中國(guó)信用卡市場(chǎng)客群定位分析與研究①

丁一 藍(lán)發(fā)欽

(華東師范大學(xué)國(guó)際金融與風(fēng)險(xiǎn)管理中心，上海 200241)

中國(guó)信用卡市場(chǎng)客群定位分析與研究①

丁一 藍(lán)發(fā)欽

(華東師范大學(xué)國(guó)際金融與風(fēng)險(xiǎn)管理中心，上海 200241)

本文剖析了目前信用卡市場(chǎng)客群定位中存在的問(wèn)題，通過(guò)對(duì)M銀行的數(shù)據(jù)進(jìn)行研究，建立了一套客群的精準(zhǔn)營(yíng)銷(xiāo)模型，通過(guò)對(duì)于Tn－m到Tn時(shí)間段的數(shù)據(jù)，按照模型的計(jì)算結(jié)果對(duì)客群進(jìn)行評(píng)分，細(xì)分客群定位，并按照級(jí)別制定針對(duì)性客群營(yíng)銷(xiāo)策略。隨后，通過(guò)實(shí)際操作結(jié)果來(lái)論證模型的成立，并解決目前市場(chǎng)上存在的客群定位問(wèn)題。

國(guó)內(nèi)信用卡;征信審核;異地管理

一、中國(guó)信用卡市場(chǎng)現(xiàn)狀與存在的問(wèn)題

長(zhǎng)期以來(lái)，受臺(tái)灣信用卡經(jīng)營(yíng)模式影響，中國(guó)國(guó)內(nèi)信用卡營(yíng)銷(xiāo)一般采取設(shè)立直銷(xiāo)團(tuán)隊(duì)、大規(guī)模發(fā)卡等“跑馬圈地”①策略。2008年全球金融危機(jī)爆發(fā)，受其影響，各大銀行迅速出現(xiàn)了壞賬率提升、客戶(hù)結(jié)構(gòu)失衡等一系列問(wèn)題，原有粗放的客戶(hù)經(jīng)營(yíng)方式已不再適用于現(xiàn)在這個(gè)細(xì)化市場(chǎng)的競(jìng)爭(zhēng)，國(guó)內(nèi)各大信用卡中心不約而同地放慢了擴(kuò)張的腳步，紛紛從原來(lái)的“跑馬圈地”變成了現(xiàn)在的“精耕細(xì)作”②精耕細(xì)作:金融危機(jī)后，受資源有限、風(fēng)險(xiǎn)上升等因素影響，各大信用卡中心均采取了較為保守緊縮的發(fā)卡策略，并進(jìn)一步將資源投向客群的精準(zhǔn)營(yíng)銷(xiāo)，因此業(yè)內(nèi)稱(chēng)之為“精耕細(xì)作”策略。，開(kāi)始在客戶(hù)選擇和經(jīng)營(yíng)上著手，爭(zhēng)取對(duì)自己的客群進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)，以達(dá)到利潤(rùn)最大化。

雖然，目前國(guó)內(nèi)各信用卡中心都采取了不同方式來(lái)提高營(yíng)銷(xiāo)準(zhǔn)確度，但在信用卡市場(chǎng)客群定位上，仍存在一系列問(wèn)題，主要有:

(1)無(wú)相關(guān)規(guī)范化客戶(hù)篩選模型，基本使用原有營(yíng)銷(xiāo)數(shù)據(jù)資料作為理論依據(jù)。

(2)個(gè)別業(yè)務(wù)在近幾年開(kāi)始使用新的數(shù)據(jù)模型，但適用范圍有限，無(wú)法針對(duì)全面的目標(biāo)客群進(jìn)行相關(guān)分析研究。

(3)隨著市場(chǎng)的逐步完善、客群的不斷瓜分，可使用的相關(guān)資源也越來(lái)越稀缺，精準(zhǔn)的客群定位迫在眉睫。

針對(duì)這些問(wèn)題，本文通過(guò)對(duì)M銀行的數(shù)據(jù)進(jìn)行分析，建立了一套客群的精準(zhǔn)營(yíng)銷(xiāo)模型，通過(guò)對(duì)于Tn－m到Tn時(shí)間段的數(shù)據(jù)，按照模型的計(jì)算結(jié)果對(duì)客群進(jìn)行評(píng)分，細(xì)分客群定位，并按照級(jí)別制定針對(duì)性客群營(yíng)銷(xiāo)策略。隨后，通過(guò)實(shí)際操作結(jié)果來(lái)論證模型的成立，并解決目前市場(chǎng)上存在的客群定位問(wèn)題。

