大數(shù)據(jù)推動手機銀行“精準”營銷應(yīng)用

梅發(fā)貴 宗強 張征

在電子信息技術(shù)快速發(fā)展的時代，通過數(shù)據(jù)分析將其轉(zhuǎn)化為生產(chǎn)力對業(yè)務(wù)發(fā)展產(chǎn)生巨大的推動作用。Y農(nóng)商銀行針對手機銀行應(yīng)用的現(xiàn)狀，通過進行指標設(shè)計、權(quán)重確定對現(xiàn)有手機銀行客戶識別模型進行優(yōu)化，結(jié)合存量客戶大數(shù)據(jù)對優(yōu)化的手機銀行客戶識別模型進行對比分析與驗證，為基層手機銀行業(yè)務(wù)宣傳、獲客、柜面替代率、產(chǎn)品關(guān)聯(lián)，推動手機銀行“精準”營銷應(yīng)用提供有力支撐。

一、引言

從整體市場格局來看，目前手機銀行市場尚未充分飽和，仍處于各銀行業(yè)機構(gòu)“跑馬圈地”的戰(zhàn)略機遇期。目前，Y農(nóng)商銀行個人客戶手機銀行開戶率僅占31.16%，柜面替代率為76.54%。但反觀其他國有商業(yè)銀行，部分銀行的個人客戶手機銀行開戶率已達70%以上，且柜面替代率已達95%以上。由此可見，通過對蜀信e平臺客戶開展大數(shù)據(jù)分析，深度挖掘貸款客戶、柜面轉(zhuǎn)賬客戶、理財客戶、社?？蛻?、ETC客戶需求，為業(yè)務(wù)營銷提供強有力的數(shù)據(jù)支撐已勢在必行。在此基礎(chǔ)上，結(jié)合本行蜀信e手機銀行在存款、貸款、轉(zhuǎn)賬、理財、社保醫(yī)保和生活繳費方面的便捷性等優(yōu)勢，精準拓展有需求的客群，改善客戶年齡結(jié)構(gòu)，推動本行客戶結(jié)構(gòu)進一步優(yōu)化和提升。

二、手機銀行客戶識別模型的應(yīng)用現(xiàn)狀調(diào)研

結(jié)合Y農(nóng)商銀行實際情況，成立了調(diào)研小組以“如何對手機銀行有效客戶進行有效識別”作為切入點，通過構(gòu)建模型，提取、整理、分析數(shù)據(jù)，獲取調(diào)研結(jié)果等思路，對現(xiàn)有的手機銀行客戶識別模型進行調(diào)研。Y農(nóng)商銀行調(diào)研組先對現(xiàn)有“手機銀行動賬客戶識別”模型進行分析。經(jīng)過調(diào)研發(fā)現(xiàn)，目前銀行個體、私企老板使用頻率最高;使用手機銀行查詢和轉(zhuǎn)賬功能的最多;手機銀行客戶擁有貸款的使用率相對較高，經(jīng)常使用柜面轉(zhuǎn)賬及柜面繳費交易的客戶可作為重點營銷客戶。而銀行現(xiàn)有的“手機銀行動賬客戶識別”模型較為粗獷，僅有簡單的客戶年齡段、性別、動賬筆數(shù)、非動賬筆數(shù)、登錄次數(shù)、貸款余額、存款余額等維度，各維度間沒有交叉驗證分析，模型提取存量客戶的營銷動賬成功率很低。

三、手機銀行客戶識別模型的優(yōu)化

1.優(yōu)化模型指標設(shè)計。結(jié)合發(fā)散思維、否定思維、逆向思維等思維模式，通過明確問題、把握現(xiàn)狀、制定計劃、設(shè)定目標、驗證解決等一系列解決問題的思路，調(diào)研組成員采用頭腦風(fēng)暴先“加”后“減”的方法，先集思廣益，將調(diào)研組成員、外部專家建議、手機銀行業(yè)務(wù)全行問卷調(diào)研結(jié)果等多渠道收集到的關(guān)于手機銀行客戶動賬的特征維度進行橫向補充，將收集的維度指標豐富到模型運用中。經(jīng)過匯總分析，并結(jié)合Y農(nóng)商銀行目前大數(shù)據(jù)能提取到的有效信息，將模型維度指標由原來的7個豐富到12個，具體為：非動賬交易筆數(shù)、活躍率、柜面轉(zhuǎn)賬情況、柜面繳費情況、惠支付用戶、產(chǎn)品數(shù)、貸款余額、ETC用戶、存款日均余額年齡、手機銀行登錄次數(shù)、短信用戶。

