从全局数据分析到实时智能营销,浦发银行CRM建设重塑客户价值挖掘

浦发银行以新一代信息系统建设为契机,瞄准客户价值挖掘,通过全局性数据分析,进而部署跨渠道的营销自动化及实时决策平台,构建新型客户关系管理生态环境,重塑客户价值挖掘。

随着中国金融市场逐渐开放,国内的银行业结构发生了巨大变化:创新型商业银行模式的出现,使得传统银行市场份额集中度不断下降;而客户需求的多样性,对银行的服务范围及要求日益提高;互联网金融的快速发展,也给银行业带来挑战。

尤其是客户数量在千万级的股份制商业银行,如何高效运用服务资源,通过创新型营销和客户关系管理,充分挖掘和释放各层级客户的价值?作为一家1992年成立的全国性股份制商业银行,浦发银行在过去二十多年里不仅实现了客户规模的快速增长,同时也不断总结和探索出一条符合自身经营理念和特色的客户培育、服务体系。但随着大数据时代的到来,如何更好的诠释银行与客户共同成长的理念,让二八定律下80%的客户更加有效的覆盖在客户经营维护体系下,对浦发构建新型客户关系管理体系提出了新的挑战和要求。

在和客户的接触过程中,谁掌握了数据,谁就拥有了产品创新和客户服务的主动权。
photo of Cui Yongping

崔永平
浦发银行总行财富管理部 副总经理 

为此,浦发银行需要从后台产品生产到前端渠道销售,建成数据驱动的自动化客户关系管理体系。2015年,在升级CRM基础平台的同时,浦发银行引入SAS客户智能产品,与同步建立的包括多维营销数据集市以及分析型CRM应用集市在内的其它配套,形成基于客户洞察的营销应用,实现实时和批量闭环响应模式,创新了自身的客户数字化经营。

银行大数据的全局挖掘

银行多年来积累的大数据是一笔丰富的资产。可以说,谁把这些数据的价值最大化,谁就可以在互联网时代跑得更快。

“在和客户的接触过程中,谁掌握了数据,谁就拥有了产品创新和客户服务的主动权,也就拥有了和其他第三方进行服务融合和一体化服务的能力,才能够在客户的需求产生之前,去进行预测和进行相应场景化设计。”浦发银行总行财富管理部副总经理崔永平说。

正是基于这一考虑,在银行与各类互联网金融服务机构接触的过程中,银行也在不断回顾和审视自身数据运用方面的不足和优势,虽然目前银行在客户行为数据的分析运用上与外部机构还存在差异,甚至可以说是不足,但相较于数据的宽度不足,银行在数据长度,也就是时间跨度上无疑拥有着得天独厚的优势。

本次与SAS的合作首先是全局性数据挖掘,其次是从后台数据到前端应用的衔接。崔永平介绍说,从客户的差异化经营角度出发,浦发银行针对不同的客群设计不同的服务策略,从客户全生命周期以及客群和客户个体两个维度切入分析,进行批量化和实时化的营销事件编排。

一个简单的案例是针对白金客户的流失预警。通过对白金客户一个时期的资金交易进行分析,提取具有流失倾向的客户,将预警推送至客户经理,及时进行客户维护工作,这可以让白金客户流失率大大降低;此外还可以针对客户大额转账进行实时感知,通过客户过往的交易行为推测该客户的“大额”阀值,当客户进行下一次转账交易时,根据之前的分析结果、本次交易金额以及转账对象的综合考量,系统实时判断并触发营销线索推送,将客户挽留服务效果提升至最大。像这样的分析运用还涵盖了包括小微客群转化营销及交叉销售等一系列营销事件,并均取得了不错的市场营销成果。

数据的全局挖掘另一方面还体现在浦发银行对公司、零售、金融机构三大客群的数据整合上,崔永平说,“浦发银行在搭建客户数字化经营平台的过程中,也整合了客户的核心管理要素,比如健全了客户信息视图的展现,优化了客户信息筛选的能力,将客户关键服务结点标准化。”CRM作为浦发的企业级客户关系管理项目,打破了原先银行内部各个客群板块的区隔,这样一个整合化的结构,也是未来浦发银行面向客户进行整体交叉营销和立体化营销的基础。

大数据驱动精细化营销

对于银行客户个体来说,无论是接收到手机短信、微信信息还是营销邮件,都是一个又一个小的营销事件。全局性数据挖掘和从后台数据到前端应用的衔接,正是让这些看似并不起眼的小小营销事件变得有组织和更加精准、高效。

和大部分银行一样,浦发银行早先更侧重于产品销售维度的组织管理,缺少面向客户需求洞察的针对性服务。在千万级的客户群面前,为了全方位增强客户关系、提升渠道直销能力及销售效率,浦发新一代CRM建设的目标就是要实现可支撑全局客户行为分析洞察和高度集成的自动化营销管理。

为此,浦发银行与SAS合作进行了两个方面的尝试:

首先是数据层面的基础建设,搭建大数据分析平台,完善浦发银行客户的数据集市及客户分析主题模型,配以相关业务配套能力建设。浦发银行工作人员介绍,目前初步搭建完成了客户关系管理洞察分析体系,实现了对分类客群特征的刻画,形成全行客群地图,为目标客户筛选提供了数据支撑。同时,结合浦发银行先期建立的数据集市,将数据应用划分为客户基础属性、分类属性、贡献属性等几大业务主题,最终将客户主题分析结果输出为一线业务人员,以及其它对客服务渠道和各类日常营销活动提供智能决策支持,并为各级业务管理人员提供强大而灵活的客户数据分析环境。

其次是部署营销自动化及实时决策平台,从大数据分析平台得出的结果,作为营销平台决策部署的依据,建立一系列自动化作业、客户差异化经营的管理策略。通过部署决策式营销,包括接触点营销和实时营销,基于客户行为实时洞察客户需求,对客户开展实时交互与营销决策,在大大缩短营销周期的基础上,提高了对客户需求的快速响应和销售成功率。

CRM建设是现代银行数字化战略中的重要环节。在大数据挖掘的基础上,银行正在形成一个数据闭环:满足客户需求、实现产品销售之后,再捕捉客户的需求,包括客户行为偏好的分析,从而运用到金融产品的开发上,而产品创新才是真正的核心竞争力。

SPD Bank Logo

挑战

客户数量在千万级的股份制商业银行,如何高效运用服务资源,通过创新型营销和客户关系管理,充分挖掘和释放各层级客户的价值?

解决方案

SAS® 营销自动化(SAS® Marketing Automation)

收益

白金客户流失率大大降低,可以针对客户大额转账进行实时感知。

本文中所展示的成果取决于文中所述的特定场景、业务模式、数据输入和计算环境。每位SAS客户的体验都因其业务和技术特性而不同,请勿将本文观点视为通用观点。实际的成本节约、成果和效果最终取决于每位客户的实际配置和条件。SAS不保证每位客户都能取得本文类似的成果。SAS仅对SAS的产品和服务提供保证,请参阅SAS的产品服务质保条款,本文中提及的内容不能视为质保条款。客户可以按照合约商定的条款分享SAS软件实施项目的成功案例,相应的品牌和产品名称归属相应的公司所有。

Back to Top