营销精准

如今提到“大数据”，很多人已经不再陌生。大家都在谈论它的重要性，搜寻国外的案例，研究数据挖掘的过程与模型，但是真正切实落实在企业运营管理中的却少之又少。

大数据营销是基于多平台的大量数据，依托大数据技术的基础上，应用于互联网广告行业的营销方式。大数据营销的核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。

大数据营销衍生于互联网行业，又作用于互联网行业。依托多平台的大数据采集，以及大数据技术的分析与预测能力，能够使广告更加精准有效，给品牌企业带来更高的投资回报率。

如何顺应时代的发展趋势，融入大数据、信息技术的发展浪潮中？下面将介绍三个过渡时期应用大数据理念进行差异化营销、客户经营、内部管理的方向。

一、关注集群属性，推进“区域化”营销

大数据营销一个非常重要的特征是通过企业内部数据、社交媒体数据、外部公共数据整合分析多维度描述客户特征，为每个客户“贴标签”，然后针对每个人的特征和需要进行精准营销。考虑到银行内部用户行为数据管理不健全，外部组织数据难以获取的实际，可以考虑采用一种折中的方式：将同样生活、工作圈内的客户作为一个“集群”，这些客户往往具有某些相同的属性，分析这些集群客户的规律与偏好，针对不同集群的特征进行差异化营销。

这种以地理区域为单位进行划分与营销的方式，将分行、分公司业务发展重点和区域业务优势相结合，有助于优化资源配置，做到快速反应、深入拓展、贴近客户。从而将公司的各种资源优势转化为把控市场的能力优势，提高市场竞争力，非常适合信用 卡中心的区域化特惠商户与营销活动选择。

具体的操作方式包含如下四个步骤：

1、合理划分区域：从效率的角度考虑，可以将一个城市的区域划分为不同的“圈子”，如商务圈、生活圈、娱乐圈等等，每一个圈子类别还可以进一步细分。然后将全部客户划分进这些圈子中。例如提取他们住址、工作单位、住宅电话等数据，有条件的情况下还可以根据客户的手机 定位信息，客户撰写微博位置信息等外部数据进行分析，确定归属。

2、区域客户画像：针对典型圈子的客户特征、业务特征、消费行为进行分析，做到“知已知彼”。例如对客户性别、年龄、收入、信用额度、存款总额、月均刷卡额、刷卡次数、消费地点、购物种类、业务种类、持卡时间、营销活动参与情况等行为数据与业务数据进行分析，全面掌握客户的特征。

3、行为偏好分析：形成客户的深度认知与判断。这个环节是非常重要的一步，也是有效实现差异化营销最关键的一步。市场调研中通过资 深研究人员的洞察实现，数据挖掘中通过建模与多维数据检核实现。这个分析的目的是通过市场调研或数据挖掘掌握圈子中客户的特征和喜好，从而为后续的营销提供决策支持。

4、遴选营销活动：以上几个步骤完成后，合作商户的遴选与营销活动的确定就比较顺畅了。特别要提示的是营销活动的推动渠道与时机也要根据客户的特征尽量做到有针对性。例如针对商务圈白领的营销方式优选短 信、电邮等，可选择下午下班之前2小时发送，作为工作调剂的活泼形式更容易被他们关注。而针对小生意人、家庭主妇等工作日白天的电话推荐仍然是最容易促成销售的方式。这些渠道与时机的偏好也是在上一步对于客户深度理解的基础上通过以往不同营销形式的响应率、参与率等数据跟踪分析形成的知识。

以区域的客户分析为研究重心，以数据信息对营销各环节的有力支撑为基础，有助于提高营销投入产出比。

二、整合运营信息，跟踪客户“健康度”

发现数据中存在的关系和规则，挖掘数据背后隐藏的知识，预测未来的发展趋势。这是大数据应用的最终目的和方向，也是能够为企业带来实际效益的手段。对于银行而言，预测客户的信用风险与流失风险无疑是最重要的工作之一。

早在20世纪七八十年代信用评估便开始使用，通过模型的建构预测出每个自然人在未来某个时期内发生“信*违约”的概率，并以一个分数来表示，作为企业决策的依据。对于客户整个生命周期的“健康度”跟踪，时时预测每位客户的流失风险，并采取一些列措施的应用在银行业却鲜有出现。

现阶段，在银行开展一些类似的工作并非不可实现，至少可以利用业务数据进行尝试。或者在第三方调研中增加与内部数据的整合分析。具体来看，这项工作的开展需要经历如下几个步骤：

