客户洞察在银行业的应用与实践研究———读懂数据，读懂客户

尹志锋 苗地

客户洞察在银行业的应用与实践研究———读懂数据，读懂客户

尹志锋 苗地

近年来，在线，移动和存储创新已经从根本上改变了零售业的格局，客户不再只关注价格和质量之间的平衡，客户洞察（Customer Insight）营销逐步成为欧美零售业提高业绩的重要手段，包括银行业在内的其他行业也纷纷效仿。本文从对客户洞察的理解与认识出发，分析探讨客户洞察对银行精准营销和风险预警等方面的应用，通过剖析欧美银行业客户洞察典型案例，进一步阐述客户洞察在银行中的具体实践，并对其在中国银行业的发展提出建议。

一、客户洞察在银行业的应用研究

（一）对客户洞察的理解与认识：读懂客户，寻求共赢

客户洞察没有一个较为明确的定义，一般可以理解为：经过一个分析与沉淀研究过程，冷静客观地洞察市场趋势。通过洞察客户行为和习惯等信息将“创造”新的机会，是洞察没有被发现的，而不是停留在“发现”旧习惯的层面，应该从“研究客户”（Customer Exploration）走向“感同客户”（Customer Empathy）。这需要聚焦在两种客户感同的洞察：一是清晰并深刻感知顾客决策与行为（习惯）的能力；二是捕捉能即刻带来重大影响的灵感闪现的能力。更简单的理解为，消费者的需求可能会应际而生，这里的“际”一般是指形势或环境，也可以说你的产品符合客户潜在的预期或者需求，客户本身不知道需要什么，或者他潜意识里有某种需求，而当他遇到你的产品时即认定这是符合他需求的产品，从而发生消费行为。由此，客户洞察也可以被解释为：探寻客户消费兴趣与品牌特点的交集，挖掘触发客户选取（忠诚）某品牌以及产生购买行为的潜在心态、情绪、动机、欲望或愿望。关于客户洞察的又一种理解是：通过收集、部署和解释客户信息，从而使企业能够获取、发展并保留客户的一种策略。

（二）客户洞察营销的要素与路径：读懂数据，感同变现

一个有效的客户洞察营销计划一般需要三个基本要素：先进的支持系统、有效的信息数据、智能的预测分析。这三者经过相辅相成和相互关联的排列组合之后，构建了客户洞察营销的路径：搭建信息平台，建设数据仓库，可视化数据挖掘，实时跟踪分析，评估消费动机效用，构造倾向性模型，交叉销售分析，服务质量监控，数据回流等。近年来，信息平台、数据仓库、可视化数据挖掘和交叉销售等技术与方法受到越来越多公司的关注，以上路径中其他环节往往没有被重视，或者没有系统开展。长期以来，营销人员一直在寻求一种可以捕捉客户立即反应的研究方法，以最大限度地减少偏差，并可适用于更大的客户群，实时跟踪分析方法将会有助于研究“驱使消费行为与态度的动因”。消费动机效用评估将有助于企业了解其所采取的行动是如何影响消费者行为的，同时也有助于其预测消费者应对新变化的反应。构造倾向性模型是指在消费者以往行为的基础上预测其未来行为，有助于企业了解消费者在某种特定情况下采取行动的可能性。

（三）客户洞察在银行业的应用：精准营销，预警风险

在现代金融体系中，银行的核心功能为资产管理和风险过滤，即通过创造金融产品、提供金融服务以及通过对客户资产风险收益的组合管理实现价值增值，通过监测分析银行业务流程中与风险控制要素相关的数据信息提高风险量化管理。由此，银行业发展客户洞察的两个重要目标为：通过海量数据挖掘分析提高营销精准度，通过持续监测交易行为数据提高风险预警能力。客户行为是需求与消费偏好的客观真实反映，银行可以实时跟踪不同交易渠道发起的客户交易或消费行为数据，评估客户消费行为动机和潜在心态等，横向评估具备较好竞争力的金融产品，实现针对目标客户的精准营销，通过金融产品销售创造价值。巴塞尔新资本协议中就对数据积累和数据质量提出详细而具体的要求，银行在实施新协议过程中需按照规划，逐步建立起数据治理框架，完善数据治理机制。风险量化管理需要有效利用强大的银行管理信息系统及时收集、存储、识别和整合源自不同渠道、不同业务条线的海量业务交易数据与风险数据，经过加工处理、统计分析与监测，形成精准预警和高效管理所需的高质量决策信息，对预测风险走势与影响范围和制定风险缓释与化解策略形成重要支持与支撑。

