银行数字化营销创新实践探讨


  • 时间:2017-08-16
  • 分类:营销 数字化

    零售银行业务一直以来因其资本消耗低、市场空间广阔、价值回报可观,被众多银行视为业务转型的重点发展方向。在东北地区,面对市场经济下行、同业竞争加剧、互联网冲击,零售银行想要获得突破,需要顺势而为,充分运用互联网、大数据等技术寻找创新领域。

    零售银行传统营销方式面临挑战

    在东北地区,银行产品推广的常见形式以客户主动上门、大众营销、客户经理陌拜为主。然而,这些传统的营销方式在实际执行中面临着以下问题:

    渠道受限。线下渠道的拓展受限于一线业务人员的投入,服务质量难以控制,这制约了零售业务的发展速度。

    客户洞察不足。重销售弱营销的模式,使得银行多以产品为中心,向客户推销产品,而非基于客户需求提供个性化服务。

    营销转化率低。受到各类社会欺诈事件影响,缺乏场景化和针对性的陌拜、群发短信、外呼等方式成功率极低,耗费大量营销资源。

    在这种情况下,数字化营销模式和大数据精准营销体系有了用武之地。

    数字化的精准营销方式正在崛起

    精准的本质在于营销决策用数据说话,通过建立客户细分、交叉销售、关联分析、流失预警、资金流向、客户关系网络等主题的分析,对客户进行深入挖掘,通过决策模型的建立提高对营销决策的前瞻性、预见性和创造性。不同于传统银行业以产品为中心、大众营销的方式,通过大数据精准营销模式,对客户的未来行为进行有前瞻性、预见性和创造性的提前预测。

    如今,国内外领先银行正在尝试将精益化营销手段应用于日常营销工作中,在客群定位、产品营销、渠道服务等领域做出多项创新。行业创新实践表明,在客群定位方面,银行可使用大数据机器学习模型、客户画像、客户标签库等工具精准定位;在产品营销方面,可采用数字化品牌营销与精准营销结合、线上渠道与线下渠道协同的方针,实施以客户为中心、主动出击的营销方案,同时对营销效果加以回收分析,形成营销闭环体系;在渠道服务方面,可实行营销与服务线索的全渠道转介,打通行内外服务渠道。

    在实际执行中,银行通过对数以千计的数据项的梳理和机器学习模型的建立,对全行零售客户的交互数据进行收集、追踪、建模,并从全行客户中选择有资金需求概率最高的客群,执行营销活动。研究表明,基于机器学习模型筛选的客户营销转化率较随机筛选对照组可提升高达8倍,为银行带来可观的收益。

    零售银行数字化精准营销主要体现在以下五个方面:

    全面深入的客户洞察。要实现对客户的深度洞察,建立客户画像体系是基础。在实施数字化营销的过程中,除了银行自身拥有的客户人口特征数据、交易数据外,还应注意客户在各个渠道与银行交互数据的采集,包括客户在银行网站、手机银行的浏览、点击数据,客服中心的客户交互数据等。这些数据能帮助银行描绘生动的客群画像,让业务管理、市场营销、产品开发人员能更加直观地理解客群全貌,有利于进行市场营销策略设计和用户体验设计。

    客户洞察为数据分析工作奠定了基础,它为数据分析人员提供了充分的业务理解,使得后续模型建立工作的开展更顺利、更完善。

    场景化的营销服务前置。银行产品的营销应深入考虑各类金融场景,通过业务理解、同业输入、项目经验,梳理银行各类业务发生的契机。以个人消费类贷款为例,某银行为其主打消费贷产品梳理出了12大类53种应用场景,包括婚庆类、装修类、旅游类、购车类、教育类、医疗类、奢侈品消费类、租房类、文化类、美容美体类、批发类、触发类等。对于每一类应用场景,该银行制作了相应的场景卡片,对业务场景的价值、与产品的契合程度进行评估,并挑选高评分的场景优先实行营销活动策划。

    同时,银行应对诱发业务场景的“事件”进行分析总结。按照消费者决策机制理论,客户对产品购买通常经历需求创造、需求认知引导、寻找信息、评估选择、交易行动和体验评价这几个过程。传统上大部分银行介入营销时机多为评估选择和交易行动阶段,而大数据精准营销通过消费行为捕捉、客户触发式行为捕捉、商户合作等方式,将营销的时机前置,使银行得以在客户需求创造、需求认知引导、寻找信息阶段介入,从而提升营销活动的执行效果。

    经过研究实践表明,事件式营销客户转化率较对照组可提升逾2倍。

    全渠道立体协同营销。银行应采取个性化互动式触点营销,在营销过程中切实把握每一次与客户接触的机会,做到营销线索的全渠道转介。以贷款类产品为例,银行应注意收集客户在网银点击贷款广告、在手机银行上进行贷款计算器试算、向客服或大堂经理咨询产品情况等营销线索,使得线上各渠道的贷款申请信息能够无缝转介到网点客户经理,并且在客户前往网点时被精准识别,无需提供附加信息;同时,确保客户在线上渠道的申请行为能被精准跟踪,若客户信息未提交成功,会触发呼叫中心、客户经理跟进维护。

