依托大数据促进银行营销模式创新-36大数据

作者：崔殿满 孙丽 张智君

中国银监会在《中国银行业信息科技“十三五”发展规划监管指导意见（征求意见稿）》中提出，“十三五”（2016-2020年）期间，“银行业金融机构要深入贯彻落实《促进大数据发展行动纲要》，主动制定大数据战略，积极建立大数据服务体系，加强数据共享，深化大数据应用，充分发挥数据价值。”

为落实大数据战略，银行业金融机构一般会从以下两个方面提升自身的能力：一是制定大数据战略，夯实数据基础；二是建立大数据服务体系，加强大数据应用。其中，夯实数据基础的方面，各家银行都在抓紧建设，应用方面，由于各家银行对于大数据的理解、大数据基础、大数据发展重点不同，大型银行先行了一步，开展的比较好，中小银行还处于探索阶段。

中德住房储蓄银行作为一家以开展住房储蓄业务为主的中小商业银行，为实现银监会“十三五”规划要求，提升自身服务能力和和竞争能力，近两年也在积极开展大数据应用，在利用大数据进行精准营销方面，进行了有益的探索。

通过数据挖掘实现精准客户识别

作为中国首家经营住房储蓄业务的金融服务机构，中德住房储蓄银行自成立以来,专业于住房金融，专注于住房储蓄，已经积累了一定数量的客户群体和市场资源，数据资源较为丰富，这就为银行利用大数据分析技术奠定了基础。

住房储蓄产品是中德银行的核心业务产品，该产品的特点是先存后贷，中德住房储蓄银行首先与客户签署一份住房储蓄合同，按照合同的约定，客户需先进行存款，存款达到合同额（客户存款额加客户可获最高贷款额之和）的一半且达到一定的评价值系数后，客户可以获得低利率的购房消费贷款（根据产品不同，贷款利率分别为3.3%和2.95%）。虽然开业以来，住房储蓄产品已逐步获得了市场认可并积累了大量签约客户，但其中部分签约客户签约后未存款或存款不活跃，影响了业务发展。为了改善这种状况，中德银行成立了“休眠客户激活”专题小组，研究如何利用自身拥有的大数据资源对现有客户进行深度分析，挖掘出潜在的活跃客户并进行精确营销，提高客户的活跃程度。

根据研究目标与数据情况，选择利用Logit模型进行回归分析以识别可能被激活的休眠客户。为此，做了以下工作：

首先，根据客户过去一年的存款次数、存款余额等因素对活跃客户和睡眠客户进行定义，有效区分活跃客户和休眠客户。

其次，选择可用的指标作为区分活跃客户与休眠客户的关键属性。选择的属性指标包括：年龄，性别，国籍，民族，婚姻、学历等。由于属性数据比较稀疏，为保证建模质量，同时还选择了是否签订委扣协议等行为数据指标。这些指标是根据营销人员的实际工作经验总结选取的。在进行实证研究之前，为了保证实验效果，还进行了独立样本T检验，检查各个变量在不同客户类别之间是否具有显著不同的波动性或者均值分布，如具有较大差异说明该变量能够较好的区分活跃客户和休眠客户。

再次，以客户类型为因变量，以前面选择的变量为自变量利用Logit模型进行回归分析。实验结果显示，当只选择属性指标进行分析的时候，拟合效果并不好。对睡眠客户的样本内预测精度为90%左右，但对活跃客户的预测精度仅仅为7%左右。这表明属性指标并不能很好地识别客户类型。虽然属性指标识别效果不甚理想，但是分析发现回归结果对实际营销工作还是具有一定的指导意义。例如，年长的人、女性、已婚人士、企事业单位负责人和商业、服务业人员等具体的客户对象更容易成为活跃的客户。由于属性指标分析结果不理想，又将行为变量加入到模型当中进行深入分析。结果发现，改进后的模型样本内识别效果较好，对睡眠客户以及活跃客户的预测精度基本都在70%左右。这一结果说明行为特征基本已经达到更好地识别客户类型的要求。

通过三次建模，最终获得了较为有效的模型，该模型已经可以较为精准的识别潜在住房储蓄活跃客户。

通过数据挖掘有助于提升营销分类管理水平

现实生活中，经常会发现这样的现象，同一家银行、同一类产品，不同区域或者地区团队的营销差异显著存在，市场人员对于产品的市场接受度的反馈也有很大的不同。这种现象往往使管理者感到迷惑，管理者一般会更倾向于这是由于不同营销团队的营销水平和努力程度造成的。在对不同团队进行绩效考核时，管理者一般也更偏向按照实际业绩来进行考核，一般很少考虑产品战略或者外部因素的差异性等问题。