二、客户洞察在中国银行业的实践研究

（一）银行“大数据”时代初期，通过治理数据提升营销能力

我国商业银行的对外服务模式长期处于卖方市场状态，银行的营销模式也主要为企业主导型营销，与西方银行体系的市场主导型营销模式还存在一定差距。随着我国商业银行国际化程度的加深，商业银行的营销模式也由企业主导型向市场主导型转变。同时，国内银行机构正在大力开展深化改革，进行机构瘦身来适应市场主导型发展，以便对市场信号做出更加灵活敏捷的应对。在客户行为分析方面，银行纷纷着手治理数据仓库质量，尝试加强对零售客户的消费行为的跟踪与研究，设计新概念产品和创新营销渠道来提高营销效率和效果。工商银行在业界首推“逸贷”产品和建设智能网点。工行根据客户行为分析研究，针对网上购物及刷卡消费推出的快捷贷款产品“逸贷”，对居民的合理消费发挥了直接的促进作用；2013年底，中国工商银行首家全功能、常态化的智能网点在江苏南京开业，重新定义“以客户为中心”。智能网点通过智能终端1供客户自助办理查询、转账、购买理财产品等多种业务。

（二）客户洞察技术方兴未艾，数据质量和预测能力仍显薄弱

商业银行虽已经意识到大数据分析手段在客户服务方面的重要性，但利用感同客户这一理念在国内刚刚兴起，相关的营销策略实践在我国仍然处于发展阶段。

1.数据基础建设面临质量挑战。一是银行数据分散化、碎片化情况明显，数据完整性、立体性差。近年来，国内商业银行已经着手搭建数据平台，收集数据虽易，但加工数据难。处理数据的应用模块不丰富，历史信息不充分，数据质量参差不齐、分类口径不统一皆影响了数据的加工效果。二是信息系统种类虽多，但整合性与关联性差。大型商业银行各个部门之间往往各自为战，单独开发系统搜集数据，独立营销。同时，受限于技术手段不丰富、部门协同效用不强等因素的影响，数据不能有效串联，无法通畅流动，数据使用效率大打折扣。三是数据跟踪与反馈机制不健全。国内银行对数据流的管控尚未形成有效的循环管理，前台营销信息与客户服务质量信息反馈、中后台风险控制信息反馈尚未有效对接，影响数据更新效率，进而影响服务质量和风险防控水平。

2.预测功能开发面临协同挑战。在智能预测模块开发方面，包括实现感同客户的实时跟踪分析、评估消费动机效用和构造倾向性模型等预测功能模块的开发，离不开各部门的协同合作，合作也渗透在前期调研、中期运行以及后期信息反馈等不同环节。目前，一是部门分工不明晰导致难以形成合力。由于利益分配不统一、缺少统筹管理部门，银行在感同客户过程中，部门墙的存在难以将各部门形成合力。例如营销部门对客户的经济状况进行分析时，需要来自财务部门的客户收入、纳税明细等数据；后台风险管控部门对客户信用状况进行评价，离不开客户的柜面交易、金融产品买卖等前台销售数据。二是系统功能开发的一贯性和持续性亟待加强。国内银行经常面临系统开发快，维护慢，更新迟，使用难的困境。切实解决系统使用过程中出现的问题，保证系统的一贯性和持续更新是科技部门需要重点改进的工作。三是功能模块的应用性与针对性差尚需要进一步完善。即便是欧美发达银行系统功能模块的开发也经过了漫长的磨合，改进，更新过程，并且还在不断完善。为了达到洞察客户行为习惯，感同客户未来的目标，部门协同，信息共享是关键，也是我国银行机构在内控管理和流程设计方面必须解决的问题。