1、量化评估指标：客户的思想与行为往往是保持一致的，注销卡片也常常会有一些先兆。例如取款频率提高，工资定期转移，刷卡率降低，定期存款快到期等等。确定那些可以反映客户流失的指标就显得至关重要。一般而言，这些指标包括四类：

业务信息类，包括客户级别，持卡时间，办理业务种类，办理时间，存款额，信用额度等；

消费信息类，如存取款笔数与金额，刷卡次数与金额，业务申请或取消，活动参与次数，转账到本人他行帐户次数与金额等；

捆绑业务类，包括*款、分期到期日，是否工资卡客户，是否公积金帐户，是否社 保帐户，渠道使用次数与种类等；

客户维系类，如客户经理拜访次数，客户持有他行卡数量，近期赠送增值服务情况，拨打客服电话次数、拨打客服电话转人工比率、主动沟通次数、投诉次数等。

2、构建诊断模型：模型构建的过程是一个筛选指标、确定权重、梳理关系的过程。可以采用主成分分析法搭配层次分析两种方法互补使用。主成分研究怎么用较少的指标去描述多指标或进行指标重要程度的排队，通过主成分的载荷矩阵和主成份的贡献率确定指标权重。

而层次分析法是对一些较为复杂、较为模糊的问题作出决策的简易方法，通过对非定量事件的定量对比分析，制定出一套较为可行的确定权重或直接比较的方法。模型的构建需要进行不断的验证、调试，以便确保评估结果的精准性、有效性。

3、指导日常工作：通过模型进行客户的健康度评估，针对每个客户给出“健康诊断报告”后，针对不同健康等级采取不同的应对策略，才能使数据挖掘的结果转化为效益。与此同时，记录客户经理的工作轨迹，或者客户回馈活动的响应情况，还可以通过对于不同行动的客户响应率与挽留率对于活动的有效性进行评估，优化后续保有策略。

三、应用内部数据，做好“承诺”管控

一个企业的内部运转有一系列的规章制度，对于流程的要求、对于时间的要求、对于准确率的要求等等。而验证这些规章制度落实率的各种“数据”往往分散于不同的系统、业务单元中。上文提到的两个方向主要运用客户行为与交易数据识别客户特征保有或营销，下面介绍的这个方向则是运用以往未被关注的内部数据检测管理运营效率与服务承诺落实情况。

以电话客服为例，一个传统的服务评估可能通过客户满意度回访，咨询解答后请客户打分的方式实现。能够获得一个整体水平，但在后续的改进提升上缺少有力的方向指引与问题呈现。如果将这些评估内容扩展，结合内部数据，则有助于获得更有针对性地结果。这个过程一般需要经历如下三个环节：

1、内外承诺梳理：在这个实例中首先需要确认的是电话咨询过程中对客户而言比较重要的是哪些环节，即有哪些“触点”。例如快速接通，容易找到人工服务，准确快速解决问题，服务水平优良等。这些环节无疑是银行需要做到位的，对于外部客户的“承诺”。同时，银行希望电话客服实现哪些目的也要作为重点考察内容。比如一次性解决问题，挽留销卡客户等，我们可以称之为内部“承诺”。这些承诺的梳理是确定后续工作开展方向的关键。

2、界定评估标准：承诺梳理好后，需要确定具体的评估标准及“达标线”。例如对于人工快速接通的评估标准可以是20秒内接通电话的比率；而根据某银行内部规定标准通数/来电转人工总通数需要大于85%，这里85%就是一个“达标线”。

同样，销卡客户挽留也可以通过挽留率来评估，即“要求注销被挽留的持卡人数/(注销的持卡人数+要求注销被挽留的持卡人数)”，而挽留率要达到20%还是30%等则根据银行的实际情况自行确定“达标线”。这些数据可能通过银行的话务报表、讯息单、注销挽留报表等提取获得，也可能通过外部调研获得。

3、定期检核改进：针对不同的评估标准，通过何种途径、方法获得，适宜何样的频率是这一阶段要考虑的重点。内部数据提取、客户满意度调 查、神秘人测试、专家体验等等均可能成为不同指标的检核方法。而检核频率也需要综合考虑整个评估目的系统性地设计，阶段性地推进。并且有必要根据行业发展状况与客户需求的变化建立评估标准定期优化、升级机制。

如此将内部数据的提取与外部调研结合，整合成系统的评估体系，可对电话服务水平进行更加精细的评估，同样对于改进方向也有更加明确的指向。