1. 找Saas首页
  2. Saas资讯

神策数据杨宁:券商财富管理数字化转型客户全生命周期

0.jpeg

收入下滑、客户增长红利消失,中国证券业进入转型期。历时三个月,我们对市面上 49 家大中型券商进行了深度调研,本文根据《财富管理数字化转型现状与趋势洞察报告》系列解读课 1 中神策数据业务咨询专家杨宁的演讲整理而成。

我们先来看下证券行业发展经历的几个阶段:

中国的证券史只有 20 多年,相对于银行等其他的行业来说,可能会比较短暂。而在这 20 多年里,中国的证券史主要经历了三个阶段:坐商;行商;行商新阶段。

证券的三个阶段:

第一个阶段,坐商,即券商在证券公司等待客户主动过来,在这个过程中,券商较少有积极主动的出击行为。券商的收入也主要靠客户的交易通道来获取,基本上属于一种靠天吃饭的状态。

第二个阶段,行商,即券商主动出击,建立了自己的营销团队。这种营销团队可能是客户经理形式的,也有可能是经纪人形式的,并且有了一些外部展业的场所,比如银行渠道驻点,或者一些其他渠道的驻点。

第三个阶段,行商新阶段。该阶段主要是行商的互联网化、在线化。它是原来渠道和展业形式的一种拓展,把一种有形的展业变成了无形的,把线下的变成了线上的。同样券商的合作渠道也从原来的单一银行为主,扩展到了第三方市场,或者一些在线流量平台。

第一、第二阶段本质上还是守株待兔式的获客,第三阶段便成了主动出击。该演变背后体现的是技术发展的逻辑,核心在于交易行为,客户在交易的过程中,采用何种交易方式直接影响了券商提供服务的商业半径大小。

在目前的阶段,我们通过调研发现,近 70 % 的券商认为数字化转型是公司全局的战略核心,更是有 85% 的券商将数字化转型作为财富管理业务的重要领域看待,可见,数字化转型是赋能券商未来增长的源动力。

主要原因来自于,过去券商的业务主要是经济业务的增长,是靠天吃饭,但现在客户的交易量完全取决于云计算,受经济发展周期的影响比较小。为加强数字化转型,我们研究了 6 个关键发展方向,如下图:

1.png

以上是从券商自身的发展大方向总结的,再结合客户来看,券商也越来越重视客户全生命周期的价值,如下图:

2.png

该图中客户划分了 6 个阶段,第一个阶段是潜在客户,对于券商来说主要是提高品牌价值,让更多客户看到产品销量、评奖、媒体报道等,以降低获客门槛。

第二个在获客阶段,券商主要发力在如何更好的提高客户在开户过程中的感知,降低客户的流失,特别是目前客户的开户成本非常高,基本上一个千元户的成本,可能要 300-400 元,一个万元有效户的成本可能在 800 甚至 1000 元左右,因此每个客户都需要珍惜,一旦流失,是直接的现金成本损失。

第三个是客户价值提升阶段,简单来说,就是对客户的服务支持、客户需求的理解、客户需求与产品的匹配等。

第四个是客户需求变化阶段,该阶段与客户价值提升阶段是相辅相成的,我们会发现客户的需求量会不断上升,过去认为客户的核心诉求主要是炒股,后来经过对客户的行为洞察,发现客户的核心诉求可能是做资产配置、财富管理等。针对客户真正的核心诉求,企业便需要做更好的产品匹配,个性化的服务、资讯触达等,让客户在整个过程中获取到更大的价值,且需要根据不同客户的需求变化或升级,进行及时的产品服务调整,以避免用户的流失。

第五个是客户流失阶段,该阶段券商需密切关注用户的流失行为,比如企业可以做一些关键行为的监测,当客户产生流失高频动作时,可以对客户做一些运营工作,帮助客户回归,以延长客户全生命周期。

第六个是客户回归阶段,此时会综合客户的一个增长乏力情况、活跃度情况并结合交叉营销等对客户的沉默现状做个洞察,并结合自然属性、行为数据、偏好等进行精准的价值定位,再进行一些针对性的运营动作,进行客户赢回。

基于客户全生命周期的介绍,我们可以看下券商数字化运营模式的持续进化,如下图:

3.png

在 1.0 阶段,属于流量粗放经营,券商的运营的流量和活动管理在线下的比重比较大,此时个人的意志比较占主流,运营人员也比较注重线下的服务经验,流量属于粗放经营。

在 2.0 阶段,属于标签细分运营,券商开始做标签化的客户管理,尝试理解客户的不同价值,形成了 MOT 计划的运营形式。

在 3.0 阶段,属于 SDAF 用户精细运营,主要特征是特征行为识别、实时&智能运营策略、用户全生命周期价值挖掘。基于大数据技术和用户行为分析的发展,券商针对客户行为特征、客户账户数据等会产生大量精准的客户标签,并实时的对客户进行智能触发,结合全生命周期对客户进行实时的需求洞察,以大数据为底层基础,实现客户感知,并根据感知与分析,实现科学决策,基于决策做一些动作,促进客户进行目标事件的转化,这些动作也是比较个性化的,比如根据年龄、性别、地区、风险偏好、资产规模等进行不一样的运营动作,实现目标转化。