3.效益与风险平衡需更好协同。大数据时代，不仅是前台营销职能的时代，也是风险管控部门的时代。开展客户洞察对银行业来说是一举多得，即能精确营销，又能提高前瞻预警和防范风险。如何做到风险管理能力与业务发展的平衡，需要营销部门与风险管控部门更好的协同。前台营销部门开展实时跟踪分析时，或者倾向性模型往往会附带监测到包括信贷欺诈、交易欺诈和银行卡欺诈等可疑事件、潜在动机或隐性行为，如果能够将这些智能数据同具有丰富风险管控经验的专家判断紧密结合起来，才能更好地实现风险预警与防金融欺诈的目标。此外，银行业务发展离不开金融工具、金融产品和营销技术的创新，这些创新不仅能转移和分散个别风险，但同时也会产生出一些新的风险，经过加工生成的高质量信息高度共享将有助于实现业务发展与风险管理的协调与平衡，以发挥客户洞察的更大效用。

图1 A银行客户群体分布

三、欧美银行业客户洞察典型案例

（一）首创本地客户洞察计划，十几年来拥有相对稳定的客户群体

A银行十几年前在当地首创客户洞察力计划（Customer Insight），建立的初衷是为了利用信息科技手段，洞察客户行为，增加客户群体，提高销售收入，监督服务质量，并加强风险管控能力。实践方面，A银行从搭建和完善数据仓库出发，通过各部门协同分工、开发多种功能模块，对数据仓库的上游数据进行整理、加工，形成具有前瞻性的数据分析报告，指导营销行为，改善服务质量。同时，通过数据回流和共享机制，完善系统流程，提高公司管理水平，为包括风险部门在内的其他部门提供信息支持。

图2 A银行部门分工

图3 A银行智能模块

A银行所在国个人信用消费体系发达，其作为当地主流银行，在当地个人客户拓展方面工作表现突出。2013年底，A银行拥有接近100万个人客户，在本国汽车金融市场占比11.1%，同业占比第一，在整个银行业汽车贷款市场占有率26.4%。A银行设有PPB板块（个人及中小企业客户板块）负责个人及中小企业相关工作。根据以中高端客户为核心客户群体的整体战略定位，PPB板块依据月收入、发展潜力等不同维度将个人客户分为四大群体（如图1所示），为不同客户分别提供不同的服务模式。

（二）夯实数据仓库基础，打造畅通无阻的大数据流循环机制

A银行拥有较为完善的数据仓库：Teradata Warehouse，储存了银行所有部门的数据信息，同时与本地央行的征信系统及授权征信公司（Veraz，美国三大征信所之一的E-quifax公司的子公司）均实现了对接。在银行内数据采集方面，财会部的历史信息收集包括客户的收入情况、财产情况、客户存贷款、购买理财产品和消费信息等数据，法律合规部信息则包括客户历史诉讼情况等数据。在银行外部数据采集方面，通过与征信系统及Veraz公司系统对接，采集其储存和记录的客户征信等信息，包括贷款申请情况、杂志订阅、租赁历史记录、纳税申报、购买零售商品、机动车档案、地址更改以及犯罪记录等等。在提升数据质量方面，通过完善数据质量要求和制定标准化数据格式等举措，进一步打通部门壁垒，打造畅通无阻的大数据流循环机制。财务部门规范、统一会计科目名称和书写格式，以方便各部门设计关联表格进行数据提取，前台营销部门将客户个人信息的收集标准化，设计信息收集模板，对每位客户进行立体化的档案管理的同时，也方便各部门导出所需信息。A银行内各部门之间皆可通过数据仓库实现信息共享，各类数据信息以数据仓库为中转站，形成了采集、加工、应用和回流的大数据流循环机制。

（三）开发商业智能模块，将感同客户和风险防控的途径具体化

1.合理分工协作，打通客户洞察路径。客户洞察力计划的建设过程中，A银行内各部门分工明确，科技部负责打造数据平台，对各部门、各级员工进行授权，在提供数据通道的同时，为数据安全提供保障。包括PPB板块、财务部、风险管理部等在内所有部门，根据自身需求，利用数据平台中各部门已共享信息，开发自身功能模块，将感同客户和风险防控的途径具体化。具体分工如图2所示。

