關系營銷在西方商業銀行中的應用

歐永生

1977年，一篇“從產品營銷中解放出來”的文章，影響了西方商業銀行管理者的管理思路，在產品創新的基礎上，他們更加注重對客戶關系的維護與管理，并將關系營銷應用于銀行營銷的實踐中。

多維度的市場細分

對市場進行多維度的細分主要運用在客戶關系建立階段對客戶進行識別。這種細分方式在傳統細分變量的基礎上，加入了客戶的個性化數據，如對公客戶的目前存款及分布，其他銀行切入的主要產品，銀行授信額及分布，客戶行業地位，經營狀況和發展前景，其所在行業的發展狀況等；對個人客戶加入生活方式，興趣等細分變量。

通過多維的細分變量鎖定目標客戶群，使銀行在確定目標市場的過程中更加準確有效，從而使營銷人員和客戶進行接觸時能夠投其所好，選準切入點，提高關系建立的成功率。如西方商業銀行普遍運用的生命周期細分方法。對銀行來說，面對的客戶總是處于不同的生命周期中，對于處于不同生命周期的客戶，其需求是不同的，這就形成了不同的細分市場。以零售銀行所面對的個人客戶為例，可以以個人的生命周期作為變量進行劃分，按照人生各階段的生活消費特征、投資風格和理財需求，將其分為青年期、新婚期、撫育期、事業期和老年期，針對不同階段的客戶提供不同的金融服務。處于青年期的客戶，往往剛剛踏入社會，他們對新生事物接受度較高，消費也較高，風險承受能力較低，投資活動較少。銀行可以為其提供一些便利的消費支付業務，如手機銀行、電話銀行、刷卡消費、網上支付等，同時可以針對其中一部分信用度較高、具有發展潛力的客戶進行信用卡業務的推廣。處于新婚期的客戶，他們的工作趨于穩定、事業走向正軌，正處于談婚論嫁的階段，他們具有一定的風險承受能力，較為注重資產的投資。銀行可以為其提供如汽車貸款、住房貸款、消費貸款、基金銷售、理財服務、自助繳費等服務。撫育期的客戶，正處于養兒育女的階段，銀行可以在為新婚期客戶提供的服務的基礎上，再提供一些例如教育儲蓄、學資貸款等特殊的金融產品和服務。處于事業期的客戶，他們的工作能力和經濟狀況都達到高峰階段，家庭進入成熟期，具有較強的風險承受能力，一般都是零售銀行的高端客戶。銀行可以為其提供投資理財方面的增值服務。對于老年期的客戶，主要提供存款類的產品和服務。這種按生命周期提供整體解決方案供客戶選擇的方法，能夠在實際與客戶接觸的過程中讓客戶感受到銀行真正做到了“為客戶所想，急客戶所需”，促進銀行與客戶關系的發展。

層次化的營銷布局

西方商業銀行非常注重關系營銷的成本效益控制，通過對客戶關系的當前盈利能力和潛在盈利能力分析，對營銷力量進行層次化布局。最有代表性的是美國wachovi a銀行實施的“個人銀行家”計劃：銀行對當前和潛在盈利能力均有限的客戶多采取電話營銷、直接郵寄等低成本的營銷方式；對潛在盈利能力較高，當前盈利能力不足的客戶提供集業務員、咨詢員、情報員為一體的“個人銀行家”服務，負責對客戶的財務狀況提供咨詢，并對客戶所需要的產品和服務提出建議，幫助其處理所遇到的困難；對當前和潛在盈利能力雙高的客戶提供“個人財務顧問”服務，為其定制個性化的個人財務計劃。這種層次化的營銷布局，不僅在節約銀行成本支出的前提下達到效益最大化，同時對于不同層次的客戶提供差別服務，也有利于促進客戶關系提升層次，提高客戶忠誠度。

建立數據倉庫

關系的建立、維持和長久發展都離不開數據庫提供的準確信息，它是銀行一切關系營銷活動的基礎。西方商業銀行在客戶信息管理中最突出的一點就是自己完備的客戶檔案和數據庫，這種記錄整合了銀行各部門的客戶資料并進行大規模的集中統一管理，可以被銀行的各個部門所共享?！睹绹y行家》雜志對美國商業銀行的調查表明，有30％以上的美國商業銀行能夠準確說出誰是其創利最多的客戶，20％的銀行可以在10分鐘之內調出重要客戶對銀行產品的使用情況，這些銀行的比較優勢都來源于高效先進的數據庫的運用。

數據倉庫，是在數據庫基礎上對客戶信息的進一步加工利用，是支持管理決策過程的、集成的、動態的、連續的數據組合。是將銀行核心系統和各類運行系統對應的數據庫中歷史的、分散的、詳細的數據，經處理轉換為集中統一的、隨時可用的信息。

作為世界上最大的VISA信用卡發行行的美國第一銀行(FirstAmerican)，開展了一項名為“At Your Request”的客戶服務，贏得了客戶的信任，獲得了巨大的成功。第一銀行在業務后臺開發了龐大而先進的數據倉庫系統，從每一筆信用卡交易中提取大范圍的、十分寶貴的數據。利用所掌握的交易數據，第一銀行建立了高度準確、按等級分類的單個客戶實際偏好的記錄，分析群體客戶的消費情況和偏好。根據客戶的消費偏好信息確定合作商業伙伴，從他們那里得到最優惠的價格并提供給客戶，極大地促進了銀行與客戶的關系。銀行的數據倉庫通過持續更新，越來越清晰地反映出客戶的需求和消費偏好，這為“At YourRequest”業務的開展提供了最為有力的信息支持。

挖掘應用數據

數據挖掘在銀行業中的應用之一是爭取客戶。商業銀行運用探索性的數據挖掘方法如自動探測聚類和購物籃分析，可以找出客戶數據庫中的特征，預測對銀行營銷活動的響應率，那些被定為有利的特征可以與新的非客戶群進行匹配，以增加營銷活動的效果。富利銀行(FleetBank)使用數據挖掘，在客戶人口統計和賬戶數據基礎上預測了銷售其共同基金的最佳前景。美國銀行的西海岸客戶服務呼叫中心，也在營銷和交叉銷售中應用了數據挖掘技術。銀行用不著大張旗鼓地推銷某種“熱門”產品，因為客戶服務代表們人手一份由數據挖掘提供的客戶資料，可以告訴他們客戶最關心的是哪種產品和服務。

數據挖掘還可以用于保留客戶(例如通過客戶流失建模)。在一個典型應用中，數據挖掘能找出那些有利可圖但可能流失的客戶。有了這些信息，銀行就可以針對他們采取額外增值客戶服務，特殊待遇和激勵忠誠度等措施。紐約大通曼哈頓銀行使用數據挖掘來對客戶流失建模，并采取了不同尋常的措施，連續兩年降低了客戶支票賬戶最小余額的標準，結果盈利客戶占總客戶的百分比反而上升了。

近幾年來，西方的一些大型銀行和新型銀行紛紛將客戶關系管理(Customer Relationship Management，CRM)在銀行領域的應用提上議程。美國排名前100位的商業銀行已有50多家在客戶關系管理中實施了數據倉庫和數據挖掘項目，其他銀行則正在準備實施。以數據倉庫技術為基礎，以聯機分析處理和數據挖掘工具為手段的CRM系統也日趨成熟。

(作者單位：農業銀行湖南省永州市分行)