依托大数据促进银行营销模式创新

本篇文章3337字，读完约8分钟

中国银行业监督管理委员会在《中国银行业信息技术“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)期间，银行业金融机构要深入贯彻《推进大数据发展行动纲要》，积极制定大数据战略，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。”

为了实施大数据战略，银行业金融机构一般会从以下两个方面提高自身能力: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，在巩固数据基础方面，各银行都在抓紧建设。在应用方面，由于各银行对大数据的理解、基础和发展重点不同，大银行已经率先实施，中小银行还处于探索阶段。

作为一家主要从事住房储蓄业务的中小型商业银行，中德住房储蓄银行近两年来积极应用大数据，以满足银监会“十三五”规划的要求，提升服务能力和竞争力，并在利用大数据进行精准营销方面进行了有益的探索。

通过数据挖掘准确识别客户

中德住房储蓄银行作为中国首家经营住房储蓄业务的金融服务机构，自成立以来一直专注于住房金融，专注于住房储蓄，积累了一定数量的客户群体和市场资源，拥有丰富的数据资源，为银行使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借。中德住房储蓄银行首次与客户签订住房储蓄合同。根据合同，客户需要先存款。当存款达到合同金额的一半(客户存款加上客户可获得的最大贷款之和)并达到一定的评估价值系数后，客户可以获得低息住房消费贷款(根据不同的产品，贷款利率分别为3.3%和2.95%)，虽然住房储蓄产品自开业以来逐渐获得市场认可，并积累了大量的签约客户，但部分签约客户签约后没有存款或有不活跃的存款，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，研究如何利用自身的大数据资源对现有客户进行深入分析，挖掘潜在的活跃客户，进行精准营销，提高客户的活跃程度。

根据研究目标和数据，选择logit模型进行退货分析，以识别可能被激活的潜在客户。为此，开展了以下工作:

首先，根据客户过去一年的存款数量和存款余额等因素，对活跃客户和休眠客户进行定义，从而有效区分活跃客户和休眠客户。

其次，选择可用指标作为区分活跃客户和休眠客户的关键属性。选定的属性指标包括:年龄、性别、国籍、国籍、婚姻、教育背景等。由于属性数据比较稀疏，为了保证建模质量，还选择了是否签订扣款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选择的。在实证研究之前，为了保证实验效果，还进行了独立样本的T检验，以检验各变量在不同客户类别之间是否具有显著不同的波动性或均值分布。如果有很大的差异，这个变量可以更好地区分活跃客户和休眠客户。

再次，以客户类型为因变量，以之前选择的变量为自变量，运用logit模型进行收益分析。实验结果表明，当只选择属性指标进行分析时，拟合效果不好。睡眠顾客的样本内预测准确率约为90%，而活跃顾客的预测准确率仅为7%。这表明属性指标不能很好地识别客户类型。虽然属性指数的识别效果并不理想，但发现回归结果对实际营销工作具有一定的指导意义。例如，老年人、妇女、已婚人士、企业和机构负责人、商业和服务人员以及其他特定客户更有可能成为积极客户。因为属性索引分析的结果不理想，所以将行为变量添加到模型中进行进一步分析。结果表明，改进后的模型在样本中具有良好的识别效果，对睡眠顾客和活跃顾客的预测准确率约为70%。这一结果表明，行为特征基本上满足了更好地识别客户类型的要求。

经过三次建模，最终得到一个有效的模型，能够准确识别住房储蓄的潜在活跃客户。

数据挖掘有助于提高营销分类的管理水平

在现实生活中，经常会发现同一家银行、同一种产品、不同地区或区域团队的营销差异显著存在，市场人员对产品市场接受度的反馈也大相径庭。这种现象经常让管理者困惑，他们更倾向于不同营销团队的营销水平和努力。在评价不同团队的绩效时，管理者一般倾向于根据实际绩效进行评价，很少考虑产品策略或外部因素的差异。