二、信用卡客戶(hù)評(píng)分模型的建立

(一)信用卡客戶(hù)群的分類(lèi)

首先引入兩個(gè)基本變量:x代表某客戶(hù)占用的客服部門(mén)的成本類(lèi)指標(biāo)，例如一年內(nèi)總?cè)斯ねㄔ?huà)秒數(shù)，一年內(nèi)總?cè)斯そ勇?tīng)通數(shù)等取值范圍［0，+∞);y代表客戶(hù)能產(chǎn)生的利潤(rùn)或收益類(lèi)指標(biāo)，例如一年內(nèi)某客戶(hù)制造的總利潤(rùn)(剪掉其對(duì)應(yīng)的各項(xiàng)成本)，一年內(nèi)客戶(hù)取現(xiàn)金額等，取值范圍(－∞，+∞)。定義直角坐標(biāo)原點(diǎn)為兩變量的平均值，就可以得到一個(gè)比較成本和利潤(rùn)的坐標(biāo)系，這個(gè)坐標(biāo)系可以用于分析信用卡成本和利潤(rùn)的動(dòng)態(tài)關(guān)系和趨勢(shì)變化。

模型樣本數(shù)據(jù)個(gè)體是實(shí)動(dòng)客戶(hù)①實(shí)動(dòng)客戶(hù):信用卡行業(yè)內(nèi)分為實(shí)動(dòng)客戶(hù)與非實(shí)動(dòng)客戶(hù)，實(shí)動(dòng)客戶(hù)指有日常用卡習(xí)慣的客戶(hù)群體，非實(shí)動(dòng)客戶(hù)指睡眠戶(hù)或因欠款等原因?qū)е驴ㄆ瑹o(wú)法使用的非正常用卡客戶(hù)群體。的個(gè)體，每一個(gè)樣本個(gè)體都會(huì)有自己唯一的成本和與之對(duì)應(yīng)的利潤(rùn)，即每個(gè)樣本個(gè)體均可以在這個(gè)標(biāo)系中用點(diǎn)P(x，y)的形式表示出來(lái)。把每個(gè)點(diǎn)都在坐標(biāo)系中標(biāo)示出來(lái)會(huì)得到一個(gè)分布于4個(gè)象限的點(diǎn)陣。在此基礎(chǔ)上，運(yùn)用軟件matlab 7.1對(duì)該點(diǎn)陣進(jìn)行反復(fù)線性回歸分析，并模擬對(duì)應(yīng)函數(shù)的軌跡圖。再進(jìn)一步，運(yùn)用微積分方程模塊計(jì)算出某固定成本下的切線斜率，即邊際利潤(rùn)率，得到了4個(gè)類(lèi)型的客戶(hù)群體，分別是:A.低成本，高利潤(rùn);B.高成本，高利潤(rùn);C.低成本，低利潤(rùn);D.高成本，低利潤(rùn)。

(二)信用卡客戶(hù)群的技術(shù)分析方法

根據(jù)不同目的，運(yùn)用不同統(tǒng)計(jì)學(xué)數(shù)據(jù)和分析方法給這4個(gè)客群各自不同的加權(quán)用于后續(xù)的評(píng)分系統(tǒng)。以下給出兩種常見(jiàn)的分析方式:

(1)邊際利潤(rùn)成本比率MR分析，用于分析單一客群的資源投入是否合理。

1.邊際利潤(rùn)成本比率分析

(1)目的

對(duì)4個(gè)客群不同的邊際利潤(rùn)成本比率進(jìn)行對(duì)比分析，可以對(duì)邊際利潤(rùn)成本比率加大的客群加大資源和成本的投入，這部分資源投入的增加可以來(lái)自于內(nèi)部的資源分配，也可以是外部資源加入;同時(shí)也可以對(duì)邊際利潤(rùn)成本比率低的客群減小資源和成本投入，這部分資源的減少可以用于分配到其他客群或是系統(tǒng)的外部。

