隨著中國金融市場的快速發(fā)展，金融行業(yè)競爭形態(tài)的持續(xù)演化，以及監(jiān)管力度的不斷加強，IT咨詢服務公司對金融企業(yè)的商業(yè)智能解決方案，也面臨著不斷的創(chuàng)新。

　　在主題為“乘數(shù)據(jù)之舟，達價值彼岸”的文思海輝商業(yè)智能解決方案研討會上文思海輝數(shù)據(jù)挖掘解決方案部門經(jīng)理馬寧在客戶管理之道分論壇分享了關于數(shù)據(jù)挖掘與深入的客戶分析。

　　以下為演講實錄：

　　首先看一下數(shù)據(jù)挖掘在客戶分析中的應用，數(shù)據(jù)挖掘主要應用于兩大領域：客戶智能和風險管理�？蛻糁悄芊譃閿�(shù)據(jù)層、挖掘層和營銷層，數(shù)據(jù)挖掘屬于中間這一層，是服務支撐層，為營銷提供支持。數(shù)據(jù)挖掘傳統(tǒng)的一些領域，包括客戶細分、營銷預測、產(chǎn)品關聯(lián)、實時分析、客戶提升、價值分析，以及現(xiàn)在隨著大數(shù)據(jù)技術的興起，我們會做實時分析，已經(jīng)有些公司推出了基于文本的分析判斷產(chǎn)品。

　　由于時間關系我主要介紹其中的幾個，首先我們來看一下數(shù)據(jù)挖掘伴隨著客戶的生命周期是從始至終都存在的，拿信用卡業(yè)務來看，客戶經(jīng)歷了從客戶的捕獲到客戶的提升，到客戶的成熟階段，當然最后有可能發(fā)生客戶的流失，完整的生命周期，不同的生命周期有不同的關注點。在下面，我們從數(shù)據(jù)挖掘的視角可以看到，其中有很多數(shù)據(jù)挖掘模型可以輔助業(yè)務的決策。其中黃色的是客戶智能模型，黃色的是風險管理模型。

　　首先看客戶細分，這是傳統(tǒng)的客戶細分，一般基于人口統(tǒng)計學的自然屬性、銀行交易信息、持有產(chǎn)品信息、互動反饋信息等等，針對這些進行細分，形成一個不是很深入的結果，可能會形成這樣的用戶分級。產(chǎn)生需要的，高價值低忠誠用戶是蝴蝶，低價值高忠誠的用戶是藤壺。最終細分出來的客戶，可能是這個客戶更深入洞察的角度，很巧跟邵鐘飛也有相似的細分類型。所以，只有基于這些精準細分模型，才能給用戶提供差異化的營銷手段。

　　營銷預測，舉個簡單例子，比如我有100個潛在客戶，其中大概有25個人會對我的營銷響應使用我的產(chǎn)品，并帶來人均5元的收益。營銷成本每人是1元，地毯式營銷回報率是25%。在第二代的營銷中我們可能會使用一些聚類的技術，營銷的回報率可能能達到100%，這只是一個示例。第三代營銷中我們可能會做雙向預測模型，同時預測響應率和產(chǎn)品使用率，最終可能會收到比較好的效果，回報率要遠遠超出前兩代。

　　再來看流失分析，客戶為什么會離開我們這家銀行轉移到其它銀行？波士頓咨詢公司做了一個市場調查，主要原因是服務質量不好，價格沒有吸引力，產(chǎn)品沒有吸引力，以及渠道的不方便因素，等等。同時有些市場調查認為，我獲得一個新客戶的成本是維持一個老客戶成本的5倍，因此我們怎么樣才能做好客戶的流失分析，怎樣才能留住客戶？傳統(tǒng)的客戶流失分析是做事前的預測，以前不叫流失預測叫流失預警，這時你每個月都要想辦法挽留這一大批用戶，我們是不是要做一些事后分析？看看這些用戶為什么會離開，提高自己的軟技能和硬技能進行客戶的挽留。

　　我們剛剛結束的一個項目案例，就是來做高端客戶的流失分析。這個銀行在2011-2012年這段時間的高端客戶，流失率在18%左右的水平，同業(yè)的平均水平大概在12%左右，所以他認為他們的流失率偏高于同業(yè)其它銀行。所以他想分析一下，第一，我流失的客戶大概是什么樣的構成情況，什么樣的客戶容易流失？第二，他們流失的原因是什么樣的？第三，怎么預警挽留這些客戶？這些客戶中業(yè)務包括儲蓄、理財、貸款，我們在做分析的時候，因為他不光要分析流失，他還要分析降級，他這里降級是指嚴重降級，AUM變動要超過兩成。我們在里面分析的時候增加了一層，150萬，這樣讓級與級之間的過度，大概一級就是損失150個AUM。

