大數據技術在商業銀行精準營銷的應用

宿媛媛1，陳燕1，馬興敏1，李謙1,2

(1.山東省農村信用社聯合社信息科技部，山東濟南250101;

2.青島農商銀行紅島經濟區支行，山東青島266114)

摘要：隨著金融市場化改革的不斷深化，加之行業內部競爭和互聯網金融帶來的沖擊，傳統營銷模式與客戶個性化、多樣化的需求之間的矛盾日益凸顯，商業銀行急需一種更為精準的營銷方式，依托大數據技術實現營銷轉型升級是商業銀行未來的方向，即利用大數據實現精準營銷，精準營銷通過大數據分析，完成客戶的細分與定位，客戶流失的預警，產品的創新，并有針對性地開展營銷推廣活動，讓銀行與客戶之間實現最為直接和有效的互動。

關鍵詞：大數據;商業銀行;精準營銷

大數據最早可追溯到20世紀R0年代的美國。隨著信息化時代的到來，商業銀行產生了海量的業務數據和中間數據。作為一種新興的數據處理技術，大數據金融就是將傳統銀行業務和新興大數據技術二者進行有效的融合，從海量數據中提取出各種有價值的信息，為商業銀行進行有效營銷提供服務和參考。

一、商業銀行大數據特征

大數據指的是人量的數據集合或數據群，傳統軟件程序在一定時間內無法對其進行有效分析處理，即利用互聯網、云計算等信息化處理方式對金融機構內外的海量數據進行處理，從而達到運營金融產品和服務的目的。商業銀行因其特殊的行業性質，在多年的經營中積累產生了大量的業務數據，其特征如下：

(1)數據量大：商業銀行每天都會產生的海量數據，目前存量數據已達到PB級的數據級。

(2)數據類型多：商業銀行的大數據既包括客戶賬號、金額等結構化數據，還包括影像資料、繳費信息等非結構化數據。面對各種各樣的數據類型，商業銀行應具有很高的數據處理能力。

(3)數據的動態性：商業銀行的大數據增長速度快，變動頻率高，變化范圍廣，因此其內容和結構呈現動態性，要求商業銀行能夠快速捕捉數據信息，實時完成處理。

(4)價值密度低：商業銀行大數據中，數據價值往往參差不齊，大量無效數據充斥其中。因此商業銀行必須采用先進的大數據處理技術，在海量數據中清除產生誤導性的垃圾數據，篩選有用數據加以利用。

二、基于大數據的客戶細分定位

(一)客戶類型除分

合理的客戶類型初分是精準營銷的基礎。商業銀行中客戶信息眾多，既包括客戶姓名、賬號等基本屬性，也包括生活喜好、消費習慣等行為屬性，客戶類型的初分就是根據客戶基本屬性進行的劃分，為進一步的客戶細分提供基礎。如下圖：

(二)客戶價值細分

客戶細分是對客戶社交信息、信用屬性、消費特征等行為屬性的分析，根據客戶的需求和特點把客戶劃分成不同的群體，細分后這些群體應具有客戶群內高度相似、群間差異明顯的特點。基于細分的客戶群體，商業銀行根據其不同特征進行有針對性營銷，實現精細化、差異化和個性化的服務和管理，例如通過分析客戶消費行為，明確當前客戶處于獲取、磨合、提升、成熟、衰退和流失等六個生命周期階段的哪個階段，并根據所處生命周期階段的不同，完成對客戶的分類，并根據客戶類型，確定營銷目標，制定營銷策略。

三、基于大數據的客戶流失預警

商業銀行客戶流失主要表現在如客戶星級下降、活躍度下降、金融資產下降、銷戶/銷卡等行為，一般客戶在商業銀行要經歷獲取期、磨合期、提升期、成熟期、衰退期和流失期等6個生命階段，其中客戶在磨合期和衰退期最容易流失，并且相較于衰退期的客戶，磨合期的客戶更容易挽留，因此通過有效的營銷手段挽留磨合期客戶將降低客戶的流失率，增加商業銀行的營收。

