微信图片_20180725173425.jpg

大家下午好,我是常国珍。今天和大家分享的是大数据在银行领域的应用。


首先想问一下大家,大家对于大数据杀熟这个词怎么理解?杀熟是可持续的么?


杀熟是因为高科技公司掌握了我们的个人信息,难道只能用于引导我们进行过度消费吗?


回答这个问题之前,我们了解一个名词,叫做“价格歧视”,这个词很多人认为是贬义词,其实它是个中性词。


如果一家企业能够利用科技手段实现价格歧视,那它必然会是被客户认可,可以获取超额收益的领先企业。


价格歧视一般可以分为三级。

  • 一级价格歧视就是根据不同的市场制定不同的价格;

  • 第二级是根据客户购买量的不同而形成价格差异,一般是量越大,价格越便宜;

  • 第三级是根据每个人需求的差异,进行针对性的定价。



第三级的价格歧视单纯靠市场力量是达不到的,但是做到二级价格歧视还是没问题的。


一般而言,粘性越高的客户,其服务成本就越低,客户得到的性价比就越高。


企业或商家利用客户历史沉淀下的交易信息分析其需求偏好,从而以更高的效率提供性价比更高的服务。形成良性循环,最终成就“超级客户”战略。


一、数据分析在银行的应用演变


我们从最开始的获取客户的数据,到后来整合外部数据,到最后无时无刻不在采集数据。我们收集这么多数据的目的并不是想去压榨用户,而是想去了解用户。


我们希望通过对用户更好的了解,来改进我们的产品,增加用户粘性,提升客户体验。我们想把用户发展成我们的客户、超级客户。


说道这里,大家可能就知道我要说什么了:价格歧视的是新客户,使用大数据是为了更好的回馈老客户。


“杀熟”是蹩脚的业务运营人员搞出来的,这个锅大数据不背。


现今数据的确越来越多了,大数据的应用主要分为以下几个方面。


幻灯片4.PNG

最广泛的应用是营销领域,可以看到图中右上角的部分,包括精准营销、用户画像等等。而数据在银行中的作用,无非这四种重要的模式。


幻灯片5.PNG

目前传统的分类会分为客户智能、风险智能。客户智能就是了解我们的客户,进而开展营销和维护。风险智能用于避免客户将来发生违约。


为什么说这个比较传统?


因为在流量枯竭的现在,客户和风险的分界线开始模糊。金融机构也不是像过去那样高高在上,风控不能像过去那样不考虑营销的疾苦。


平安银行在客户运营得时候就用了一个比较贴切的词,叫交易对手。意思是客户和风险不应该分开,而是把它们放在一起,综合考虑如何去识别风险和满足客户需求。


下面的这两块和我们的关系比较密切。


幻灯片7.PNG

即经营分析和交易对手分析,经营分析分为大屏展示、固定报表、自助分析,后两者比较传统。


差异的部分来自于左侧,现在大家都喜欢把很多数据源整合在一起,形成一个数据的概念。


幻灯片8.PNG


这是我们基于大数据做的经营分析。


在企业里做这类经营分析的时候,无非就是要知道什么时间、地点,发生了什么事。过去我们做分析要分为5步:业务人员提需求、部门确认做调研,然后做数据需求,报表设计,最后呈现。


而现在我们可以根据BI产品里提供的各种分析主题(比如排序分析、对比分析等),减少了很多流程,大大缩短了分析呈现的周期。


幻灯片9.PNG

这是一个实时大屏的案例。刚才我们展示的是互动模式,一般都是T+1、T+2,大屏可以做到实时的、或是延迟5分钟的情况,对于我们进行监控比较有利。


二、商业银行的智能风控


下面我们讲讲风险问题。什么是风险?


任何的不确定性就是风险,归根到底是缺乏决策所依赖的信息。


过去风险还比较容易控制,因为银行当时只做大型企业,信息比较透明,所以数据挖掘对他们没有多么重要。


但是随着很多银行开始做小微客户,客户越来越下沉,数据越来越多。这种情况下他们会发现面临的风险跟过去完全不一样了。


面临的一个很大问题就是客户信息无法打通,客户各个方面的信息不能够汇集在一块儿,很多银行都面临这样的情况。


解决方案其实很简单,思路就是打通,把不同维度的数据打通,我们对企业越了解,它的不确定性就越少,所谓风险就可以被我们识别了。

  

实现这种效果的第一个方案,就是把数据整合在一块儿,不论是内部还是外部的信息。


内部主要是打通个人与企业之间的关联,企业与企业之间的业务关联,比如银行内部有外部是它一些外部采集的工商信息。我举个具体的例子。


幻灯片11.PNG

这是利用工商注册信息,通过企业投资图谱建立联系。现在随便百度一个企业,都可以看到这些数据。


我们过去研究银行在做贷后管理的时候,他们说如果能够提前5天知道客户将违约,就是很大的受益了。对于银行来说,他们只要比兄弟银行早一天去收债,损失就会小很多。


曾经有一些银行,买过一个系统,这个系统能提前3个月知道哪家企业要出现问题。大家知道中国的企业关联性很强,有一家企业出现财务危机了,大概率情况下3个月内对其他关联企业也会产生影响。


三、如何应用客户智能进行精细化运营?


