当前位置:股票 > 正文
大数据在证券行业客户分析中的应用

  一、证券公司大数据分析的驱动力

  目前券商竞争越来越激烈,竞争焦点主要来自于对客户及其价值的获取。现在更多券商在采用大数据分析和数据挖掘等先进技术获取对客户洞察力,以此准确定位目标客户,优化客户营销和服务策略,使其成为价值客户。近年来,证券行业使用大数据分析来获取客户、经营客户和服务客户,其驱动力主要来自行业发展、数字化、客户需求几个方面。

  二、客户信息整合与客户标签体系

  (一)客户信息整合

  为了便于筛选客户,实施精细化服务,深入了解客户群体分化和多样化的需求,需要利用大数据收集与分析技术。搜集客户在公司信息系统内的交易数据、客户留存数据,再加上外部位置数据、消费数据、信用数据、终端数据、兴趣爱好、人口属性等数据,对客户进行深入挖掘,建立基础的客户数据体系;为了进一步深入理解客户,证券公司利用大数据,将新搜集客户名单与第三方数据关联进行分析,获取客户全方位画像之后,再进行精准的目标定位,将合适的产品或服务推荐给客户。

  (二)客户标签体系

  

 

  相比传统线下用户管理、问卷调查,用户画像可以获取客户更为精准的反馈信息,更及时了解客户差异化特征,进而提供营销策略、运营方向、推广支持。

  客户画像的建立共分五步:

  第一步,数据整合与清洗,主要是将可能需要内、外部数据整到大数据平台。

  第二步,选择业务强相关数据,以筛选内部数据为主。

  第三步,根据业务及覆盖率选择外部数据,为了丰富数据分析维度进行360度画像,需要引入和业务强相关的外部数据。可引入的数据主要有位置数据、消费偏好数据、终端数据、兴趣爱好数据、银联数据、电商数据、社交数据等。

  第四步,对数据分类并标签化,本部分涉及数据挖掘及挖掘结果处理,主要目标是将数据从定量向定性信息转化,以标注成为容易理解的标签信息。

  第五步,根据业务需求,利用客户标签筛选客户。并根据客户分类结果设计产品,确定相应的服务策略。

  三、客户分析数据挖掘应用

  (一)客户细分

  1、客户细分建设背景

  客户细分是市场竞争格局下的一种必然选择,也就是将全体客户划分为多个分组并刻画特征的过程,使得组内客户高度相似,组间客户差异明显,精细化营销活动,生成可控的目标客户群,发现各个细分的客户特性和需求,有针对性地设计营销计划,从中还可以发现战略焦点和业务发展方向。

  2、客户细分建设方法

  

 

  对客户综合偏好的特征指标进行聚类分析,划分出不同类别的客户群,以帮助营销策划人员了解各特征群的客户,进而判断特征客户群的状态特点,为营销或服务活动提供支撑,根据聚类模型可以得出五种客户群。

  不合格投资者:资产量最大、亏损最严重、佣金贡献大

  这类客户可以提供专家级的及时咨询服务,还可以根据客户的特点与需求来设计投资组合,对客户实行差别服务,通过各种手段“挽救”“不合格投资者”。

  沉寂客户:资产量较大、佣金贡献低、交易频率低

  这类客户可以提供咨询服务,如主动提供各项咨询服务、主动传授投资知识、理念并教会各种工具的使用方法等;提供信息服务和情感服务,通过各种手段激活沉寂的客户。

  高端客户:资产量大、佣金贡献高、盈利多

  这类客户可以提供专门的咨询服务,如提供专家级的及时咨询服务、按时提供投资策略报告、客户自选的专项课题研究等;提供特殊信息服务如各种交流聚会活动等,通过合适的办法帮助和留住高端客户。

  潜力客户:资产量小、佣金贡献相对高

  对于这类客户可以提供的咨询服务如专人提供及时咨询服务、按月就宏观、行业研究对客户做简要说明;提供信息服务、投资服务等,通过有效办法激励有潜在价值的客户。

  散户:资产量小、佣金贡献小、交易量小

  这类客户可以提供网络咨询、情感服务等,通过各种渠道让散户感受到自我的存在和公司的服务。

  

 

  客户细分是一个持续演进的过程,模型要随时调整,以保证准确性和有效性,为客户提供周到的服务。

  (二)流失预警

  1、流失预警建设方法

  我们的目的是从“正常”状态的客户中,找出潜在的即将流失的客户,并分析预测得出其流失的原因及表现,推荐针对性的挽回建议,最大限度的挽留有流失意向的客户,指导客户流失预防工作。客户流失管理成熟度可分为五级:

  第一级 初始阶段

  没有事前事中的主动客户流失管理,只有客户流失后的事后分析、案例管理。

  第二级 基本管理

  被动式、事中管理,客户进行撤销指定交易或者转托管的过程中,进行服务补救,客户挽留。没有数据的支撑,但可以事中干预,没有相应应用系统做工作支持。

  第三级 主动管理

  基于业务经验规则设置客户流失预警指标,定期基于预警指标进行客户过滤,进行客户挽留工作。有经验指标数据支撑,有定期客户挽留工作流程,可以基于数据库检索提取指标和客户名单等。

  第四级 量化管理

  用数据挖掘技术建立客户流失预警模型,建立客户流失管理制度、流程和考核机制。有交易数据、基础数据、持仓数据等支撑,有客户保持事前、事中、事后流程,有数据挖掘与客户关系管理平台集成的系统支持等。

  第五级 持续优化

  基于客户发展战略制定客户保持策略,基于客户流失分析,推动产品创新、客户体验服务提升。有内部交易数据和外部互联网移动端数据支撑,有客户流失与产品和服务融合流程,有客户战略地图类更高级的系统支持等。

  以上是客户流失管理的五个阶段,对流失客户的管理有效性是逐级提升的。我们的目标是实现客户流失管理模式从被动向主动,从事后向事前,从经验管理向量化管理的转变。客户流失情况分析如下表所示。

相关链接:

·智能金融如何改变证券业
·数据中心云在证券业中的探讨
·证券IT的价值和困局
·证券行业敏感信息保护体系的分析与设计
·证券市场云平台基础架构解析
·智能投顾的发展现状和未来发展趋势
·华泰证券分布式数据库的探索与应用
·证券业大数据与人工智能发展现状与应用趋势

作者: 来源:吉贝克信息技术有限公司 发布时间:2017-12-21 08:22:50
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任