首先看一下數(shù)據(jù)挖掘在客戶分析中的應用,數(shù)據(jù)挖掘主要應用于兩大領域:客戶智能和風險管理。客戶智能分為數(shù)據(jù)層、挖掘?qū)雍蜖I銷層,數(shù)據(jù)挖掘?qū)儆谥虚g這一層,是服務支撐層,為營銷提供支持。數(shù)據(jù)挖掘傳統(tǒng)的一些領域,包括客戶細分、營銷預測、產(chǎn)品關(guān)聯(lián)、實時分析、客戶提升、價值分析,以及現(xiàn)在隨著大數(shù)據(jù)技術(shù)的興起,我們會做實時分析,已經(jīng)有些公司推出了基于文本的分析判斷產(chǎn)品。
由于時間關(guān)系我主要介紹其中的幾個,首先我們來看一下數(shù)據(jù)挖掘伴隨著客戶的生命周期是從始至終都存在的,拿信用卡業(yè)務來看,客戶經(jīng)歷了從客戶的捕獲到客戶的提升,到客戶的成熟階段,當然最后有可能發(fā)生客戶的流失,完整的生命周期,不同的生命周期有不同的關(guān)注點。在下面,我們從數(shù)據(jù)挖掘的視角可以看到,其中有很多數(shù)據(jù)挖掘模型可以輔助業(yè)務的決策。
首先看客戶細分,這是傳統(tǒng)的客戶細分,一般基于人口統(tǒng)計學的自然屬性、銀行交易信息、持有產(chǎn)品信息、互動反饋信息等等,針對這些進行細分,形成一個不是很深入的結(jié)果,可能會形成這樣的用戶分級。產(chǎn)生需要的,高價值低忠誠用戶是蝴蝶,低價值高忠誠的用戶是藤壺。最終細分出來的客戶,可能是這個客戶更深入洞察的角度,很巧跟邵鐘飛也有相似的細分類型。所以,只有基于這些精準細分模型,才能給用戶提供差異化的營銷手段。
營銷預測,舉個簡單例子,比如我有100個潛在客戶,其中大概有25個人會對我的營銷響應使用我的產(chǎn)品,并帶來人均5元的收益。營銷成本每人是1元,地毯式營銷回報率是25%。在第二代的營銷中我們可能會使用一些聚類的技術(shù),營銷的回報率可能能達到100%,這只是一個示例。第三代營銷中我們可能會做雙向預測模型,同時預測響應率和產(chǎn)品使用率,最終可能會收到比較好的效果,回報率要遠遠超出前兩代。
來看流失分析,客戶為什么會離開我們這家銀行轉(zhuǎn)移到其它銀行?波士頓咨詢公司做了一個市場調(diào)查,主要原因是服務質(zhì)量不好,價格沒有吸引力,產(chǎn)品沒有吸引力,以及渠道的不方便因素,等等。同時有些市場調(diào)查認為,我獲得一個新客戶的成本是維持一個老客戶成本的5倍,因此我們怎么樣才能做好客戶的流失分析,怎樣才能留住客戶?傳統(tǒng)的客戶流失分析是做事前的預測,以前不叫流失預測叫流失預警,這時你每個月都要想辦法挽留這一大批用戶,我們是不是要做一些事后分析?看看這些用戶為什么會離開,提高自己的軟技能和硬技能進行客戶的挽留。
我們剛剛結(jié)束的一個項目案例,就是來做高端客戶的流失分析。這個銀行在2011-2012年這段時間的高端客戶,流失率在18%左右的水平,同業(yè)的平均水平大概在12%左右,所以他認為他們的流失率偏高于同業(yè)其它銀行。所以他想分析一下,第一,我流失的客戶大概是什么樣的構(gòu)成情況,什么樣的客戶容易流失?第二,他們流失的原因是什么樣的?第三,怎么預警挽留這些客戶?這些客戶中業(yè)務包括儲蓄、理財、貸款,我們在做分析的時候,因為他不光要分析流失,他還要分析降級,他這里降級是指嚴重降級,AUM變動要超過兩成。我們在里面分析的時候增加了一層,150萬,這樣讓級與級之間的過度,大概一級就是損失150個AUM。
在做分析之前首先會有個思考,客戶提供給我們這些基礎數(shù)據(jù)涵蓋了哪些內(nèi)容,包括了人口統(tǒng)計學的屬性,AUM的構(gòu)成,借記卡的卡數(shù)、交易次數(shù)、交易金額等等這些信息,這和我做流失分析是有差距的,我缺乏一些流失相關(guān)的緯度,比如客戶在我們銀行主要是做什么業(yè)務的??蛻粼诮导壛魇е暗囊粋€月,最后保留的業(yè)務是什么。還有,客戶降級流失的原因是因為他有消費需求嗎?比如要付首付,還是因為更換銀行?前兩種我們認為:第一種,因為消費的需求,客戶對你銀行的忠誠度是沒有降低的,他很有可能把這個銀行作為接下來他首選的銀行,提前還款這東西因為是個被動的業(yè)務比較特殊,如果只是單純更換銀行的話,這就說明客戶對你的忠誠度有所降低。再有,無論是降級還是流失都是一個籠統(tǒng)的概念,客戶的降級是短暫的,如果降了級又恢復,流失也有可能降到AUM的1%再恢復,還是有的客戶銷卡了?所以,要對客戶有個全新的認識,當然這里面也認識到有些東西是數(shù)據(jù)之外的故事,比如這家銀行某個月客戶經(jīng)理的流失率是比較高的,帶來了客戶流失率是比較高的。
更多詳細信息,請您微信關(guān)注“計算網(wǎng)”公眾號: