商业银行数据化运营研究
来源:用户上传
作者:
[提要] 当前银行中高端客户资源争夺日趋白热化，重视对客户的持续经营，用优质的产品和服务留住和争取到更多的优质客户，成为商业银行竞争的新领域和主战场。笔者结合自身的知识和工作经验，简要分析如何利用商业银行自有数据支撑数据化业务运营及开展精准营销。
关键词：商业银行;数据运营;精准营销
中图分类号：F83 文献标识码：A
收录日期：2020年2月19日
在人工智能应用场景普遍落地的今天，发展和巩固中高端客户不但取决于银行客户经理的职业素养，而且依赖于高效智能的数据运营支撑。商业银行应加快数据运用步伐，进一步提升客户运营能力，做深做实存量客户，做大做强增量客户，着力提升客户综合价值贡献度。通过优化资产配置、丰富产品类别、精准产品供应与服务，实现银行与客户双赢的局面。同时，通过数据运营提升员工的价值创造能力、市场竞争能力、专业服务能力，从而构建“职业化、专业化、知识化”的运营服务团队。商业银行应充分利用灵活高效的数据分析与挖掘工具，通过数据分析与挖掘可视化，对客户进行全面刻画，进而指导客户经理开展差异化营销与服务管理，从而实现从产品销售导向到客户经营导向的转变。通过数据化分析及精准营销工作可以全面培养商业银行理财经理及运营人员的自主分析能力，加深对重点客户的全面认识，进而开展有针对性的营销工作，尽全力挖掘客户潜能;进而提升了客户经理的营销效率和精准度。通过对客户基本信息与交易行为的定量与定性的分析以及产品响应预测模型的运行得出某一类客户或单一客户的营销建议，依托仪表盘、多维分析、图表、词云图等方式展示结果，在合适的时间传递到客户经理进行精准营销策略。从而，最终形成一个闭环营销流程，通过不断的迭代试点营销，让执行策略更加精准，提升客户的忠诚度，促使商业银行和客户达成双赢。
商业银行对客户进行精准营销需重点关注以下五个业务应用层：
一、构建客户特征标签
客户特征库基于银行内部数据经过清洗加工，并通过客户关联及行为分析，提炼出描述客户全方位特征的标签信息。客户特征库是推进基于精细化客户管理的最关键数据支撑，是客户分层分类模型、客户特征分析与可视化的重要信息供给;同时，客户特征库也是客户精准营销名单和事件侦测的关键输入项，为挖掘更多的客户交易信息提供了可能;客户特征库包含以下具体信息，分别是客户基本信息、持有产品、渠道偏好、交易偏好等數据整合丰富客户特征标签，后续根据风险偏好进行合理资产配置。
二、通过业务模型对客户进行细分
客户细分主题主要是基于现有客户的特征标签库，按照一定的特征与属性（客户自然属性、价值属性、行为偏好标签等）进行客户分析，形成相应的客户细分群体，并以此作为精准营销制定的重要应用对象;通过客户细分，识别高价值客户群体，从而支持业务运营层面实现为中高端客户进行资产配置、权益增值服务等;通过客户细分，快速识别结算交易客户，给予差异化服务提升忠诚度;通过客户细分，对潜在客户进行精准识别，减少获客成本，提升效率。基于业务模型对客户进行细分，大致可分成以下几类：（1）重点经营客户群：通过对客户的历史交易行为的追溯和场景细分，制定评估客户资金实力的规则，生成重点经营客户名单库;根据业务规则每天进行数据更新。（2）价值-忠诚度模型：以客户价值和忠诚度（黏性）为分析维度对客户进行细分，针对不同层次的细分客户进行差异化精准营销。（3）各渠道来源客户群：可以根据各业务渠道来源进行定义客户。比如代发、信用卡、三方存管、出国金融、ETC客户、理财投资、个贷等;根据不同来源渠道进行差异服务。（4）自定义细分群体：为了满足银行各条线针对客户细分管理的灵活需求，特提供自行定义客户群的功能。
最终通过多维标签融合，形成客户综合评价标签。比如，结合客户职业分群可分为（一代创富、二代继承者、高薪金收入、家族财富管理者）;还可以结合大类资产配置比例、投资产品偏好、投资风险评级、历史及当前AUM等级等维度进行多维立体评价。
三、客户分析与可视化展示