客戶流失預警是以已流失客戶的資產變動、產品使用、金融交易的行為數據為基礎，分析已流失客戶在流失前的行為特征，判斷客戶所處生命周期價段，并使用決策樹、評分卡等預測工具來預測客戶的流失概率。客戶流失預警一般包括四個方面步驟：

(1)通過客戶行為分析，判斷客戶所處生命周期階段。

(2)利用決策樹、評分卡等預測各生命周期階段客戶流失概率

(3)通過計算利潤貢獻度，鎖定客戶挽留名單，重點鎖定磨合期的客戶。

(4)針對高流失風險的客戶，制定進一步營銷或服務略策。

四、基于大數據的產品創新

縱觀國內商業銀行的金融產品和服務產品，大多缺乏個性化，產品品種較少，同質化嚴重。大數據為銀行加快產品創新提供了廣闊空間，通過大數據的分析豐富產品品種，滿足客戶多樣化的需求。大數據產品創新是以海量數據為基礎，分析挖掘行內歷史數據，找出行內現有產品的相關特征和屬性，對接第三方等行外數據，融合行內交易數據與行外參考數據，然后結合客戶聚類數據，導出創新型的理財產品，通過大數據創新的新產品在促進營銷、降低成本、風險管控上發揮巨大的優勢。

五、基于大數據的個性化營銷推薦

(一)根據客戶偏好推薦適合的產品

通過搜集和分析商業銀行客戶的基本信息，賬戶金額、違約情況、交易流水等結構化數據信息以及生活喜好、網絡留言、消費習慣等半結構化數據，識別出客戶對金融產品的偏好，揭示客戶金融消費時心理活動，從而將客戶行為數據轉化為客戶金融消費時偏好特征圖，根據特征圖，突出產品的差異化和個性化，向客戶推薦滿足其需求和偏好的金融產品，同時，可以借助產品關聯分析成果，向客戶交叉銷售其它金融產品，這樣有助于提高銀行金融產品的滲透率及客戶產品量，從而提高客戶粘性，實現目標客戶精準營銷。

(二)根據產品特點推薦適合的客戶

目前，大多數產品推薦都是基于客戶經理的主觀分析判斷而進行的推薦，而非建立在有效的大數據信息分析基礎上的推薦，難以滿足客戶綜合化、多元化的金融需求。商業銀行基于大數據進行產品推薦，通過分析客戶基本屬性、持有產品信息、收入消費結構等數據，建立客戶可能購買的銀行產品的購買情況模型，找出最可能購買特定銀行產品的客戶群體，這樣可以幫助銀行從尚未購買該產品的客戶中找出具有潛在購買能力的客戶，將產品的營銷對象定位于對產品的響應概率超過特定程度的客戶，實現目標客戶的精準定位。因此產品部門可以基于銀行當前存量客戶提高銀行各種產品的滲透率。

參考文獻：

[1]管薇薇，商業銀行基于大數據的精準營銷解決方案[J].電腦知識與技術，201 5，29 (11):7-9

[2]洪瑋，大數據在銀行精準營銷中的應用.IT觀察

[3]龔敏，劉廣丹，基于大數據的精準營銷應用研究綜述[J].市場周刊，2016，07: 58 - 60

[4]岳瀟竹，大數據背景下M銀行零售業務精準營銷研究[D].天津財經大學，2015

[5]錢裕春.基于大數據的S商業銀行理財產品創新研究[D].蘇州大學，2017.

作者簡介：

宿媛媛( 1989-)，女，就職于山東省農村信用社聯合社信息科技部：

陳燕(1989-).女，就職于山東省農村信用社聯合社信息科技部;

馬興敏(1989-).男，就職于山東省農村信用社聯合社信息科技部;

李謙(1990-)，男，就職于青島農商銀行紅島經濟區支行，山東省農村信用社聯合社信息科技部。