常德农商银行精准营销如何突破重围？

随着互联网技术的快速迭代发展,互联网巨头、上市公司、银行、金融科技公司等成为市场的主力,流量红利时代已经过去,大家都在争抢用户的注意力,我们进入了一个高成本的获客时代。

农商银行面临来自金融行业的多方压力,包括国有银行、商业银行和城商行多重竞争压力;第三方互联网金融逐渐渗透至支付结算、信贷融资、 资金理财等银行传统的领域,依托互联网提供更便捷的金融服务;农商银行业务范围开展受地域合规限制,客户范围规模受限。

这种大环境下怎样突破精准营销获客瓶颈,减少客户流失,在高成本低效率获客时代突破重围对于银行营销来说至关重要,是银行实现智慧转型的助推器。

农商银行的精准营销业务存在的问题:

对于传统银行机构而言,以往依靠大量物理网点作为主要营销获客服务渠道,客户难以找到合适的银行产品以及业务,新生代客户对传统银行的产品依赖性不强。这种获客方式不仅运营成本高,也难以适应移动互联网环境下用户的消费需求。从而导致新增用户成本高,现有客户流失率高以及客户经理效率等等问题。银行需要更高效低成本的获客方式,并且提升存量客户的粘性。

针对银行客户的这些痛点和业务需求,排列科技为银行客户提供了相应的金融科技服务—— 智方达 精准营销获客解决方案。

什么是精准营销获客?

精准营销是通过对客户各个维度的数据分析,针对顾客偏好,有针对性的进行营销,相较于传统粗放式的经销大大节约获客成本,提高获客效率。

比如拿银行业务具体的应用场景来说,银行可以利用自身数据(人口属性+信用信息)+移动设备位置信息+社交购房/消费强相关信息,构建清晰的用户画像,寻找即将购车/购房的目标客户,为其提供金融服务(抵押贷款/消费贷款)。并且在获得用户后,通过用户流失模型预估和减少存量客户的流失率。

构建用户画像和客户流失模型提升营销效果

1、 用户标签体系建设 360°精准用户画像

通过自有数据和第三方数据,构建基于机器学习的精准推荐算法,形成360度用户画像。构建用户画像的核心工作即是给用户贴多维度的“标签”——用数据来描述人的行为和特征,而标签是通过对用户信息分析而来的高度简练的特征标识。

例如,某银行线上房抵贷客户相对来说均是高净值的客户,而想要将这批客户留存在银行业务内就需要采取较为精细化的运营方式,需要对用户有清晰的理解。用户画像能够清晰刻画客户身上所具有的标签特征,而且能够知道哪些人是同类型的客户,哪些人是具有特殊爱好的客户,给予业务人员针对不同人群采取个性化运营手段提供参考。

银行有了这些用户画像以后,银行业务人员可以根据客户特点对其配置相应的权益,促进客户活跃,提高用户留存率,让这批客户可以更多的使用银行内部的适合客户自身情况的其他业务,不仅为银行方创造更多价值,而且可以为客户提供更加精准及时的业务路径。

2、 建立用户流失模型

高端个人客户数量少、价值高、利润丰厚,对商业银行发展极为重要,一般来说,20%的优质个人客户贡献了80%以上的利润。由于各种因素的不确定性和市场的不断增长,以及一些竞争对手的存在,很多客户转向其它银行,只是为了求得更低的费用以及得到更好的服务,这种客户流失在银行是普遍存在的问题。客户流失导致的损失是巨大的,因为获取一个新客户,要在销售、市场、广告和人员工资上花费很多,而且大多数新客户产生的利润不如那些流失的客户多。因此保住老客户,提前预测出潜在的流失客户, 防止因客户流失而引发的经营危机,对于提高银行的竞争力具有战略意义。

例如针对某银行的客户情况, 通过与业务部门沟通,此次模型的目标主要有以下两点:

1、通过前期数据建立模型,利用模型每个月给出客户下个月的资产是否会流失。

2、在现有数据的基础上,尽量精准的进行预测。忽略突发降星的情况。

本次模型主要针对中高端客户,客户资产月日均高于20万的客户,客户资产定义为:活期+定期+理财。

模型建立过程简单来说有以下几个步骤:

1. 数据清洗

2. 变量分析

3. 模型算法

4. 模型结果验证

5. 最后输出模型报告。

通过构建多维度的用户画像和准确的客户流失模型,排列科技帮助某农商银行客户显著提升了营销效果。包括过滤大量无效客户,从千万客户中筛选出30%的意向客户,再精选出白名单客户;极大提高转化率,推荐的精选客户转化率明显提升至50%;农商银行的单个获客成本大幅度降低。