2.构造智能模块，为读懂信息夯实基础。银行营销功能模块由“客户行为采集与预测”、“商业智能”和“服务质量监控”三个子模块组成。客户行为采集与预测模块提供数据整合与分析，商业智能模块挖掘商业机会并达成策略目标，服务质量监控模块对客户服务质量进行监督和优化，三者形成了洞察客户行为到服务质量监控的系统性循环，不仅能够在错综复杂的数据源中抽丝剥茧，利用数据分析帮助银行捕捉可以感知客户的动机与潜在欲望，也能改善银行中后台风险防控工作的效率与效果，一举多得。三个模块形成系统性内循环，如图3所示：

3.建设可视化数据窗，开展实时跟踪分析与消费动机监测。客户行为采集与预测模块通过采集数据仓库中的共享信息，加工生成有针对性的分析报告。该模块涵盖网点信息化功能、市场信息化功能等，能够从产品维度、客户维度、网点维度等多维度开展客户行为跟踪分析。PPB板块客户行为分析小组设定分析软件，每日从数据仓库中提取客户消费信息，生成若干维度的分析报告，并提供给客户经理指导其营销。现有产品客户分布图和现有客户所属银行分布图分别列明了产品的受众群体和客户分布，前者包括在特定产品项下的客户分布情况也涵盖现有客户群体在不同银行的购买产品的分布信息，后者通过征信公司Veraz的数据共享实现，客户经理对自己所需营销的客户信息一目了然。客户柜面交易和自助机具行为分析报告记录了本行客户在网点的一切交易行为，网点人员掌握客户的交易习惯后可针对特定客户进行定向营销。客户收入明细报告和销售情况监控报告帮助客户经理监控销售情况，持续更新营销策略，提升营销效果。该模块让洞察客户的流程变得细致有序，形成一个动态立体循环。银行管理层不必再面对海量信息而束手无策，碎片化的信息已整合成了有用的分析报告，支撑和完善了银行客户营销策略和产品策略。客户经理也能通过各类实时的分析报告，了解每日客户增减情况，掌握目标完成情况，分析各项产品推广情况，有效地指导其开展精准营销。

4.挖掘商业机会，将倾向性预测转化为精准营销。商业智能模块建立在前一模块的基础上，由PPB板块客户行为分析小组根据每日分析报告，开展客户质量识别、客户背景分析、客户分类与打分，以对客户细分，制定层次化营销策略，通过感同客户，开发与之适应的新产品。目前，PPB板块正在运行的商业智能模块包括高端商业机会挖掘、智能排号机营销、商业客户管理等功能，皆是通过系统功能，将上一模块的分析结果延伸到营销实践中。一方面，商业智能模块的营销实践不仅使银行受益，也在感同客户需求的同时为其提供了更为专业和贴心服务，实现共赢。另一方面，周到、体贴和个性化的服务一直备受广大消费者推崇，特别是在“速食”文化盛行和竞争激烈的市场环境中，直接、有效的营销方式更加吸引客户眼球。商业智能模块带给客户一种贴心的服务体验，面对对自己的消费习惯了如指掌的银行，客户当然愿意接受银行推荐的产品。

案例1：2014年A银行前台部门利用代发工资客户消费习惯跟踪报告，在特定餐厅和酒吧等客户主要消费场所开展银行卡特定商户折扣营销活动，受到很多代发工资客户青睐。

案例2：智能排号机功能也得到广泛认可。该功能将银行网点的排号机变成了向客户营销银行产品和服务的工具。即通过商业职能模块对客户的分类打分，当某一个客户到A银行排号机刷卡取号后，排号机的屏幕上以及纸质的排号单上都会显示出该客户在A银行可以办理的业务类型，包括可以办理额度为多少的信用卡，可以办理哪些信贷产品，可以得到哪些优惠等，并同时注明客户可以直接到某个柜台或者客户经理处办理相关业务，提高营销的效率与效果。