但是，通过数据分析发现，如果同一家银行出现较稳定的不同区域营销差异，这种差异往往是在提醒管理者需要根据不同区域的市场状况，适时调整产品战略，以促进市场营销。

以此次实验中发现的A地和B地为例。这两个地区是我们目前的客户主要来源，客户在中德银行存款的主要动机也是获得低息购房贷款用于购房。但由于先存后贷的制度设计，客户一般在签订合同后两年才可以获得低息贷款。2013年-2016年期间，B地和A地的房价变化存在较大差异。B地房屋价格上升较慢，而A地房屋价格上涨较快，在A地，很多签约客户等不及达到配贷，获得低息贷款就匆忙寻求其他的贷款方式买房，而B地则此类情况较少。数据建模结果支持以上观点。我们将客户样本划分为B地区和A地区进行分别研究发现，B地区活跃客户的样本内识别精度高达81.2%，而A地区活跃客户的样本内识别精度只有65.3%。这说明两个地区活跃客户的行为的确存在较大差异，而A地区的活跃客户更难识别，原因可能在于A地区房价的快速上涨与合同最少存款两年之间存在矛盾。这就给产品设计部门提出了要求，如何根据市场变化适时调整产品设计来满足客户实际需求。只有实现了这一调整，银行才能整体实现业绩的持续上升。

数据挖掘结果促进建立完善的营销数据体系

建立完善的营销数据体系是银行梦寐以求的结果。但在现实生活中，由于前后台分割、不同业务条线之间对接不充分、系统分割等原因，很多中小银行的营销数据体系还需要升级提高。这主要表现在三个方面，一是数据类型更多的是属性数据或者结果静态数据，而行为数据或者连续动态数据较少；二是数据库字段的丰富程度与需要时刻变化描述的市场状况之间存在差距；三是动态的数据分析给予前台的实际业务指导较少。以上这些问题，都需要银行逐渐的完善。具体地讲：

在行为数据的完善方面，营销人员是与客户进行面对面交谈的人群，营销人员对客户的直观印象以及交谈过程当中所了解到的客户各方面需求等方面的信息要远远多于目前大数据数据库中包括的信息。因此，在未来的营销数据库建设的过程中，需要着重收集营销人员的各种意见，将其归纳入的关键行为数据纳入营销数据库中。

在数据库字段丰富方面，可以利用营销人员尽可能多的收集客户需求信息以充实大数据包含的内容。这里的信息包括定性与定量意见，定性的意见便是客户所表达出来的各种信息，而定量意见则是销售人员综合上面信息对客户活跃度的打分如银行数据库中一般没有客户购买产品动机分类，事实上，这个信息对于达成有效销售非常重要。我们知道客户购买中德银行的产品主要有三方面需求，即购房需求、置换贷款需求和理财需求，其中前面两种需求更加重要。因此，如果我们能够获取客户这方面的信息，包括收入的稳定性、购房意向、购房金额、购房地区、购房目标等信息，便可以更加准确的了解客户存款动机，并借此判断其成为活跃客户的可能性。在这个过程中，营销数据库也完善了很多。银行管理部门对于新进入的市场人员的培训也会更有针对性，效率也会更高。

在数据分析对前台工作的指导方面，我们认为，在加强部门合作的基础上将数据挖掘研究成果系统化是有效的方法。众所周知，中小银行系统不像大银行那样功能强大且完善，客户数据主要来源于前台销售部门，特色的产品一般源于产品设计部门，数据的处理和分析由数据管理部门负责。如果能够加强各部门之间的信息共享和交流，将数据分析成果真正用于前台市场部门的营销，以及产品部门的产品设计，银行内部才能真正实现流程顺畅，协作高效的管理局面。另外，由于数据在不断发生变化，数据分析结果只有系统化展现才能更好地为市场人员和产品人员服务，这也是银行加强营销数据建设的重要内容。

中德银行利用大数据分析技术进行的休眠客户营销激活实验，已经取得一些阶段性的成果。可以预见，中小银行利用大数据开展新业务、对传统业务升级改造将成为主流发展趋势（这方面大银行已走在前面），如果不能在这一黄金时期牢牢把握机会改进银行机构的运营模式，一些中小银行将会丧失核心竞争力，甚至会被淘汰。然而，这个过程相对艰难，在利用大数据技术升级传统业务的过程当中，我们都需要不断地学习与努力，需要对一些细节问题进行更深入的探讨与完善，这样才能保证大数据为我们提供更多的有效信息。

End.

转载请注明来自36大数据（36dsj.com)： 36大数据 » 依托大数据促进银行营销模式创新