导图社区 数字化客户管理
数字化客户管理思维框架(上)客户画像与差异化洞察
编辑于2020-10-19 19:16:40演讲稿
开场
各位,观看视频的朋友们,大家晚上好
本次,公开课的主题为《数字化客户管理》
那么,在课程开始之前,首先请允许我做一个简单的自我介绍
自我介绍
我叫叶田田,大家可以叫我“老叶”。
作为一名拥有13年银行数据工作的老兵
今天,与大家分享的这个主题,也是我的个人专长之一
那么,话不多说,接下来,让我们进入“数字化客户管理”的主题内容
纲要
在讲主题之前,首先我们来看下本次课程内容的纲要
由于时间有限,本次带来的“干货”,主要是我们研发团队近一年的思考总结
OK,接下来的内容,我将从四个部分进行阐述,它们是:
客户时代
识别:客户画像
洞察:预测客户行为
互动:创造客户价值
这里面的关系,我讲在第一个部分进行详细的阐述
客户时代
时代感
嗯,这个概念会比较大,但是我想带大家感知下我们时代的变化
首先,这张图是实际上是关于 互联网发展的一个主线脉络
从90年代到现在,我们经历了 这五个阶段。
网络电子商务
数字媒体广告
社交媒体广告
移动互联网
智能实时优化
但是,这并不是银行或者我们说的金融科技发展的主要脉络
对于我的感受,目前部分银行,正面临着“五期叠加”的数字化转型压力
数字化
那么,我紧接着来看下,对于数字化转型这个命题,业界各方的理解。
首先,我们看下咨询公司的思考
埃森哲认为
读
这个观点相当的有水平
但是有一点,我非常认可
就是,转型的初心,是帮助 我们去解决问题和创造价值
第二、第三分别是麦肯锡和IDC的观点
顶级的咨询公司,提出的观点,还是高屋建瓴,非常有见地的。
接下来,我们看下科技企业的理解
说到科技企业,我们参考两家著名的科技公司 它们分别是:
老牌的IBM
当前,如日中天的阿里巴巴
IBM-数字化观点,是整合数字和物理要素 这句话非常有深度
我们可以这么理解,就是物理要素 数字化,这个结果,会让我们进入 到一个全新的数字世界,用一个大家 耳熟能详的词,就是虚拟现实
阿里巴巴的观点,是”一切......一切“的模式
对于阿里巴巴观点理解,实际上是让 我们看到的:一个生态和闭环
往下是国内外银行对于数字化转型的观点
外资银行有:花旗、摩根、还有汇丰
它们的战略聚焦在”移动“
通过对客户旅程的全面构造
去推动他们的数字化战略转型
国内的头部银行:建行、中行
它们以整体的金融实力
带动整个银行的数字化转型
围绕着技术和数据驱动,去打造它们的整个生态体系
最后是关于我们的读解
至少对于我而言,我还提不出这么有高度和深度的战略与举措
但是,对于我们身处的时代,我们进行了全面的感知
在这里,我们提出了与本次内容直接相关的内容观点
我们认为,对大部分银行而言
数字化转型的第一站
是将银行的客户,进行数字化的管理
使命感
接下就是关于本次课程的 核心内容框架
在这个框架里,总共分为10个部分
中间两个实际上是我们在组织管理与技术储备上需要具备的能力
为了能够更好的实现,下面的数字化客户管理的流程升级或流程再造
我们需要具备左边的三个能力,即通过数据,能够对我们的客户进行 有效的识别、差异化洞察和全方位互动
那么,今天我与大家分享的内容主要是聚焦在左边的三个部分
识别
接下来,我们进入客户画像这个主题
这个主题我讲三块内容
首先,是客户画像的意义
其次,是客户画像的内容
最后,是客户画像的来源
其实,再2020年,我接了比较多的Case
都是银行,在数字化转型的大背景下
如何通过构建客户画像(指标或标签体系)
来实现数据驱动业务增长的战略目标
那么,从营销这个角度来看,我们认为
第一:客户画像符合银行数字化转型的大背景要求
第二:它能够支撑起我们的营销目标,比如说:
定位目标市场
设计创新产品
优化营销服务
提供个性服务
第三:最重要的是基于对客户画像的客户细分技术; 能够实现数据驱动的业务价值,并且带来业务增长。
在这里我强调下客户的指标和标签是一个数据底座
而客户细分技术,才是我们制定差异化策略的前提条件
因此,客户画像不再是一个藏在数据库里的客户视图
而是,一个“数据+技术”的结合体,所以我们认为
客户画像中的“画像”一词,已经由名词逐渐变为了动词
紧接着,我们看下客户画像这个数据底座到底应该包含哪些内容
一说到内容,我就想起我们今年做的客户画像标签体系的研发改版
我们第一次用尝试用业务的视角来解释:”客户是谁?”这个命题
