精准营销在A商业银行中运用.docVIP

精准营销在A商业银行中运用 　　摘 要 A商业银行自2011年初研究并实施精准营销后，各项业务发展突出，通过CRM和数据挖掘技术精准营销，降低了营销成本，提高了营销效率。 　　关键词 精准营销 CRM 数据挖掘 　　中图分类号：F823 文献标志码：A 　　目前，商业银行之间竞争日益激烈，尤其是在中高端客户上的竞争激烈日益激烈，A商业银行过去在营销中高端个人客户上营销方式多样，营销成本付出较多，但往往效果并不理想。商业银行A支行从2011年开始研究并实施如何进行精准营销，从CRM和数据挖掘技术两方面着手开展精准营销，取得了较好效果。 　　一、精准营销概述 　　科特勒认为精准营销就是公司需要更精准、可衡量和高投资回报的营销沟通，需要更注重结果和行动的营销传播计划，还有越来越注重对直接销售沟通的投资。 　　精准营销的核心思想是精确、精密、可衡量。具体表现为可量化的精确的市场定位技术；借助先进的数据库技术、网络通讯技术及现代高度分散物流等手段；建立稳定的企业忠实顾客群，实现客户链式反应增殖以及极大降低了营销成本。反应在商业银行市场营销中则表现为营销人员可以很清楚的选择目标客户，明确目标客户的潜在需求，以往风险偏好以及基本情况等信息，营销人员可以有针对性的实施营销手段，达到降低营销成本，提高营销效果的目的。 　　二、实现精准营销的核心：CRM和数据挖掘 　　客户关系管理（CRM）是以客户为中心的思想发展而来的管理理论。科学技术水平的提高，引起了世界两大主要变化，首先是信息、物资的流动速度加快。再次是计算机技术等高技术的发展使生产能力的极大提高，市场逐渐由卖方市场转变为买方市场，市场竞争也日益激烈。客户关系管理思想就在这样的一个环境和变化中逐渐为人们所重视与推崇。客户关系管理的核心思想主要包括以下几个方面：客户是企业发展最重要的资源之一、进一步延伸企业供应链管理、客户知识管理。 　　数据挖掘（Data mining，DM），又称数据库中的知识发现（Knowledge discovery in database，KDD），是指从存放在数据库、数据仓库或其他信息库中的大量数据中自动地发现相关模式、提??有潜在价值的信息、挖掘知识的过程。从CRM的角度，数据挖掘应用就是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则，并能够根据已有的信息对未来发生行为做出结果预测，为企业经营决策、市场策划提供依据。在CRM中应用的数据挖掘模式主要有关联分析、分类、聚类分析、序列分析、孤立点分析五种，使用的主要技术有统计、聚类、决策树、神经网络和关联规则。对于要挖掘的数据，可以是来自传统的关系数据库，也可以建立面向主题的、采用多维数据立方体组织数据的数据仓库。 　　为了使数据挖掘技术很好的在企业中发挥作用，首先需要建立一个能够全面组织和管理来自企业内部和外部数据的平台。通过建立数据仓库，将来自BOSS系统、网管系统、OA系统和财务管理信息系统的数据进行整合。可以根据不同的分析需求建立相应的主题（如客户流失情况主题、市场竞争分析主题等），并根据主题建立相应的多维数据集，从而可以在多维数据集中采用OLAP和数据挖掘为相应的主题提供分析模型。 　　三、A支行传统营销方式存在的问题 　　（一）营销以产品为导向，非顾问式营销。 　　传统营销方式是以产品为导向的，而并不考虑客户实际需求，造成客户抱怨多。理财产品销售中存在过分宣传收益，忽视风险揭示，客户对产品利益与风险揭示往往并不清楚的现象发生。以致当产品收益因市场原因不理想时，客户往往抱怨，对银行不信任。 　　（二）营销方式和服务单一。 　　从产品的个性化与差异化上看，商业银行的产品很难满足客户多样化的需要，尤其是高端客户的需求更加多样化和专业化。现实中，人们的需求不是“无差异”的，但银行产品与服务却存在“一刀切”的现象。表现在营销方式上则体现为营销方式单一，缺乏针对客户差异化需求的差异化营销方式，以致营销效果不理想，也迫切需要开展精准营销。 　　（三）营销方式缺乏针对性造成营销成本高，效率低。 　　由于指标任务压力，商业银行客户经理和大堂经理往往在对客户基本情况，投资经验，需求和资产情况并不是分清楚的情况下就电话或面对面营销，过多的介绍产品本身，而很少倾听客户需求与真实想法，容易带来客户的反感。同时，对客户缺乏有效分类，没有很好地将中高端客户放在首要位置，普通客户与中高端客户没有很好区别对待，以致有效目标的选择上缺乏针对性，导致有效成本高，效果不佳，客户经理积极性与信心受到打击现象发生。 　　四、精准营销在A商业银行中的运用 　　A商业银行某支行资产量5万元以上的客户仅占全行客户数量的11.5%，但贡献了79%的存款存量及89%的存量AUM，资产量1万元以上的