　　在做分析之前首先會有個思考，客戶提供給我們這些基礎數(shù)據(jù)涵蓋了哪些內容，包括了人口統(tǒng)計學的屬性，AUM的構成，借記卡的卡數(shù)、交易次數(shù)、交易金額等等這些信息，這和我做流失分析是有差距的，我缺乏一些流失相關的緯度，比如客戶在我們銀行主要是做什么業(yè)務的。客戶在降級流失之前的一個月，最后保留的業(yè)務是什么。還有，客戶降級流失的原因是因為他有消費需求嗎？比如要付首付，還是因為更換銀行？前兩種我們認為：第一種，因為消費的需求，客戶對你銀行的忠誠度是沒有降低的，他很有可能把這個銀行作為接下來他首選的銀行，提前還款這東西因為是個被動的業(yè)務比較特殊，如果只是單純更換銀行的話，這就說明客戶對你的忠誠度有所降低。再有，無論是降級還是流失都是一個籠統(tǒng)的概念，客戶的降級是短暫的，如果降了級又恢復，流失也有可能降到AUM的1%再恢復，還是有的客戶銷卡了？所以，要對客戶有個全新的認識，當然這里面也認識到有些東西是數(shù)據(jù)之外的故事，比如這家銀行某個月客戶經(jīng)理的流失率是比較高的，帶來了客戶流失率是比較高的。

　　首先我們增加了一個緯度，主要業(yè)務分類，這里面又分為月度主要業(yè)務分類，也就是計算每個月可以分為儲蓄類、貸款類、理財類，還有混合類，后兩類的客戶比例是非常低的，月度的數(shù)據(jù)可以綜合出客戶在17個月中主要做的業(yè)務。有了客戶主營業(yè)務的分類以后，我們可以繼續(xù)來看客戶流失的場景是什么，第一個場景就是剛才說的大額的消費、大額的刷卡。儲蓄中斷，客戶的儲蓄持續(xù)幾個月有100萬，突然就不見了，他是轉移到了其它銀行，至于轉移到了其它銀行做什么事情我們不清楚。理財?shù)霓D移，在這個客戶降級、流失之前，我們猜測這些人多數(shù)人去其它銀行多數(shù)做理財產(chǎn)品。

　　同樣，流失級別不能一概而論，我們會把客戶流失嚴重程度分為從輕到重。所有的客戶流失級別里面，大概有一半多的人是沒有流失的，級別甚至是有所提高的，有17-18%的人是流失了的客戶。再看做什么主業(yè)的客戶容易流失？貸款里面藍條是沒有流失的，做貸款的客戶是最穩(wěn)定的，這并不是個很低的門檻。做儲蓄的人是最容易流失的，因為儲蓄轉移的成本是最低的，網(wǎng)銀現(xiàn)在轉移儲蓄肯定兩塊錢就轉走了。

　　我們還可以看一看全部客戶的主業(yè)分布圖，高端客戶里有43%的人是做貸款的，發(fā)生降級、流失的客戶儲蓄減少了、貸款增加了，驗證了上面的信息。還有一些基礎信息，地域中西部地區(qū)是最穩(wěn)定的，36歲以下的客戶愿意做的業(yè)務是貸款業(yè)務，非常穩(wěn)定，55歲以上的客戶儲蓄理財?shù)谋壤�是比較大的，因此流失率也是比較高的。

　　有了以上的一些交叉分析以后，我們重點看了幾個場景：一個是理財轉移，理財轉移在這段時間內給這家銀行帶來了大概104億AUM的損失，大概有1/7的理財客戶轉移了以后有所恢復，也有1/7的客戶轉移了以后沒有恢復。理財轉移的客戶偏好的產(chǎn)品和其它客戶有沒有區(qū)別？我們做個對比。可以看到轉移的期限，左下角使轉移和流失的客戶更喜歡穩(wěn)健型的產(chǎn)品。能不能預測一下貸款的余額占總額的百分比到底什么的時候，客戶一次性提前還款的可能性較高，我們做了簡單這樣的統(tǒng)計度，平均的提前還款率是條紅線，下面的橫坐標是貸款的余額占的百分之比，貸款余額降到25%之后的時候提前還款率是非常高的。

　　最終，我們對這個銀行給出了一些業(yè)務上的建議，比如對儲蓄類客戶推薦更多產(chǎn)品，尤其是提升交叉營銷率，提高他的轉移成本，其中交叉營銷率都是重要的變量，對于理財客戶要及時推薦給他符合偏好的產(chǎn)品，利用網(wǎng)銀做好產(chǎn)品的銜接與客戶挽留。對貸款的客戶要做好提前布局，到當時他的貸款余額降到30%左右空間的時候要重點關注，預判到可能發(fā)生提前還款的時候，尤其是可以利用網(wǎng)銀迅速的做出一些產(chǎn)品的推薦，比如給他推薦一款理財產(chǎn)品，早期的像房貸拿到7折利率的話，現(xiàn)在大概是4.6%左右的利率水平，現(xiàn)在很多銀行理財產(chǎn)品都可以達到這一水平，甚至5%以上。有這樣的網(wǎng)銀推薦給客戶的時候，他就要考慮我是不是要提前還款，他如果購買這個理財?shù)脑捚鋵崒崿F(xiàn)了雙贏，銀行留住了客戶，這個人也拿到了更好的利率。