对于银行的业务而言,它们非常想知道
客户是通过什么渠道
购买了哪些产品
他们什么偏好
他们还有什么需求未被满足的
并且影响他们进行金融产品配置的决策有哪些
等等
其实从这些内容,我们可以看出
银行的业务是需要能够支撑他们开展实际业务的数据支撑
而不是一堆标签,一堆指标放在哪里
着并不是是说我们科技建立客户指标和标签没有意义
而是这些内容需要嵌入到业务主题分析的场景中才能发挥价值
这块内容我会在后面的洞察体系中,带大家感受一遍
总体而言,从“人”的视角出发,客户画像的数据内容,包括了这四个部分
人口属性
行为特征
轨迹旅程
交易消费
那么这些数据从哪里来,如何集成,如何计算, 才是我们应该具备的大数据技术能力的要求
对于银行而言,主要的数据来源于三方
第一方:银行自有的业务数据
总体来看,包括了
业务系统数据
核心交易数据
渠道行为数据
那么,核心交易和渠道行为,基本上是我们认为的关于大数据技术应用的挑战
第二方:主要来自于合作伙伴,或者监管
第三方:主要是数据服务商
其实对于构建客户画像的数据底座而言,整个技术栈还是相当复杂的
在这里我简要的说明下,它包括了
数据采集技术,从多渠道采集
数据集成技术,如何讲不同数据源,不同格式,不同标准的数据进行融合
数据标准化技术,数据模型设计,数据清洗与转化
数据分析技术,OLAP、统计分析和挖掘
以及还有一些关于应用场景的数据存储与计算框架调用的技术等
以上的内容就是关于构建客户识别体系,需要重点关注的三个内容
接下来,我们会聚焦在基于这个客户数据底座,如何实现业务数据洞察、分析这个环节
洞察
说个题外话,在洞察这个主题,是我们产品研发的一个重头戏
目前我们的产品正在集成银行大零售相关的业务分析主题,通过系统自带的分析看板和分析报告的工具
串联目前系统的客户画像标签体系,以此来降低业务人员数据使用门槛,提升客户细分、差异化洞察的能力。
OK,打完广告,我们来看下关于客户洞察分析的SMART方法,即
Strategy
Measure
Analyze
Report
Transform
这个方法论和右边的说明比较抽象,我用一个思维导图来带大家感受一下曾经做过的一个案例
自由发挥
接下来,是关于大家可能比较关心的客群分析与客群组合的内容
右边纵向领域的客户细分其实我们已经做了好多年了,比如:
人口属性
资产水平
持有产品
比较新的客群细分有
接触行为
交易行为
互动内容
那么,目前需要横纵结合的生命周期细分,逐渐成为银行数字化运营的核心框架
其实从我们研发的角度看,跨主题维度的客户细分,不仅是一个业务难题,而且 也是一个技术难题。具体的内容后续有专项客户的话,我们可以深入分析与讲解
互动
讲完前面三个部分,我们回顾下
第一是识别客户数字化管理与数字化转型的时代背景
第二部分讲述了客户画像的识别如何构建
第三部分讲述的是基于客户画像进行的差异化数据洞察
本章节的第四部分,主要讲述的是基于客户差异化分析后的结果——客群,做的互动策略。
目前业内对于客户的互动策略没有具体的标准,例如有:
基于生命周期的互动策略
基于客户接触的互动策略
基于客户事件的互动策略等等
但是,总体而言,我们设计策略,需要向客户传递的内容或者是给客户的体验分为三种,它们分别是
经济价值
关系价值
和体验价值
经济价值......关系价值......和体验价值,分别是阐述
再说的具体点就是,比如我们现在做营销活动,这个营销活动是促转化
首先需要让客户体会到活动邀约对他的经济价值是提升的 而不是你赚大头,客户赚下头
然后呢,通过这个活动,客户愿意和银行保持长久的关系
最后是在参与活动的过程,让客户感觉到一致的体验 没有摩擦,或者是奖励大于摩擦
只有满足了以上三个条件,才能够成为一个好的互动策略
在策略实际的实操过程中,我们需要抓住客户旅程关键点去设计相应的策略
在这里我总结了6条策略
分别是
从全局看,有渠道接触策略
从难易度上分
围绕着“影响尚未做出决策客户”设计的策略
“选择正确客户发起互动”的策略
“促进生命周期价值增长”的策略
这是我们这一年做的最多的
还有就是更高阶的策略,如:
发起互动转变客户状态(策略运营)
选择合适互动接触模式(数字化运营)
具体的策略设计,我们也可以参照下,目前行内营销水平,结合数字化转型的目标,进行相应的侧重。
结尾
那以上的内容就是今天我和大家分享的内容
更多的深度探讨,我们可以在线下,或者后续再进行详细探讨
感谢各位聆听!