    银行将此类线索统一收集,并在客户下一次接触银行时,有针对性地通过各类渠道做出产品营销,使得营销线索在柜面、网银、电话银行、手机银行、微信银行等渠道之间无损转介。

    高效的营销自动化闭环。银行通过构建高效的营销自动化闭环,能有效地将营销策划人员从大量的多方沟通中解脱出来,把重心转移到营销活动设计以及活动过程和结果的跟踪评估上。营销闭环包含分析洞察,活动设计,渠道执行和反馈评估四大环节,在反馈评估阶段,银行应注意对各渠道的营销效果进行定时回收,这些数据不仅仅是评判精准营销效果的依据,还是精准营销优化的素材。通过对反馈结果的多次迭代分析,对机器学习模型进行调优,不断提升机器学习模型的精准度。

    通过实践对比发现,迭代优化后的营销转化率较优化前提升逾5倍。

    整合创新的数字化营销。数字化营销是银行获取新客户的关键。通过历史数据分析发现,优质的银行产品不仅能提升存量客户黏性,更能帮助银行吸引新客户。而新客户的获取,离不开与金融场景的结合。银行应采取行内渠道与第三方渠道相结合的数字化营销方式,深入客户消费场景,捕捉新客户。在线下渠道,银行可以通过与商贸单位、旅行社、百货公司等第三方渠道合作,投放数字广告,并基于营销反馈数据选择效果最好的数字广告的投放渠道,提升数字广告的投放效率;在线上渠道,银行可充分利用自由及第三方渠道,投放数字化广告,同时通过礼品、折扣等方式,鼓励存量客户通过“朋友圈”等线上平台帮助银行进行产品宣传,实现移动社交化营销。

    数字营销典型案例分析

    目前,多家领先银行已经尝试将数字化精准营销应用于银行产品实际营销中。实践发现,相较传统营销模式,精准模式能帮助银行大幅提升营销效率、降低营销成本、优化客户体验,因此是未来零售银行发展的大趋势。东北地区消费类信贷规模增长迅猛,数字化精准营销将助力其发展。

    以东北某区域性银行的消费类信贷产品为例,自数据化精准营销开展以来,该产品申请量逐月递增,2016年下半年内,放款总量超过14亿元。截至2016年12月31日,产品总余额超过30亿元。目前,该产品已在国内17个城市投放,累计获客超过2万人。同时通过网络、媒体、银行线上线下渠道进行多轮宣传,受众超过30万人次。此精准营销活动的试点,在大幅提升放款量的同时,还推进了银行的渠道改造需求,完善了线上线下渠道的合作能力与营销功能,帮助渠道部门开拓营销功能。

    数字化营销对未来零售银行的影响

    在零售银行产品营销策划方面,数字化精准营销将为银行带来三个“融合”:

    线上与线下渠道融合。成功做到渠道间营销线索的无缝转介和渠道间信息的无缝衔接。线上渠道捕获的营销线索被无缝转介到线下客户经理,线上提供的贷款申请信息被完整的转接到网点渠道。

    精准营销与数字化品牌营销融合。对存量客户,采用传统的客户特征、交易行为数据和客户触点式交互行为数据相结合的方式,应用机器学习模型深度挖掘客户需求;对于新客获取,应用数字化品牌营销方案,在多个线上、线下、第三方渠道进行新客户拓展。

    数据分析与场景金融融合。深度探索金融场景,将营销行为前置化,并构造了营销分析模型的基本框架,建立了营销类数据集市,为未来零售产品场景营销主题分析奠定了扎实的基础、积累了宝贵的经验。

    同时,数字化精准营销也将为银行职能部门带来三个“转变”:

    客服中心。从单一服务职能到服务与营销综合化职能的转变。改进了传统银行客户经理推动模式,采用客服中心执行部分营销任务,对客户意愿进行初步筛选。同时,作为营销闭环的一部分,客服中心担负收集营销反馈的任务,因而完成客服中心职能从纯服务到营销综合化的转变。

    科技团队。从被动技术支持到引领营销新技术的转变。科技部门提升数据分析能力与营销效率,应用机器学习模型协助营销,实现了营销效果的反馈、评估及优化全流程管理,完成从纯技术部门到营销支持部门的转变。

    渠道部门。从注重交易功能到交易、营销与数字化运营一体化的转变。产品营销采取了全渠道承接线索、线上渠道多面宣传、客服中心主动外呼、客户经理承接意愿客户的合作形式,推进银行各线上、线下渠道从交易服务向营销宣传的转型。

    大数据分析在银行业营销领域的应用已不再新奇,但要体系化地为银行带来业务价值,引领银行进行营销模式创新,还需要数据整合能力、数据深度挖掘能力、业务场景拓展能力、渠道协同营销能力和营销策划能力全面配套升级,让业务与IT充分融合。数字化营销将进一步在外部数据合作、营销数据智能程度提升、营销生态体系搭建、落地平台支撑等方面做出更为积极的探索与创新。


[上一篇] 网站怎样建设才能给用户一个好的体验

[下一篇] 保险转型遇障 银行及互金平台强势“加租”