5.监控服务质量，对服务质量进行监督和优化。PPB板块员工根据服务流程需要进一步开发服务质量监控模块，将前两个模块中客户信息和营销实践数据整合成客户服务质量跟踪报告，实现客户反馈跟踪、客户偏好分析以及服务质量监测等功能。通过提取数据仓库中客户投诉、商品销售和退货情况等信息，对客户偏好和市场动向进行分析和预测，为提高客户满意度和设计新产品提供了有力支持。通过服务质量监控模块，银行管理层可以知悉银行服务水平、客户满意度以及银行的影响力；前台人员可以了解自己的服务质量、客户评价以及努力方向；而客户，将最终受益于服务质量的不断加强和完善，受益于金融产品的不断创新所带来的便捷，受益于银行“以客户为中心”这一服务理念的持续深化。

（四）智能数据传导至风险部门，第二、三道风险防线预警水平攀升

在前台部门利用客户行为信息的大数据流开展营销工作的同时，银行的风险部、内部审计部的履职能力也能够因大数据流的发展而逐渐提升。在第二道风险防线，当本地通货膨胀严重、货币持续贬值时，A银行除对客户的个别信用额度进行调整外，还可以统一对客户信用额度进行定期调整。风险部门可以利用已共享的“行为采集与预测模块”的客户行为数据进行提取与分析，针对待调增信用额度的客户列表中的部分近期非活跃客户，如交易量和交易笔数小或逐渐下降的客户，可以采取增幅微调处理，实现对信用额度敞口进行控制。在第三道风险防线，内部审计部在数据仓库标准化数据的基础上自行开发了审计持续监测分析模型。利用对特定客户、特定账户和特定会计科目的趋势分析、差异变动等持续性监测手段，比较分析整个银行业客户与本行客户交易特征等趋势的差异，发现银行业务和客户的可疑或异常变化，提前预警可能出现的问题和风险。

四、对客户洞察在我国银行业未来发展的探索

（一）中国银行业客户洞察远景：感同客户，利益共享

我国商业银行发展客户洞察营销，从长期来看，一是需要银行上下步调一致，进一步理清认识客户洞察的概念，真正读懂客户，实现共赢。二是高度重视银行信息系统整合和数据质量，随着人民银行征信系统的发展，商业银行可以加快数据仓库的建设与完善，标准化数据格式和数据质量，建立数据更新和反馈机制，打通部门墙，打造数据流通路。三是切实提升商业智能模型的精准能力和预警能力，打通客户洞察流程中核心环节。丰富完善可视化数据挖掘，实时跟踪分析，评估消费动机效用，构造倾向性模型和交叉销售分析的功能，有效益、有效率地满足客户需求，提升银行业务价值，赢得竞争优势。四是建立完善的客户服务质量跟踪体系，持续加强银行员工的服务意识，有效降低银行与客户之间的信息不对称，使银行更加了解客户，不断提高客户的黏性。五是借助商业智能提升风险持续监测预警能力。基于客户信息洞察数据，提升银行风险政策的科学性，发挥数据在风险评估与预警方面的价值。

（二）中国银行业客户洞察近景：治理数据，苦练内功

从近期看，一是加快数据挖掘与分析人才队伍建设。注意培养数据挖掘、数据分析和持续风险监控分析等领域的专门人才，提高营销部门和风险部门的数据分析能力。二是整合数据资源。解决系统平台统筹和连续性不足造成的补丁摞补丁、历史信息数据重复但不充分和海量数据口径不统一且关联差等问题。三是尝试开发智能模块。智能模块的设计和完善是一个需要反复验证和修订的实践过程，银行内各部门必须明确分工、积极合作协同，同时吸收客户反馈不断更新。四是风险防控职能的建设和完善要与业务发展相匹配。随着银行既有业务的深化和新业务的创新，银行风险防控的任务愈加艰巨，风险防控的作用日益突出，风险防控的能力亟待加强。利用大数据发展契机，开发持续性监测工具等，将进一步夯实银行风险防控的基础。

栏目主持：薛谷香

UNDERSTANDING THE DATA KONWNG YOUR CUSTOMER