然而，通过数据分析发现，如果同一家银行在不同地区有稳定的营销差异，这种差异往往会提醒管理者需要根据不同地区的市场情况调整产品策略，以促进营销。

以这个实验中发现的A和B两个地方为例。这两个地区是我们目前客户的主要来源，客户在中德银行存款的主要动机是为了获得购买住房的低息住房贷款。然而，由于先存后贷的制度设计，客户一般在签订合同两年后才能获得低息贷款。2013年至2016年期间，甲乙双方的房价变化存在较大差异..乙国房价上涨缓慢，而甲国房价上涨迅速。在甲，许多签约客户迫不及待地要满足贷款分配，当他们获得低息贷款时，他们会急于寻找其他贷款方式来买房，而在乙，这种情况很少发生。数据建模结果支持上述观点。我们将客户样本分为B区和A区，发现B区活跃客户的识别准确率高达81.2%，而A区活跃客户的识别准确率仅为65.3%。这说明两个地区的活跃客户行为差异很大，A地区的活跃客户更难识别，这可能是由于A地区房价快速上涨与合同规定的两年最低存款额之间的矛盾造成的。这就要求产品设计部门根据市场变化调整产品设计，以满足客户的实际需求。只有实现了这一调整，银行的整体业绩才能继续上升。

数据挖掘的结果促进了一个完善的营销数据系统的建立

建立完善的营销数据系统是银行梦寐以求的结果。然而，在现实生活中，许多中小银行的营销数据系统由于前台和后台的分离、不同业务线之间的对接不充分以及系统划分等原因，需要升级和完善。这主要表现在三个方面。首先，数据类型是更多的属性数据或结果静态数据，但较少的行为数据或连续动态数据；第二，在数据库领域的丰富性和需要随时描述的市场条件之间存在差距；第三，动态数据分析给前台提供的业务指导不太实际。所有这些问题都需要银行逐步改善。具体来说:

就改善行为数据而言，营销人员是与客户进行面对面对话的人，他们对客户的直观印象以及他们在对话过程中所了解的关于客户各方面需求的信息远远超过了当前大数据数据库中包含的信息。因此，在今后建立营销数据库的过程中，有必要重点收集营销人员的各种意见，并将汇总的关键行为数据纳入营销数据库。

就丰富的数据库领域而言，营销人员可以收集尽可能多的客户需求信息来丰富大数据的内容。这里的信息包括定性和定量观点。定性意见是顾客表达的各种信息，而定量意见是销售人员基于上述信息对顾客积极性的评价。例如，银行数据库中通常没有对客户购买产品的动机进行分类。事实上，这些信息对于实现有效销售非常重要。我们知道客户购买中德银行产品有三个主要需求，即购房需求、置换贷款需求和财务管理需求，其中前两个需求更为重要。因此，如果我们能获得关于顾客的信息，包括收入稳定性、购买意愿、购买金额、购买面积、购买目标等。，我们可以更准确地了解客户的存款动机，判断成为活跃客户的可能性。在这个过程中，营销数据库得到了很大的改进。银行管理部门对新市场人员的培训将更有针对性、更有效率。

对于数据分析对前台工作的指导，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一种有效的方法。众所周知，中小银行体系不如大银行体系强大和完善。客户数据主要来自前台销售部门，特色产品一般来自产品设计部门，数据管理部门负责数据处理和分析。如果能加强部门间的信息共享和沟通，将数据分析结果用于前端市场部的营销和产品部的产品设计，我行就能真正实现流畅、协同、高效的管理局面。此外，由于数据是不断变化的，数据分析结果的系统呈现可以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开展的休眠客户营销激活实验取得了阶段性成果。可以预见，中小银行将利用大数据开展新业务，升级传统业务，这将成为主流发展趋势(大银行在这方面已经领先)。如果在这个黄金时期不能牢牢抓住机遇，改善银行机构的经营模式，一些中小银行将失去核心竞争力，甚至被淘汰出局。然而，这个过程相对困难。在用大数据技术升级传统业务的过程中，我们都需要不断努力学习和工作，需要深入讨论和改进一些细节，以确保大数据能够为我们提供更有效的信息。

(作者:中德住房储蓄银行)