基于大數據的銀行客戶關系管理

劉勇

【摘要】本文首先分析了銀行業客戶關系管理的特征，以及大數據對銀行客戶關系的影響，認為銀行有必要運用大數據改進客戶關系管理。基于A銀行的案例，說明了大數據在客戶管理管理中的顯著作用。最后，從分類管理、忠誠度評價、數據綜合平臺、客戶經理隊伍四個方面，提出了相應的提升策略。

【關鍵詞】大數據 銀行 客戶關系

一、大數據對銀行客戶管理帶來的影響

大數據技術，特別是商業智能、數據挖掘、分布式運算等，為商業銀行的客戶關系管理帶來更多可能。我國大型國有銀行，如建設銀行，已啟動大數據挖掘計劃，用以更好進行客戶營銷。阿里巴巴等也進入民營銀行領域，發揮自身數據優勢。從銀行的角度來講，大數據技術的應用也是非常必要的。這表現在：一是數據存儲成本上升。銀行客戶量、賬戶量、交易量等都非常龐大，結算、融資等系統需要技術銜接，客戶對銀行的響應速度提出更高要求，非結構化數據被納入挖掘范圍，這都會對銀行信息處理系統性能提出更高要求。二是風險預警需求更加迫切。銀行客戶產生的不良信用記錄為銀行帶來較大風險，近年來信用卡套現等案件頻發，數據分析都可提供預警和排查渠道。三是客戶流失分析幫助銀行更好維護客戶。數據分析幫助銀行進行精細化、差異化營銷，銀行可更好防止客戶流失。

二、銀行大數據客戶關系管理案例分析

本文以A銀行為例，進行銀行基于大數據的客戶關系管理案例分析。A銀行為了考察客戶流失情況，按照日均金融資產規模分為四類客戶，進行了為期4個月的跟蹤分析，結果顯示約有25%的客戶流失，而且呈現增長趨勢。基于此，A銀行進行了專題分析，了解客戶流失的原因。他們選定境內外跨行匯款、定期產品到期、貸款結清等產品作為重點進行了分析，對跨行轉出客戶群體進行了分析研究，通過分析顯示境內跨行轉出業務的客戶群體最多，可作為控制客戶流失的重點群體。因此，A銀行開展了針對此客戶群體的營銷活動，并將客戶按活躍度和貢獻度細分，實施責任到人的營銷制度，制定了營銷話術，定制專屬產品，出臺積分營銷活動，實施考核激勵。精準營銷進行2個月后，A銀行此類客戶群體金融資產增幅超過35%，取得了顯著成效。

A銀行運用大數據改進客戶關系管理的案例顯示，大數據在銀行的客戶關系管理中顯示了很大潛力。而綜合運用聚類分析、關聯分析、分類分析和預測，判別客戶的潛在需求，進行精準營銷，需要A銀行的持續推動。

三、基于大數據的銀行客戶關系管理提升策略

（一）客戶分類管理

目前銀行對客戶的分類，主要是基于客戶的資產情況，這種分類較為單一，難以精準把握客戶需求，營銷效果不顯著。分類分析和聚類分析，為銀行分類提供更多維度，例如按照客戶交易習慣分類、按照客戶低于分類，能夠提高銀行對客戶分類管理的精細程度。客戶細分一方面可以降低營銷成本，另一方面可以提高營銷效率。在管理方面的提升作用主要包括：一是精細化營銷能夠生成可控的目標客戶群體，銀行根據自身發展戰略可以確定重點目標群體;二是發現細分客戶群體的特性和需求，定制營銷計劃，達成銷售目標;三是發現業務發展發現，制定發展戰略，找到貢獻度、忠誠度較高的客戶群體。

在數據庫的應用上，銀行可按照以下幾個維度進行客戶分類。一是通過地理位置劃分。按照社區、園區、校區、商圈對客戶進行分類，不同區域客戶的金融需求、價值貢獻不同，銀行可按照位置細分營銷措施，降低營銷成本。二是通過讓人口統計和心理細分。人口統計指年齡、收入，心理包括生活方式、興趣愛好等，或者按照客戶生命周期，氛圍求學、工作、結婚、生子等環節，提供不同階段的金融產品，在合適時間向合適群體營銷產品。三是通過客戶行為細分，客戶的交易次數、交易金額、匯款金額及頻率、資金流向等，甚至文字信息，都可是分類依據，銀行可對這類客戶提供優惠套餐服務，吸引同類客戶。四是通過客戶價值和風險分類，按照客戶利潤貢獻以及風險程度細分，找到客戶為銀行帶來利潤的主要業務，提高營銷成本投入的科學性。

（二）運用數據評價客戶忠誠度

關聯分析幫助銀行找到客戶購買關聯產品的概率，聚類分析幫助銀行找到雷系產品偏好的客戶群體，建立客戶忠誠度評價體系，能夠把握客戶忠誠的關鍵因素，改進用戶體驗，創新產品，改進流程，提升服務，提升客戶忠誠度。客戶忠誠度評價，主要基于監控客戶忠誠度主要指標，捕捉客戶流失跡象，了解變化和分析原因，改進產品、服務、流程，實施固化措施。在量化指標方面，一是設立考核提升指標，建立對客戶流失率、產品覆蓋率的量化考核，設立客戶交易活躍度指標，考核客戶交易頻率和交易質量、二是完善關注指標，例如信用卡銷卡率、客戶向上遷移率等客戶流失指標，信用卡發卡周期、個貸審批市場等運營指標。在客戶忠誠度評價中一個關鍵指標是交叉銷售率，他反應客戶同時在銀行持有的銀行產品個數，這一指標越高，客戶忠誠度越高。

（三）搭建數據綜合運用平臺

銀行面對的是海量客戶數據，需要對這些數據進行采集和篩選，可利用SPSS等進行數據篩選。同時建立起數據展現平臺，幫助前臺人員通過網頁訪問數據并直觀呈現。兼顧數據處理的完整度和運行效率，呈現核心字段。此外還要建立客戶發現和流失預警機制，銀行需要定期針對客戶的產品個數、產品期限、交易金額、金融資產余額等，開展定期數據挖掘。客戶數據平臺搭建完成后，還需要對接營銷方案的制定和實施。在制定精準的營銷策略時，要明確目標、時間、責任人、資源配置標準、實施步驟、考評要求等細節，確保實施效果。

（四）提升客戶經理隊伍的數據處理能力

銀行需要培養一支客戶數據分析團隊，用于銜接好技術人員和業務人員，提升數據庫營銷質量。這支客戶數據分析團隊，需要能夠挖掘客戶需求，設計系統解決方案和定向營銷模型。特備是數據挖掘方面，客戶經理要規范運作客戶信息的收集，技術準確錄入客戶信息。要有主動挖掘的意識，掌握客戶的家庭、金融資產、投資偏好、消費習慣等，了解客戶詳細數據。銀行也需要加強對客戶經理的客戶流失考核，將數據庫營銷與客戶經理管理結合，評價客戶經理履職情況。

參考文獻：

[1]李昂. 大數據時代數據挖掘在銀行CRM系統中的應用[D]. 鄭州大學， 2016.

[2]牛勝利. 基于數據挖掘的商業銀行客戶關系管理研究[J]. 財政部財政科學研究所， 2013.