通常每年的一季度，都是銀行的“開門紅”時間，銀行往往會在此時加大營銷力度，做大業務量。但2020開年以來，受新冠肺炎疫情的影響，民眾居家隔離，對手機、電腦等智能終端依賴極強，各大銀行線下網點服務量斷崖式下跌。

對此，多家銀行推出“非接觸式服務”，“針對性線上金融產品”、“電子銀行服務專區”、“客戶經理智能名片”、“遠程視頻服務”......各大銀行正在加速數字化轉型，加強線上運營能力，快速地以各種創新的服務模式、豐富的活動形式和更溫暖的客戶體驗來執行2020年這一場“特殊的開門紅”。

而透過此次大規模的業務線上化，精準洞察客戶需求、做好客群分類經營等將成為銀行不得不面對的問題。

本文就基于數字化新形勢，對銀行客群管理這一課題進行探索性分析，用新范式對客群進行重新定義。

一、傳統銀行客群管理的痛點

伴隨人口結構和社會財富分配的不斷演變，人們的消費需求、生活方式和消費行為發生了翻天覆地的變化。與此同時，圍繞客戶的數據變得非常繁雜，客戶群體畫像被無限細分和標簽化，所需要的用戶畫像維度隨著增多，運營規則也越來越精細。

傳統銀行在客群管理方面的痛點不斷顯現：

1、渠道分布不均，客群覆蓋面窄

作為將產品與服務傳導給客戶的通道，渠道對于銀行的重要性不言而喻。然而如今多數傳統銀行仍以網點作為核心渠道，忽視了低成本的線上移動渠道。這不僅造成客戶覆蓋面窄，而且銀行也無法有效整合線上線下客戶信息，無法獲取客戶喜好、消費習慣等客戶重要畫像，客戶迭代不能及時跟進，容易引起客戶流失。

2、服務場景關聯度不高，客群滲透率不足

在金融業務線上化轉移的環境下，客戶對金融服務的場景化要求越來越高，但相比于互聯網金融，傳統銀行先天的流量弱勢，需進一步提高對客群生活場景滲透程度，不斷解鎖新的金融服務場景，擴大場景關聯度和覆蓋面。

由此，對場景的爭奪逐漸成為互聯網金融時代新熱點。多家商業銀行積極創新，嘗試場景延伸，將零售業務產品融入具體的場景和合作渠道之中。

例如，杭州銀行就與美團合作，推出美團信用卡。客戶可以獲得各種形式的權益并使用在生活服務中，同時因為消費可以繼續獲得更多權益，從而讓客戶“自覺”留在平臺體內，直接完成了從拉新，到留存的全過程。

3、產品、服務同質化，客群匹配度不高

銀行的市場競爭力最終體現在產品的競爭力，盡管目前銀行在產品創新做出了一定的努力，但依舊是改良性居多、原創性較少，設計同質化這一現狀仍未被改變。對于客戶的層級變化、需求迭代等，都無法給予及時、有效的跟進。這就容易造成銀行客群細分標準和所提供的金融服務和客戶實際體驗之間的嚴重錯位。

4、用戶分析不全面，客群粘性不高

客戶群體的金融消費特征隨時代變遷和成長的生命周期變化而改變，因此具備較強的用戶分析能力，是提高客戶粘性的關鍵。但目前銀行對客戶識別分析能力相對薄弱，僅根據客戶在本行的資金賬目情況、對客戶的熟知程度、以及CRM系統部分線上交易記錄等現象級認知的識別。無法在不同場景和階段滿足不同群體的金融需求，客戶黏性不足。

可見，傳統的客群管理體系已經不能滿足互聯網金融下客戶更新迭代的需求了。時代在變，客戶在變，客戶的需求也在發生變化。因此銀行的客群管理策略需要根據客戶需求不斷地與時俱進。

那么，在這樣的背景下，銀行業如何建立新的客群分析體系和營銷模式，精準目標客群需求？

二、大數據賦能客群管理

隨著互聯網、5G、物聯網等的發展和不斷迭代推進，傳統之下的客戶管理模式難以適應數字化時代下客戶需求的滿足，逐步被“淘汰出局”。很多商業銀行開始積極擁抱大數據的力量，利用大數據技術解決客群管理痛點，更精準有效的識別客群，并結合客群金融消費特征，提供適合不同客群的產品及服務，落實客群管理新方式。

那么，大數據是如何推進銀行業的客群管理？

1、連通銀行內外部數據，打破數據孤島

銀行擁有線上和線下多門類渠道，其內部每天都會產生海量的數據，但是由于部門之間的相互獨立，導致一線人員無法深度挖掘和分析客戶特征。如果說傳統的客戶信息數據，是一個以時間為軸的定向“桶形”數據結構，那么在數字化體系下，客戶信息呈現的將是一個發散矩陣結構。

因此銀行不僅僅要考慮銀行自身業務所采集到的數據，更應考慮整合“線上+線下”全渠道的客戶行為數據，以擴展對客戶的了解。然而在眾多的渠道營銷里面，銀行應該怎么整合客戶數據，實現數字化客戶管理，為其提供更一致性的服務體驗？關鍵點在于打通銀行內外部數據。

但傳統銀行的數據能力相對薄弱，在這種情況下，通過大數據技術，自動化跨渠道打通ONE_ID，幫助銀行打通各大營銷渠道，連接PC/Mobile Web、APP、微信公眾號、小程序、企業第三方平臺等多個平臺，推動渠道間信息共享，構建全渠道統一的客戶信息庫。同時，借助大數據分析技術增強場景數據布局，實現全渠道內精準的客戶服務提升客戶體驗。

