基于客户健康度的CRM研究

行业背景：由于人工智能优势凸显，对金融行业产生了巨大影响。作为服务行业，金融科技与服务结合得越来越紧密。
　　 
　　当前问题：随着信息获取的便捷，投资者们的需求更加多元化、差异化和个性化，传统营销模式难以让金融企业精准地获取和满足客户的诉求。
　　 
　　应对措施：提高营销效率，细分市场，也就是更加“精准”地进行营销活动以提高营收、降低成本是金融企业探索的重要方向。因此，鹏华基金IT团队耗时一年打造CRM（Customer Relationship Management）精准营销系统来辅助营销人员从海量复杂数据中快速锁定客户，选择合适的时间、渠道、Offer，不断吸引、认知客户，提供定制服务。

　　一般来说，CRM精准营销系统的底层分为客户数据管理、数据挖掘与分析、智能销售与服务管理等平台。我们在设计中主要考虑三个层面：对来源繁杂的数据进行梳理整合，提高数据挖掘、交互等处理速度和效率；通过搭建模型工厂，实现人工智能与CRM的融合；通过数据标签和客户画像体系，构造良好的交互界面提高使用率，采用可视化BI界面进一步支撑、反馈。

鹏华基金在CRM智能营销上的思考

　　随着金融科技的发展，金融公司的销售活动越来越体现出以数据为驱动、以数据为指导、以数据为反馈的闭环模式。同时，轻量级CRM系统在快消、医药、互联网等行业中建立了以营销管理为核心、简洁的流程管理和需求处理的模式获得了良好的效果。因此结合金融企业的应用场景，鹏华基金在CRM智能营销上的思考分为以下几步走（如图1所示）。

图1   鹏华基金CRM精准营销搭建思路

　　 1  整合、优化数据，根据业务经验和客户的历史数据，搭建和丰富数据标签体系。可供营销人员直接筛选采用。
　　 
　　 2  基于数据仓库建立，搭建完整的营销流程、获得可视化报表数据建立全面营销监控体系，完成多波段多批次的批量型营销。
　　 
　　 3  基于海量金融数据的获取，进行客户特征分析、风险分析以及市场反应预测等。在未知营销策略与效果的情况下，通过数据建模，预先获取数据带来的信息，定位目标客户并预测反应和效果，在最大化营销效果的同时控制成本，搭建触点事件的事件型营销流程。
　　 
　　 4  由于鹏华基金耗时两年打造了移动端理财App—A加钱包，提供多种理财方案与场景。因此基于CRM和移动端App的耦合，在底层数据流的高效支持下，通过模型理解客户的喜好和需要，实时对于客户的交易行为、心理偏好等作出预测，建立全渠道实时精准营销体系，对移动端营销甚至更多的业务系统进行实时支持和反馈。

客户健康指数

　　如今，随着移动端App提供了便捷的理财方案，客户在电商中的点击、交易等交互数据包含着客户观看记录、交易金额、交易笔数、交易产品等多维度信息，CRM试图从不同维度对客户进行多层次的解读以更了解客户。然而，为使客户看懂自己的投资偏好、风格以及现状，并进行可靠有效的投资教育，鹏华CRM团队提出并设计开发了客户健康指数算法，帮助客户与营销人员了解客户投资现状，提供交互新触点，并作为补充数据模型的搭建。客户健康指数主要由以下几个部分组成。
　　 
　　 1  定义和构建客户风险等级模型和客户心理预期收益率模型。由于从调查问卷等获得的客户风险等级数据并不准确，我们决定从客户的历史数据结合产品历史表现来定义客户的真实风险等级。这不仅仅关系到客户的交易时间、产品、份额、价格和场所等等，同时在关注客户本身的交易行为时结合当时市场表现。从客户持有的产品的种类、时长、金额到产品本身表现，同一种类的产品持有数量不同也需要被考虑。
　　 
　　针对以上问题，本文首先确定了基于市场行情更加准确的产品风险等级算法，构建好产品分类以及相对于某个时段市场行情的真实风险等级。再根据分析师所选取的时段通过客户持有产品的维度，将产品风险等级作为输入，考察客户历史持有本类产品的时间加权均值。从而计算客户在此时段内所属的风险等级以表示客户对某类产品感兴趣的程度，并用客户此时段内最近一次赎回到截至计算时间的份额加权益率来预测客户心理预期收益率。

　　公式1表示客户在设定时间T范围内的心理预期收益率Rp等于每个等级i的产品份额占比Pi与此类产品历史收益率Rh乘积的和。
　　 
　　 2  建立客户收益相对市场的收益算法和自搭建的不同区间各等级产品的收益率区间。在得到客户自身的偏好信息和收益信息后，为了探索客户在市场行情中的真实表现，加入市场大盘收益信息，将客户此时段内的收益率既与大盘进行比较、同时与当前种类产品所属的风险等级内的市场产品收益率进行比较，交叉定义节点。

　　公式2表示客户在设定时间T范围内的相对大盘收益率Rm等于每个等级i的产品收益率Rh与同类产品相比较后排序得分rank(Rh)再与大盘M进行对比。
　　 
　　 3  允许营销人员对时间进行筛选分析。由用户或营销人员自定义时间粒度，结合客户风险等级、客户预期收益率、客户相对于市场的收益定义客户健康指数评分算法。在CRM上可视化显示客户健康指数标签，并对于外部系统进行输出：例如设计对不健康客户的投资教育、临界健康客户的投资提醒等服务、在移动端向客户展示健康指数变动等（如图2所示）。

图 2   客户健康指数算法图

　　公式3表示客户在设定时间T范围内的客户健康指数St等于客户心理预期收益率Rp与相对大盘收益率Rm的比较得分。

发展与挑战

　　随着营销场景的多元化，鹏华基金IT团队进一步设计模型工厂，包括但不限于客户流失预警模型、RFM忠诚度模型、客户响应模型、交叉销售模型等。从获客、忠诚度激励、预流失和流失等方面提供全方位的预测和营销服务策划，使营销人员能够从多维理解客户、服务客户。
　　 
　　由于我们所建立的模型是基于历史数据实现的，随着场景的发展，模型的准确性会受到极大挑战。因此随着营销场景的丰富和客户需求的增加，需要采用更新的思路。另外采用机器学习模型所得出的结果往往侧重于某些特定类型，泛化效果并不理想，模型过程作为黑盒，使得结果的解读依旧非常困难，这就导致模型结果难以进行分析。
　　 
　　同时选取合适的可视化工具以支持大数据，并与营销场景结合也是对CRM的另一个挑战。一方面，数据越来越具有不确定性，非结构化的数据如何通过可视化工具来展现是需要探索的；另一方面，如何令可视化工具与真实场景结合，使得营销人员和客户能够获得更丰富的信息，设计符合金融特性可视化分析工具将成为新的挑战。

（文章来源：金融电子化杂志）

扫码即可手机
阅读转发此文