(2)原理

邊際利潤(rùn)成本比率MR=斜率K，即對(duì)函數(shù)f(x)進(jìn)行一階求導(dǎo)，

同理可以得出MRb、MRc、MRd。這樣就可以得到一組加權(quán)系數(shù):

a=MRɑ，b=MRb，c=MRc，d=MRd

2.平均利潤(rùn)成本比率分析

(1)目的

對(duì)4個(gè)客群不同的平均利潤(rùn)成本比率進(jìn)行對(duì)比分析，在總資源投入一定的前提下，對(duì)平均利潤(rùn)成本比率大的客群加大其資源或成本占比，對(duì)平均利潤(rùn)成本比率小的客群減小其資源或成本占比。

(2)原理

平均利潤(rùn)成本比率R=y/x，對(duì)于客群A有:

同理可以計(jì)算出R'b、R'c、R'd。這樣又可以得到另一組加權(quán)系數(shù):

(三)信用卡客戶(hù)評(píng)分模型的建立

信用卡客戶(hù)評(píng)分模型，英文全稱(chēng)Customer Score Model，簡(jiǎn)稱(chēng)C－S評(píng)分模型。為了建立C－S模型，本文假設(shè)參考年齡、性別、地域(北京、上海、廣州、深圳和其他地區(qū))這3個(gè)維度對(duì)客戶(hù)進(jìn)行細(xì)分，當(dāng)然也可以根據(jù)需要對(duì)維度進(jìn)行調(diào)整，可以添加類(lèi)似于職業(yè)、職位、行業(yè)、學(xué)歷等其他維度分析。

年齡維度分為［0，24)、［25，34)、［35，44)、［45，54)、［55，+∞);性別維度分為男、女;地域維度分為北京、上海、廣州、深圳以及其他地區(qū)。這樣會(huì)得到20類(lèi)客戶(hù)。而每類(lèi)特質(zhì)客戶(hù)按照收益及成本所劃分的A、B、C、D 4 個(gè)區(qū)域中都會(huì)按一定比例分布 kA、kB、kC、kD。

那么，對(duì)于一類(lèi)特質(zhì)客群X的評(píng)分有:

k:分布占比，a、b、c、d:加權(quán)系數(shù)

根據(jù)對(duì)于信用卡收益的貢獻(xiàn)度，本文賦予a=2，b=1.5，c=1.1，d=0.7，那么可以計(jì)算出這20類(lèi)特質(zhì)客群的評(píng)分:

三、信用卡C－S評(píng)分模型在M銀行的具體應(yīng)用

假設(shè)本文現(xiàn)在需要在一段時(shí)間內(nèi)，用各種方式(IB回灌促動(dòng)、OB促動(dòng)、短信等其他方式促動(dòng))來(lái)達(dá)到成本可控下的最大預(yù)借現(xiàn)金收入。

首先，本文建立收入成本坐標(biāo)系，X軸選取變量客戶(hù)通話(huà)秒數(shù)，取值范圍［0，+∞);Y軸選取變量客戶(hù)預(yù)借現(xiàn)金收入(手續(xù)費(fèi)加利息)，取值范圍［0，+∞)。數(shù)據(jù)截取之前一年時(shí)間統(tǒng)計(jì)，樣本總量有過(guò)預(yù)借現(xiàn)金客戶(hù)總量，運(yùn)用軟件matlab 7.1散布點(diǎn)陣并對(duì)該點(diǎn)陣進(jìn)行反復(fù)線性回歸分析，并模擬對(duì)應(yīng)函數(shù)的軌跡圖，如下:

然后運(yùn)用軟件計(jì)算出4個(gè)部分的MR，如下:

根據(jù)數(shù)據(jù)計(jì)算得出 MRa=1.94，MRb=1.53，MRc=1.11，MRd=0.72，因此，新資源首先投入 A 客群，然后剩余部分可以投入B客群，C客群基本不用投入新資源或是稍微追加資源，D客群應(yīng)當(dāng)適當(dāng)減少資源投入。MR就是C－S客群分類(lèi)的各項(xiàng)加權(quán)系數(shù)了。