圖片來源：盈魚MA

例如，招商銀行在渠道建設上全面覆蓋電話、網絡、視頻、招商銀行App、掌上生活App及“招商銀行”微信公眾號各渠道。將銀行各渠道流量相融合，為客戶提供更便捷的產品與服務。

2、實時追蹤客戶數據

數字化營銷時代，對數據有效運用，既需要擁有大量可用的數據，也需要使用數據的正確方法，這無疑對于使用數據的人，加工數據的平臺和模型算法工具提出了更高的要求。靜態和過去式的客戶畫像已經不能滿足銀行員工的營銷需求，需要對客戶行為的變遷情況進行及時地了解。

基于大數據的驅動可以實時收集不同客群的行為數據，了解客戶日常生活消費習慣，結合客戶瀏覽、點贊、評論、分享等數據，動態了解客戶當前興趣傾向、投資偏好和資金往來等，同時通過對社交裂變的數據追蹤，判斷社交圈潛在的忠實用戶、高價值客戶。

圖片來源：盈魚MA

3、精細化定義標簽屬性

互聯網時代，客戶的所有行為、交易數據都能客觀反映其真實需求。所以需要給客戶“打標簽”，簡單來講，就是根據客戶的身份屬性、消費屬性、活動屬性、和興趣愛好等進行梳理聚合，形成一個個典型的標簽模型，再根據不同的客戶標簽做精準營銷或個性化推薦。

圖片來源：盈魚MA

銀行為客戶貼標簽，本質上是一個抽象化的過程。為客戶貼上評價其屬性及特征的標簽，可以方便銀行對客戶進行分類服務及管理控制。基于大數據技術，通過對數據庫以及相關外部信息源中的客戶屬性、特征和信息進行加工和運算，就可以得到客戶標簽化信息。再通過單個或多個標簽組合的形式，就可以得到某一特定客群。

從實際應用上看，銀行的標簽體系一般要包括客戶的基本屬性、關聯關系、興趣偏好、價值信息、風險信息、營銷信息等。基于此，能夠有效識別出高價值潛在客戶、復購客戶、首購客戶、高頻交易客戶及高穩定睡眠客戶、高流失可能性客戶等類別。

通過上述標簽體系為銀行進行目標客群篩選，完成精準營銷，提升客戶體驗。

4、構建精準的客戶畫像

智能時代帶來了多樣化的場景交互方式，同時也產生了龐大的客戶數據，這些數據經過加工提煉形成各類客戶標簽，真實地反映了客戶行為、偏好和需求，對構建客戶畫像時具有很高的研究價值。

以往的客戶畫像，大多憑借個人經驗對少量數據進行人工分析，而大數據客戶畫像，顧名思義是依托“大數據”技術搜集客戶的海量數據，對客戶社會屬性、活動屬性、消費屬性和興趣愛好等信息進行智能化的分析計算。正如“你關心的才是頭條”，銀行通過精細的畫像，可以對客戶進行“精準識別+精準畫像”，實現“千人千面”的產品推薦。

圖片來源：盈魚MA

另外，想要構建一個完整的客戶畫像，一般需要分為4個步驟：

（1）數據搜集與處理；

（2）通過文本挖掘、自然語言處理、機器學習、預測算法、聚類算法等進行模型構建；

（3）生成客戶標簽，包括人口屬性、金融屬性、行為信息、客戶關系、風險信息 、興趣偏好等，從不同維度、顆粒度對客戶進行描述，搭建客戶畫像體系；

（4）根據不同應用維度建立客戶分群，指導決策。

5、智能分組，洞察客戶需求

客群分組就是將客戶分割成很多的群體，詳細的看每個群體對客戶特征有什么特性。大數據技術在客戶畫像基本屬性的基礎上，進一步分析獲取客戶偏好、用戶習慣等信息，再對客戶屬性、訂單、行為、行為等組合條件，自動將用戶劃分到群組，形成特定客群劃分，進而可以根據客群畫像提取客戶需求，最終做到針對不同的客群，采取不同的營銷套路。

圖片來源：盈魚MA

以某銀行首貸活動為例：

·?首先，給客戶一個首貸福利活動的APP推送，然后可以判斷客戶是否打開推送，如果客戶沒有打開，系統會在兩天后，給客戶做多一次推送，再判斷客戶有沒有打開。

·?當多次觸達，客戶都沒打開，再通過短信、微信等等渠道去觸達。全部渠道觸達后，客戶如果在微信上打開了活動，那系統就會將TA歸到“微信習慣客戶”組上。然后，在下次的做活動時，首選用“微信渠道”來觸達激活這類客戶。

·?另外，如果客戶對本次策略中的活動都沒有興趣打開，就可以把這部分客戶劃分到“流失客戶”組別，再把客戶送到另一條“登錄促活”的自動化策略中，嘗試再次激活。

三、結語

近日，波士頓咨詢公司（BCG）聯合陸金所聯合發布《全球數字財富管理報告2019~2020》中指出，智能化必將成為下一個十年全球財富管理行業發展的重要方向，并為財富管理市場帶來全新機遇和巨大的市場潛力，“讓各類機構實現15-30%的收入提升及25-50%利潤，整個財富管理市場資產管理規模實現25-50%的增長”。

可見，數字化營銷時代，銀行業客群管理智能化已成為必然趨勢。而在智能化進程中，大數據是不可忽視的力量，通過大數據打破數據孤島，打通內外部各大營銷渠道，實時追蹤客戶數據，構建精細化客戶標簽以及精準的客戶畫像，找出優質和潛力客群，最后針對將這些客戶進行有針對性的營銷活動。實現真正意義上的客群管理作用于實時決策，精準客戶營銷策略。

【投稿人原創】?? 本文由投稿人原創發布于愛盈利，未經投稿人許可，禁止轉載。如有侵權聯系:shanliqiang@aiyingli.com