通过客户分析工具可以对客户细分群体进行全景可视化展现，更深层次挖掘整合数据;让全辖理财经理与运营人员通过客户标签快速定位客户的身份特征、投资实力等，为精准营销建立决策基础。可视化展现形式包括单图表类型（折线图、仪表盘等）、多图联动功能等从而为客户营销和服务提供有力的支持。客户全景画像具体包含以下内容：（1）客户基础信息标签：展示客户基础信息轮廓，包含姓名、性别、年龄、联系方式、账户年龄、客户等级、职业分群、资产来源、企业基本信息、AUM分层、客户综合评级、是否风评等。（2）客户历史资产波动分析：分析最近一年客户资产波动的情况，以及大类资产比例的变化;全面了解客户在银行资金的流动性和黏性。（3）客户历史投资行为分析：了解客户历史曾投资金融产品的交易行为分析，通过图表快速让客户经理了解客户以往的投资行为;根据客户特征库整合的各业务系统的交易流水，以及客户投资金融产品维度、渠道维度，对交易信息进行统计分析展示。（4）客户投资风险偏好分析：通过分析客户历史投资金融产品类别、风险及收益、投资周期等信息，全面了解客户投资风险的承受能力。（5）客户大额资金变动事件型分析：通过对客户大额交易变动事件模型及时掌握客户资金变动，及时发现营销商机或风险，并根据营销策略模板推送相应的营销名单以及营销策略给客户经理，实现精准营销。（6）客户金融产品响应预测标签：利用数据挖掘模型，通过对客户持有投资产品（理财、信托、基金、保险）响应进行分析，建立客户购买意向分析预测模型，充分挖掘出客户投资金融产品潜在价值。（7）客户迁徙稳定性分析：研究哪些客户即将流失，选择适量的历史上流失客户和未流失客户的特征建立客户流失的分类预测模型。通过模型分析哪些客户预流失，及时采取相应措施降低客户流失率。 四、客户精准营销运营策略制定与执行
通过客户画像与数据分析，精准识别出与客户运营的周期;运营周期可划分为潜客提升、新客获取、稳定经营、流失预警和降级赢回五个阶段;对不同经营周期的客户需要采取不同的精准营销运营策略，通过商业银行优质产品、权益、服务的配置不断提高客户的贡献度和忠诚度。当客户发生运营周期变动时，也能够通过事件的触发提早预警，提醒银行运营人员跟进维护，加强客户黏性。以下针对五个阶段的运营策略进行详细介绍：（1）潜客提升：在客户首次与商业银行接洽阶段，执行人需抓住机遇获取客户联系方式、了解客户需求，并通过特色产品和服务激发客户与商业银行合作的兴趣。开展客户邀约工作，为客户提供资产配置相关的服务和建议，包括资产配置的评估、资产配置建议。（2）新客获取：客户经理可以利用讲解金融产品的机会联系客户，增加相互接触与了解的机会。同时，定期为客户提供资产配置相关的服务和建议，包括资产配置的评估、资产配置建议等，通过交叉产品配置，加强客户黏性。（3）稳定经营：客户经理应当通过前期的接触以及客户的历史交易行为对客户信息有比較全面的掌握，对客户的需求具有较深了解。基于对客户的了解推动客户对复杂产品需求的引领;提供稳健、灵活、专业的产品配置组合，配置保险、信托等。也可以提供银行白金信用卡、个贷产品，满足客户境内外消费需求及资金。（4）流失预警：当客户出现大额资金异动情况，运营人员要及时了解资金变动的原因和用途，与客户进行沟通，做好资金动向监控工作。每日关注事件提醒以及流失预警名单，了解客户诉求，并有针对性地进行产品和服务营销。针对客户的不满提出解决方案，通过配置固收类产品、权益、活动等资源进行挽留。（5）降级赢回：针对已降级的客户，要及时了解降级原因并进行客户挽回工作，对于无法挽回的客户，记录好客户流失原因及挽回所需资源，后续将制定相关挽回策略。通过配置竞争性强的产品，挽回客户关系。
五、客户营销效果执行反馈与监控
商业银行运营人员对客户执行营销后，需要及时反馈营销情况，包括：营销时间、是否触达、非触达原因、营销最终结果，便于对营销过程评估。通过数据对客户群体总体监控、对客户群体迁移及流失进行分析、利润贡献度进行分析，以便于定量评估营销策略落实与执行效果，把握选定客户细分群体变动趋势;从而对后续营销策略提供数据支撑，进而提高营销策略制定的精准与有效性。
主要参考文献：
[1]李广新.商业银行数字化转型的方向与实践[J].银行家，2019（3）.
[2]王永杰.金融科技在银行客户营销与管理中的应用研究[J].金融纵横，2018（7）.
转载注明来源:https://www.xzbu.com/2/view-15171925.htm