在計(jì)算出這4個(gè)客群的加權(quán)系數(shù)后，根據(jù)客群的不同屬性特質(zhì)分類(lèi)建立C－S模型。年齡維度本文分為［0，24)、［25，34)、［35，44)、［45，54)、［55，+ ∞);性別維度分為男、女;地域維度分為北京、上海、廣州、深圳、其他地區(qū)。這樣本文會(huì)得到20類(lèi)客戶(hù)。而每類(lèi)特質(zhì)客戶(hù)都可能在A、B、C、D 4個(gè)客群中按一定比例分布 ka、kb、kc、kd。具體如下:

那么對(duì)于某一類(lèi)特質(zhì)客群X的評(píng)分有:

SX=(a*ka+b*kb+c*kc+d*kd)*50

k:分布占比，a、b、c、d:加權(quán)系數(shù)，乘以50是為了方便數(shù)據(jù)統(tǒng)計(jì)。

這樣本文就可以得出這20類(lèi)特質(zhì)客群的評(píng)分了，具體結(jié)果如下:

這樣就得到部分重點(diǎn)客群，如25－34歲全體客戶(hù)，0－24歲北京、上海、廣州、深圳男性客戶(hù)及其他0－24歲客戶(hù)，不同特質(zhì)客群根據(jù)評(píng)分高低采取不同優(yōu)先級(jí)的促動(dòng)策略，并進(jìn)行資源的傾斜，評(píng)分越高，資源優(yōu)先提供?？蓞⒖歼M(jìn)行OB專(zhuān)案促動(dòng)、IB回灌促動(dòng)、電子賬單、短信宣傳等方式進(jìn)行資源分享。

通過(guò)對(duì)于現(xiàn)實(shí)執(zhí)行數(shù)據(jù)的分析，得到25－34歲的客群的確為該專(zhuān)案中響應(yīng)率最高的客戶(hù)，達(dá)到8%，較其他客群平均值高出近15個(gè)百分點(diǎn);24歲以下客群成功率也高達(dá)6.9%。同時(shí)，北京、上海、廣州、深圳客群響應(yīng)率也普遍高于其他地區(qū)。

四、總結(jié)

通過(guò)上面對(duì)于整個(gè)模型的測(cè)算來(lái)看，該模型在實(shí)際數(shù)據(jù)操作中是成立的。而針對(duì)該專(zhuān)案，由于取現(xiàn)客戶(hù)和未取現(xiàn)客戶(hù)的基本特質(zhì)相同，而本案例使用數(shù)據(jù)均為已有取現(xiàn)歷史客群，故可將同一結(jié)論輻射到全部實(shí)動(dòng)客戶(hù)中，即實(shí)動(dòng)客戶(hù)中同一特質(zhì)的客群可以同樣采取上述促動(dòng)策略。通過(guò)該模型，可以有效地對(duì)客群進(jìn)行細(xì)分，并且可通過(guò)營(yíng)銷(xiāo)活動(dòng)數(shù)據(jù)對(duì)客群敏感度進(jìn)行測(cè)算，以進(jìn)一步對(duì)客群進(jìn)行有效促動(dòng)，利用有限的資源來(lái)獲取收益最大化。

同時(shí)，該模型設(shè)立的參照坐標(biāo)可根據(jù)專(zhuān)案的不同而進(jìn)行組合、改變，以應(yīng)對(duì)不同的促動(dòng)需求。根據(jù)此類(lèi)模型，本文即可通過(guò)對(duì)不同客群的特征與行為，來(lái)進(jìn)行準(zhǔn)確分析，從而推至全量客群，以達(dá)到最終精準(zhǔn)營(yíng)銷(xiāo)的目的。

(責(zé)任編輯:筱方)

F830.4

A

1003－4145［2011］03－0137—04

2011－01－05

丁 一(1983－)，山東濟(jì)南人，華東師范大學(xué)國(guó)際金融與風(fēng)險(xiǎn)管理中心博士研究生;藍(lán)發(fā)欽(1968－)，華東師范大學(xué)國(guó)際金融與風(fēng)險(xiǎn)管理中心教授、博士生導(dǎo)師。