2.優(yōu)化模型指標權(quán)重的確定。為確保模型各維度指標間是否具備相關(guān)性，調(diào)研組成員運用統(tǒng)計調(diào)研專業(yè)工具，引入SPSS數(shù)據(jù)相關(guān)性分析軟件。通過將分析時間點的手機銀行業(yè)務(wù)數(shù)據(jù)明細導(dǎo)入SPSS分析軟件，計算出各維度指標與客戶活躍率的相關(guān)度，去掉部分相關(guān)度低的維度指標，確保模型維度指標的準確性。結(jié)合Y農(nóng)商銀行相關(guān)數(shù)據(jù)，得出各項指標的關(guān)聯(lián)情況如下：與非動賬交易筆數(shù)與活躍率相關(guān)度為0.367，產(chǎn)品數(shù)與活躍率相關(guān)度為0.207，惠支付用戶與活躍率相關(guān)度為0.202，貸款余額與活躍率相關(guān)度為0.121，ETC用戶與活躍率相關(guān)度為0.086，存款日均余額與活躍率相關(guān)度為0.082，短信用戶與活躍率相關(guān)度為0.036，客戶年齡與活躍率相關(guān)度為0.031。根據(jù)SPSS相關(guān)性分析結(jié)果，與活躍度相關(guān)性由高到低的維度指標分別是：非動賬交易筆數(shù)、產(chǎn)品數(shù)、惠支付用戶、貸款余額、ETC用戶、存款日均余額、短信用戶、客戶年齡。根據(jù)從、分值分配結(jié)果，相關(guān)度高的指表匹配更高的分值。前期調(diào)研得出客戶的職業(yè)、工資代發(fā)用戶、柜面轉(zhuǎn)賬及柜面繳費交易用戶也會是手機銀行活躍度高相關(guān)的維度指標，在模型中也相應(yīng)匹配不同分值。

調(diào)研組對本行存量手機銀行業(yè)務(wù)客戶信息進行分析比對，結(jié)合EXCLE圖表比對工具、SPSS數(shù)據(jù)相關(guān)性分析工具等，最終計算出各維度指標間在有效客戶中的占比情況，再通過百分制匹配至各維度指標。經(jīng)過大量數(shù)據(jù)的分析、比對，對各維度指標賦分，在通過模型抓取客戶各維度指標的綜合得分，判斷該客戶成為有效客戶的可能性大小。通過以上系列方法，調(diào)研組成功將原來以定性為主，僅提供方向性指導(dǎo)的模型功能，轉(zhuǎn)變?yōu)榫唧w的定性、定量結(jié)合、可操作性強的模型。模型指標權(quán)重分值總分100分，各指標權(quán)重分值及具體說明如下。

非動賬交易筆數(shù)：有非動賬交易的客戶是有使用手機銀行的，此類客戶有使用基礎(chǔ)，不同的交易筆數(shù)決定了客戶的使用頻率及習(xí)慣度，本類客戶分值應(yīng)最高，根據(jù)不同的交易筆數(shù)區(qū)間匹配不同分值。權(quán)重分值20，月均0-1次5分，月均1-5（含）次10分;月均5-10（含）次15分;月均10次以上20分。

活躍度：活躍度是客戶在年初至本月有動賬交易的月份占比，也可以用動賬交易代替，其本身也是客戶是否發(fā)生動賬交易的直接定性指標，根據(jù)活躍度高低匹配不同分值。權(quán)重分值15，活躍率10%以下2分，活躍率20%（含）以下5分，活躍率30%以下10分，活躍率35%以下15分。

柜面轉(zhuǎn)賬：手機銀行動賬交易使用率最高的是轉(zhuǎn)賬，單筆10萬，日累計50萬以內(nèi)的轉(zhuǎn)賬交易均可以通過手機銀行實現(xiàn)，且免手續(xù)費，此類客戶有較大幾率營銷成功，根據(jù)柜面轉(zhuǎn)賬金額及筆數(shù)區(qū)間匹配不同分值。權(quán)重分值12，按交易筆數(shù)及金額占比匹配分值。

柜面繳費：手機銀行非常使用，但使用率不高的動賬交易是繳費累，可以有針對性的對有柜面繳費需求的客戶營銷手機銀行，根據(jù)柜面繳費頻率匹配不同分值。權(quán)重分值5，按交易筆數(shù)及金額占比匹配分值。

惠支付用戶：惠支付商戶作為Y農(nóng)商銀行收單客戶，會使用手機銀行查詢收款信息，同時也可以通過手機進行款項的交易，此類客戶有較大幾率營銷成功。權(quán)重分值11，按是否匹配分值。

產(chǎn)品數(shù)：客戶在Y農(nóng)商銀行產(chǎn)品數(shù)量的多少可以判斷客戶忠誠度及客戶粘性，產(chǎn)品數(shù)越多的客戶，業(yè)務(wù)都在Y農(nóng)商銀行的可能性更大，能更有效的影響手機銀行。權(quán)重分值9，1-3（含）個3分，3-5（含）個6分，5個以上9分。

