FinTech时代商业银行零售客户标签体系建设和数字化营销应用.docVIP

FinTech时代商业银行零售客户标签体系建设和数字化营销应用 　　数字化营销已经成为商业银行获取竞争优势，巩固和提升消费者满意度水平的重要战略手段。所谓数字化营销，是指采用大数据挖掘对商业银行客户进行精准接触、细分、营销、管理和维护。对于商业银行而言，数字化营销的一个重要载体就是客户标签的开发与应用。零售客户标签本质上是搭建以客户为中心的画像体系，即基于数据挖掘技术、关系网络分析技术、客户行为轨迹技术和文本分析技术，对客户人口统计特征、资产、负债、交易等属性信息的深入解析。 　　基于一线营销人员访谈、文献整理和专家讨论，本文介绍了商业银行零售客户标签的定义和内涵、八大属性维度、四种标签开发方式以及基于“5H”框架的客户标签应用分析。基于此，商业银行一线营销人员可以精准识别潜在客户，通过财富类产品的销售，实现客户忠诚的巩固与提高，真正与客户实现共赢。 　　数字化营销和零售客户标签体系 　　数字化营销的内涵 　　数字化营销是商业银行大数据挖掘中经常提到的一个概念。一般来说，数字化营销包含两个元素，即客户关系管理和大数据挖掘。本质上，数字化营销是指商业银行“以客户为中心”，开展和实施基于BDM的客户获取、客户保持、客户维护和客户挽留等CRM行为，从而提升银行对客户的精细化管理水平。 　　具体而言，商业银行的数字化营销是以企业级数据仓库为基础，通过一定的技术和方法（如统计算法、机器学习算法等），从数据中提取出隐藏的、有价值的信息和知识，找出数据中呈现的规律，从而能够解释已知的事实，预测未来的客户行为及业务发展模式，有效辅助营销人员开展客户关系管理和业务提升。 　　对商业银行而言，数字化营销的重要目的就是实现精准化营销。第一，通过统计和机器学习等量化技术精确实现潜在客户的识别、客户的获取、客户维系与巩固等。例如，商业银行可以识别哪些客户对财富类营销活动的响应率比较高，哪些客户的资产潜力较大，哪些客户较易被提升，哪些客户处于流失的边缘，哪些客户的信用程度较低，哪些客户较容易发生欺诈行为等。第二，数字化营销是个体层面的营销，它能够监测客户的属性和特征，识别客户的个性化需求，通过提供定制化的服务，从而有助于提升客户满意度和忠诚感，有助于商业银行获取领先的竞争优势。 　　数字化营销与客户标签体系 　　数字化营销的根本目的就是实现营销的精准化，而基于客户资产、负债和交易信息建立起来的客户标签体系，则是识别客户特征、发现潜在客户、进行客户精准营销和管理的重要工具。因此，对于商业银行来说，零售客户标签体系就是数字化营销的重要载体和工具。 　　我们理解“客户标签”是指商业银行基于大数据挖掘（如统计算法、机器学习算法、关系网络分析、LBS分析、文本分析等）技术，通过对商业银行企业级数据仓库以及相关外部信息源中的客户属性、特征和信息进行加工和运算，所得到的客户标签化信息，例如“有房一族”“有车一族”“有娃一族”“出国消费”“高档小区”“高端商场”等标识。 　　基于零售客户标签，一线营销人员可以发掘和识别出高价值潜力客户，勾勒客户画像，进行存量客户提升，防止潜在客户流失，以及监测客户关系网络中的风险传染等，从而成为辅助客户经理开展客户关系管理的重要工具。 　　标签开发动因 　　一线营销人员缺少客户开发的工具。以往一线客户经理进行客户拓展和产品营销时，常常依赖于现有客户的转介，或者基于一些简单的变量进行筛选（如客户金融资产、客户层级等）。由于一线人员获取有效客户名单的途径有限，影响了银行客户开拓、产品营销、业务提升的效果和效率。 　　高潜客户的识别手段有限。就常规而言，商业银行通过客户金融资产或交易结算量对存量客户进行分类管理。有关高价值潜力客户的识别手段非常有限。客户的一些属性或标签，例如是否有房、是否有车、是否住在高档小区、是否出过国、是否是他行贵宾客户、是否有收藏工艺品的倾向和爱好等，都能够凸现客户的资产实力。我们常常会发现，某个客户的金融资产层级比较低，但是通过对客户的信用卡消费摘要分析表明，该客户经常出入高档场所，经常出国，实际消费能力很强。这类客户就是所谓的“高潜力-低资产”客户，也就是说客户并没有把该银行作为“主办行”。因此，如果我们通过对相关消费摘要的分析，给客户打上“高潜力”标签，这有助于一线营销人员找到精准营销线索，实现相关优质客户在银行的金融资产提升。 　　传统模型开发结果变量的离散化使用需求。如何将常规开发的诸多营销模型落地应用，对一线营销人员产生实际价值，是一个迫切需要解决的问题。通过将模型结果（如资产提升概率）离散化，转换为五档或七档的标签结果，这样一线营销人员就可以直接调用相关结果。例如，对于流失预警模型，将客户流失的概率值离散化为标签，即流失概率高、中高、中、中低、低五档，从而提升一线标签使用的