刚才提到我们是要做超级客户,不是做杀熟。我们的依据是什么?


幻灯片13.PNG


我们要营销一个产品,最主要就是了解这个产品的特征,进而要寻找客户的标签。


标签是什么,标签就是引起客户在决策点形成差异性的一些变量。


1.以汽车销售为例的用户标签


举个例子,现在有个卖车的网站,卖的是一手车,它的价格区间有10万以下,10万至15万,15万至30万,哪些标签会对价格决策点形成差异性?你需要考虑你的客户有什么标签。


有人说是年收入,这个标签确实很好。客户的标签会影响这个决策点的产生、差异性。


接下来,如果同样是15至30万的档次的车,因为对于产品的标签,除了价格以外还可以再细分,比如汽车的油耗。


所有的决策点都是偏好。他所居住的地域,甚至北方人、南方人也可以。


也就是说,我们的一方面标签来自于我们的产品,产品设计中有详细的描述。另一方面来自于客户的特质,他的行为偏好都是我们的标签。


渠道会对我们的标签和决策点有什么作用?它有一个调节作用。


我举个例子,比如说说一个城市的白领,整天在城市里,基本上没有机会去郊区玩,开车主要是上班。


这个时候如果在网上买车,我买的就是一个普通的雅阁,大概是15万到30万。但我如果是在一些户外汽车交友会上得到汽车推荐信息,有可能造成我买一辆油耗比较高的车。

不同的信息接触点,也会对我们这样的偏好产生一定的影响,这就是渠道的作用。


渠道并不单单指在购买那个点产生的影响,而是整个决策链条上,不同的信息技术渠道都会影响我们的决策。


一般情况下我们认为做标签没什么难度,无非就是把我们能收集的关于客户数据堆在一块儿而已,有些叫360视图,这些信息其实是原材料,堆完之后我们就开始动脑筋想办法做标签了。


幻灯片15.PNG

我们通过一些方法,比如客户的上下班驾车时间,看他是高峰期上下班,还是错峰上下班,这些都可以变成我们的标签。

很多地方贴智能标签,智能是什么东西?



所谓的智能标签,有两种提法,一种就是算法可以自动增加客户标签。目前很多创业公司在从事这方面的事情,但是目前看还比较遥远。


另外一种智能标签,就是和我们营销相关的,可以直接诠释客户决策相关的标签。


无论怎么说,标签就是做一个客户识别。我们通过客户标签对客户进行分群,通过分群我们制定一些有针对性的营销方法。

标签对于营销的案例也好,思路也好。无非就是根据其确定这是一个什么样的客户。进而来决定他有什么样的需求。


2.如何发现潜在高价值客户?


我再举一个例子,曾经有个信用卡公司,他们想提高潜在高价值客户的粘性。什么叫做潜在高价值客户?


高价值客户就是每个月给信用卡中心贡献钱多的,无非就是有消费带来的钱,还有就是利息带来的钱。

如果从信用卡上,你们怎么能找到一个潜在的高价值客户?


开放式地说,他们原来的思路就是抢客户,寻找其他家的高价值客户,然后把他抢过来。


这就造成了我们大部分公司都会产生的困境,就是相互PK,大家都不去培养潜在的高价值客户。也就是说,基本的客户属性标签和社会经济标签在这块用处并不大。


能使用的还有什么标签?行为标签。什么行为标签能发现高价值客户?


从客户的消费成长性来看,比如专门买余额宝的客户,这个思路我们是可以很容易界定出来的。


幻灯片19.PNG

我分享一下我们是怎么做的,又是什么样人会成为高价值客户。

曾经一个银行的柜员向我抱怨,她的一个同事特别爱拍马屁,别人都跟领导走的关系不近,而她管领导叫女神,女神干什么她干什么。

一年以后她成了大堂副经理。是不是因为女神喜欢她而提拔她?不是,因为女神走了之后她照样被提拔。这个问题告诉我们什么?


跟成功人士像的人是潜在的成功人士。



所以,我们的思路就是看每个不同人的信用卡记录,就看他消费物品的种类。


我们先统计既有的高价值客户购买的产品结构,然后再看非高价值客户中,哪些人购买的产品结构和目前的高价值客户相似。


这叫做 Lookalike 策略,目前被广泛的用于数字化营销。


刚才我们给大家讲的都是标签是如何影响对人的决策。下面讲的是一个在不同的场合下,一个人决策是不一样的。


幻灯片20.PNG

大家可能有一个经验,如果我要吃饭,在不同的地方,你的决策是不一样的。所以在实际应用中,我们会实时去看客户的所在场的情况,在不同的情况,在那个场合下给他推荐当时消费欲望比较高的东西。

以上就是我的分享,谢谢大家。


(注:本文根据《Python数据科学:技术详解与商业实践》作者 常国珍 于7月14日在2018大数据技术峰会演讲整理)



分享至:微博微信
收藏
0 条回帖
需要登陆后才可进行回复 登录

返回顶部