大數據在零售銀行的應用始于“長尾客戶”,而在被譽為“皇冠上的明珠”的私人銀行領域,大數據應用的探索可以算是剛剛起步。在商業銀行里,私人銀行客戶最多達到十萬量級,相比起動輒接近億級的信用卡客戶與遠超億級的一般個人客戶,數據量遠遠稱不上“大”。另一方面,每個金融資產成百上千萬的客戶都有著自己“不同于他人”的需求。這兩個特點使得大數據在私人銀行經營中不能照搬大眾客戶的套路。好在隨著大數據技術逐漸滲入銀行個人客戶經營的方方面面,私人銀行對大數據的興趣也日益高漲了起來。筆者認為,使用數據與人工結合的方式,使大數據分析成果融入到私人銀行服務流程中,與客戶經理的日常工作深度結合以提升效率,是大數據與私人銀行業務未來一段時間較為可行的結合點。
對潛力客戶名單的分層與優化
私人銀行客戶有一定的金融資產標準,而金融資產稍稍低于標準線的臨界客戶一直是重要的私人銀行潛力客戶目標客群。部分臨界客戶確實沒有進一步提升的潛力,而有些臨界客戶有潛力而沒有意愿,而臨界客戶之外還有很多可以提升的客戶,需要客戶經理逐個找尋。這時,對潛力客戶名單的分層優化就顯得尤為必要了。一方面,可針對臨界客戶建模,評估其提升的可能性,提升潛力客戶提升成功率;另一方面,可通過挖掘低資產客戶的行為數據,判斷其提升為私人銀行客戶的可能性,找到隱藏在沙海中的黃金。一直以來,客戶的大額資金變動、CTS賬戶轉入轉出、購買第三方理財產品等行為都或多或少的引來客戶經理的關注,但從單純的交易行為上升為對客戶的認知,需要運用大數據技術進行建模。運用已知規律,分析存量私人銀行客戶提升路徑,建立預測模型,擴充潛力客戶名單,實施精準營銷,是第二種可以嘗試的效率提升方案。
利用資金流向挖掘關系網
通過關系網拓展客戶一向是私人銀行獲客的重要方式,而資金流分析是大數據在金融領域經典的應用之一,二者的結合是一種令人期待的應用方式。依托對資金流向的監測,以及適當的外部數據補充,可以找尋到與私人銀行客戶、家庭成員、所有企業有較強關聯的潛在營銷對象名單。利用可視化技術可以較為清晰的展現客戶與潛在客戶之間的聯系,例如家族成員、商業伙伴、娛樂搭檔等,從而制定有針對性的營銷服務方案,實施精準營銷。
客戶維護始于客戶畫像
大眾客戶經營中較為重視對客戶群體的畫像,而私人銀行經營中,除了群體畫像,個體畫像也要精確的描繪出來,方能開展有針對性的客戶維護工作。首先應對存量客戶的價值進行分析與分層。不同于簡單的金融資產分層,對客戶未來潛力的判斷、客戶關系網是否廣泛、家庭復雜程度、所在行業與職業等等,都應當成為客戶價值判斷中的變量。在客戶價值分層的基礎上,建立存量私人銀行客戶圖譜,為不同層級的客戶合理地分配產品、人力、財務等資源,將有限的資源聚焦在潛力客戶身上。
在客戶畫像的各個領域,如人口統計特征、家庭畫像、產品偏好、風險偏好、渠道偏好等各個方面,都可以逐一建立基于業務規則的評判標準。通過對畫像結果的固化,客戶經理可以在短時間內完成對客戶的認知,了解私人銀行客戶的需求偏好、交易習慣與服務特性。
產品與客戶的智能匹配
產品體系智能化聽起來是游離在客戶維護體系之外的另一個領域,但產品終究不能脫離客戶而存在,此處要解決的是產品如何與客戶結合的問題。從客戶畫像結果和客戶標簽體系向下延伸,私人銀行可以將已有的產品服務與客戶特征相結合,得到一個靜態的解決方案。而利用自然語言處理技術開展非結構化數據分析,如客戶經理的訪談記錄、客服通話記錄、智能在線客服記錄等,隨著技術的發展也將逐漸成熟,客戶互動數據的加入使動態的解決方案成為可能。
大數據技術在私人銀行的應用并不僅限于以上4個領域,找到合適的切入點十分重要,但大數據技術的應用促進效率的提升是可以預見的未來。