会。BCG研究发现,已有1/3的海外银行嵌入了匹配大数据的工作方式,识别出了许多有价值的商业机会。目前,中国银行业也已步入大数据时代的初级阶段,国内不少银行已经开始尝试通过大数据来驱动客户经营。例如民生银行在新客户关系管理体系建设中充分引入各类大数据智能商机挖掘模型,实现了智能化的目标客户推荐和产品推荐。总体而言,当前商业银行运用大数据进行客户经营行动的特点可以概括为“四项精准”和“两大突破”。

  精准之一是客户特征的精准画像。即银行构建各类大数据营销挖掘模型,分析客户所处生命周期阶段,给客户贴标签,进行客户画像,筛选营销客户名单。包括潜在获客模型、潜力提升模型、流失预警模型等在内的大数据模型能够告诉营销和管理人员:哪些潜在客户最易开发?哪些客户最易贡献价值?哪些客户最易流失?

  例如,针对低价值睡眠户问题,面对庞大的客群规模,依靠传统的以客户经理为主、全面扫描客户的开发模式将会产生巨大的人力成本。商业银行普遍建立了睡眠户唤醒模型,精准定位潜在高价值客户群,使营销活动达到事半功倍的效果。 

  精准之二是推荐产品的精准匹配。银行可以根据客户偏好进行个性化产品推荐、投放广告等活动。例如光大银行通过客户管理形成的细分客户,用大数据技术智能化分析细分客户的需求,如客户的理财偏好、年龄等,因人而异,实施精准化、有针对性的产品及服务推荐。民生银行基于大数据,应用复杂网络科学、文本挖掘、购物篮分析等新型数据挖掘技术,通过智能产品推荐模型,在产品交叉销售等方面为客户经理提供智能化信息支持。

  精准之三是营销商机的精准转化。银行运用大数据捕捉客户的行为变化等事件信息,及时发现客户潜在需求,有针对性地为客户提供个性化活动或产品,达到对客户需求的精准认知与匹配。以刷卡营销事件为例,客户一旦进行交易,平台就会捕捉到交易事件并结合用户特征与平台预定义的活动进行对比计算,如果该客户的刷卡行为与特征能够满足活动规则,则通过短信、微信、APP等渠道推送预定义的营销信息,实时营销。2017年中信银行开始探索事件营销,成功率比传统数据库营销提升了5~10倍。

  精准之四是交互渠道的精准协同。商业银行通过全渠道营销,将传统线下渠道和线上电子渠道进行无缝衔接,构建“线上+线下、人工+电子、推送+互动”的立体化营销服务体系,一旦客户对营销的反馈信息在相应的渠道被获取,抽取其中有效的反馈作为营销线索,使其在柜面、网银、电话银行、手机银行、微信银行等之间无损转介,为客户提供统一的接触体验。

  例如,建设银行智慧银行通过全新的功能分区和渠道分流,强调电子银行、手机银行、自助渠道、人工渠道的全渠道协同与集成,借助网点体验式营销促进线上商机转化、提升产品销售,通过线上线下渠道协同为客户提供无缝的交互体验。中信银行通过三个统一“统一资源、统一策略、统一执行”打造零售业务引擎,以产品的配置和权益的经营为手段,协同网点、短信、远程中心、电子渠道进行营销活动运营,打通渠道壁垒、实现线上线下无缝衔接,切实有效地传导贯彻总行营销策略。 

  突破之一是打造全生态数据,融合金融与非金融数据。客户信息越全面、完整,数据分析得到的结论就越合理、客观。当下,银行业开始尝试合规合理地接入和整合外部数据资源。传统意义上的银行仅能掌握客户与银行业务相关的金融行为,无法获得客户在社会生活中体现兴趣爱好、生活习惯、消费倾向的情感或行为数据,无法与业务数据形成联动。随着电子商务的快速发展和移动金融的深入,银行业逐步加强与外部数据源对接,甄别有效信息,整合多渠道数据,丰富客户图谱。目前,已有多家银行进行了有益尝试,建行与阿里巴巴、蚂蚁金服开展战略合作,中行与腾讯共同组建“金融科技联合实验室”。

  以农行和百度的全面合作为例,双方将开展数据交互与信息共享,丰富各自客户画像;同时结合农行的金融服务场景与百度在机器学习、语义识别等方面的人工智能技术优势,在精准营销、用户征信、风险管理、智能金融服务、舆情预警、客户潜在需求分析等方面开展深度研究、联合建模与应用创新等形式的合作,共同探索金融科技服务新模式。此外,双方还将共同组建金融科技联合实验室,结合百度人工智能技术和农业银行金融业务,推出农行金融大脑,在智能获客、生物特征识别等方面开展创新。

  突破之二是搭建场景,定向引导客户行为,从提升客户体验迈向创造新需求。场景营销将产品嵌入客户的规定动作,在客户花费时间的地方开展营销互动,如客户兑换权益场景植入金融产品推荐等,将大众化营销转变成个性化定制营销,获得更好的品牌效应以及更忠诚的客户关系。

  在场景中,银行通过数据还原消费者的决策历程,从中找到营销商机。如中信银行开展的出国金融场景,能够细分为多个子场景,如留学场景、旅游场景、外派场景,而且跟外部资源有频繁的交互。通过构建预测模型,通过名单的筛选进行营销活动,营销效率提升16~22倍。

  如果把客户视为产品服务权益或者体验需求方,那么银行就是这一系列的供给方。场景搭建的关键是供给与需求的匹配程度,一个好的场景不仅能够满足客户既有需求,还能满足客户的潜在需求。数据在场景中帮助银行还原客户需求,重建需求场景,并且建立场景联系,银行能够通过场景间的迁移定向引导客户行为。

客户经营未来之路

  随着人工智能时代的到来,零售银行客户经营也将面临智能化大变革,主要体现在两方面:

  一是在价值主张中结合人工判断和大数据分析。零售银行客户希望银行了解自己,并提供高质、易懂、价格合理的产品。同时,客户已经习惯数字渠道带来的便捷,希望能够在线上、线下都提供高度个性化、差异化、本地化的产品服务。为满足这些需求,银行客户经营需要在以往人工经验积累的基础上,融入大数据分析技术,借助数据实现个性化地创新产品服务、改善与客户的互动。

  二是运用客户旅程思维,采用机器人、机器学习等先进的人工智能技术。客户经营需要以全新的方式设计流程,明确最关键的客户旅程并彻底更新再造,同时运用人工智能、机器人和其他技术手段缩短流程时间、改进决策结果。BCG 相关数据显示,零售银行若将最关键的客户旅程进行数字化,将能改善服务、提升客户经理服务能力、提供基于数据的产品服务,营收也将增加 5%~20%。银行还能通过缩短流程时间、自动化和更快更准确的决策,将成本削减10%~25%。

(文章来源:金融电子化杂志)

扫码即可手机
阅读转发此文

本文评论

相关文章