貸款余額：貸款客戶一方面可以通過手機銀行自助放款還款，也可以通過手機銀行轉(zhuǎn)賬;另一方面貸款客戶與客戶經(jīng)理關(guān)系較好，營銷成功率會較一般用戶高。權(quán)重分值8，按分析數(shù)據(jù)的占比匹配區(qū)間分值。

ETC用戶：ETC用戶作為有車一族，可以有針對性的營銷Y農(nóng)商銀行9元洗車活動，此類客戶有較大幾率營銷成功。權(quán)重分值7，按是否匹配分值。

存款日均余額：客戶存款余額波動較大，日均余額反映客戶在Y農(nóng)商銀行存款真實情況，不同存款日均余額的客戶，手機銀行使用情況略有不同，根據(jù)存款日均余額區(qū)間匹配不同分值。權(quán)重分值6，按分析數(shù)據(jù)的占比匹配區(qū)間分值。

年齡：不同年齡結(jié)構(gòu)的客戶使用手機銀行活躍度不同，不同年齡客戶使用的功能也有所不同，根據(jù)客戶年齡區(qū)間匹配不同分值。權(quán)重分值4，按分析數(shù)據(jù)的占比匹配區(qū)間分值。

登錄手機銀行：3個月內(nèi)有登錄手機銀行的客戶，手機上有蜀信e客戶端，也在進行進行了使用，此類客戶有一定的營銷價值，匹配一定分值。權(quán)重分值2，按是否登錄匹配分值。

短信用戶：權(quán)重分值1，按是否開通短信服務(wù)匹配分值。

四、優(yōu)化模型的應(yīng)用驗證

調(diào)研組從2020年6月至2020年8月持續(xù)開展優(yōu)化模型的客戶營銷及數(shù)據(jù)分析應(yīng)用驗證。

6月中旬，根據(jù)手機銀行動賬客戶識別模型的原始模型，提取出全行年齡在35至55歲、日均存款在1萬元以內(nèi)或有貸款余額的客戶，或本季度有登錄的手機銀行客戶信息。隨機選擇其中部分支行的客戶進行電話營銷。20天后提取手機銀行動戶情況，在本次營銷的500名客戶中，成功營銷81名客戶，營銷成功率為16.2%。

7月中旬，根據(jù)手機銀行動賬客戶識別的優(yōu)化模型，提取出全行年齡在35至55歲、日均存款在1萬元以內(nèi)或有貸款余額的客戶，或ETC用戶，或本季度有非動賬交易的手機銀行客戶信息。隨機選擇其中100名客戶進行電話營銷。20天后提取手機銀行動戶情況，在本次營銷的500名客戶中，成功營銷83名客戶，營銷成功率為16.6%。

8月中旬，根據(jù)手機銀行動賬客戶識別的優(yōu)化模型對2020年7月31日存量數(shù)據(jù)進行回歸驗證，對所有手機銀行客戶按模型進行打分。得分排名前1萬名客戶中，活躍率高于50%的占比近80%;得分排名前2萬名客戶中，活躍率高于50%占比約74%;得分排名前5萬名客戶中活躍率高于50%的占比62%。由此可見，得分越高的客戶，是活躍客戶的概率遠遠大于非活躍客戶，得分越低的客戶是非活躍客戶的占比也遠大于活躍客戶，證明了手機銀行存量客戶營銷模型的準確性。

五、結(jié)論

通過多次的數(shù)據(jù)關(guān)聯(lián)性分析，并對指標進行關(guān)聯(lián)性測試，通過不斷地修正測算，逐項研究后最終得出數(shù)據(jù)。模型中的各項指標符合農(nóng)Y農(nóng)商銀行客戶的獨有特征，具有易識別、易篩選、易成功、易運用等特點。通過對客戶的特征識別，篩選出優(yōu)質(zhì)的存量客戶開展有效的跟蹤，從而有針對性地提高使用率。提高了廳堂手機銀行業(yè)務(wù)營銷的針對性，大堂經(jīng)理和柜面員工做一線營銷時，通過大量數(shù)據(jù)的比對，篩選，驗證，可以實現(xiàn)大面積的運用。手機銀行通過其自身的功能關(guān)聯(lián)許多業(yè)務(wù)，包括存款、貸款、理財、生活繳費等，通過愉快的營銷建立起橋梁，從而為進一步拓寬營銷渠道、推動銀行多項業(yè)務(wù)發(fā)展打下基礎(chǔ)。[課題名稱：宜賓農(nóng)商銀行“大數(shù)據(jù)營銷”]

（作者單位：宜賓農(nóng)商銀行）