举个例子,以前客户多次浏览基金详情页,但最终没有下单,这部分客户可能就自主流失了,而现在基于特征行为识别,可以实时发现这些可召回用户,通过一些个性化的 push 或相关资讯的触达,可帮助客户完成这次交易行为,一些有效的召回手段也可以从中挖掘客户的真实痛点,进行产品或服务的调优,促进客户转化,如此一来可实现业务的闭环,这也是用户精细运营的核心逻辑。

下面我们看几个具体场景(图中数据均为虚拟)。

场景一:某券商新开户流程洞察与优化

券商在线开户大概是从 2014 年开始的,从 PC 在线开户到手机在线开户大概已经发展了 6 年多的时间,基本上已趋于稳定,各个券商间开户的成功率也相对比较接近,那是否没有了优化空间?当然不是,比如券商客户开户的第一个步骤,一般是输入手机号,并获取验证码,特别是新客户的手机号可能是一个新的号段,而新号段有可能被后台手机号校验规则自动拒绝导致开户失败,因此,通过神策分析定位这个问题后,并进行了优化,最终使开户成功率 59% 提升至 90%。

场景二:客户是长线投资偏好吗?

一个客户是长期投资客户,还是短线投资客户,在过去是很难判断的?现在,通过特征行为识别可以精准的把客户圈选出来。

比如一个客户在做 K 线选择时,可能会更偏好短线、1 分钟线、5 分钟线、15 分钟线,他在看投资研报时或资讯时,可能会关注更实质性的资讯,如业绩快报、突发事件,阅读这些资讯后下单,可以判定客户是一个短线客户交易为主,若不基于行为观察,直接进行长期产品的营销,其转化力度将不是很高。

比如一个客户在做 K 线选择时,更偏向周线、月线、季线、半年线、年线的方式查看股票行情,其关注的资讯可能更宏观,因此,他在投资上会更关注长期投资的产品。

基于此,我们可以通过客户的行为去提前预判客户可能是一个长线投资客户,还是短线投资客户,通过数字化洞察,我们可以看到客户的价值点在哪,其转化的价值多大,并进行及时的精细化运营,如给短线投资客户做行情订阅,给长线投资客户做任务基金。

场景三:洞察客户投资偏好,进行精准匹配触达

基于精细化运营,券商可以做更精准的匹配触达,还是以长线客户和短线客户举例,长线客户洞察服务匹配:行业资讯推送订阅,产品客户转化(行业板块基金,被动型指数基金,FOF 等);短线客户洞察服务匹配:L2 行情推荐,实时资讯推送订阅,期货外盘行情等。此外,还可以进行更进一步的针对性运营,如一次客户触达尽可能完成多个目标(多部门,多 KPI),如浏览科创板行情(资讯)后的客户转化既可以是开通权限(满足开通条件,高净值),也可以以科创板基金进行转化(不满足开通条件,低净值)。

场景四:券商流失客户产品手段促进回流

目前,券商的引流成本不断攀升,千元有效户引流成本:300-400 元/户;万元有效户引流成本:800-1200 元/户。该成本不仅还在持续增加,而且羊毛党也导致客户引流风险增大,所以存量客户的价值在财富管理转型趋势下,被越来越重视。

客户留存是财富管理转型中一个重要要素,足够的客户体量才能给财富管理转型以足够支撑,而一人多户情况下,客户并不需要直接销户,只需要另外开户(资金划拨)即可,所以,通过客户的高风险行为的及时识别,来杜绝客户的隐性流失风险也是客户生命周期管理的一项重要内容。

比如,客户的资产持续流出、大额资金出 50W 以上、资金流失率 90% 以上以及在终端客户新开一年多后,股票持仓大幅亏损、长期未使用等行为都是高风险行为,可以先进行预警设置,在客户流失前进行运营干预。

如下图,通过神策分析和神策智能运营,可以进行流失挽留体系的搭建。

4.png

券商可以通过不同维度(客户群维度、地域维度、时间维度、流失指标阈值维度),确认 AB 流失测试组,结合监管及风控角度,可以更好及时、准确的捕获客户行为,为后续风险提示等自动化触达做好基础。

再通过 AB TEST,A 组找到归类,B 组回测验证,形成客户行为预警(事前事中)与账户预警(事后)相结合的 MOT 监控体系,并结合神策智能运营进行自动干预与人工干预相结合的流失挽留实践。

比如,客户不活跃可以推送产品及服务帮助客户活跃,如 L2 权限,VIP 理财产品等;客户权限不足可以调整服务角度,如不满足新三板开通权限要求,可以推荐新三板基金等;利用事件管理进行客户高危行为跟踪,并利用自动运营与人工监控模型相结合;根据历史经验,可以让客户隐性流失率至少下降 40% 以上,在本案例中与对照组相比提高了 365.05%。

场景五:某券商客户线上线下 CRM 打通

证券公司的展业行为很多依靠线下,线上运营往往需要线下配合,同时线下团队也希望了解线上客户行为。通过全栈数据的打通,可以让交易柜台、客户行为、交易、账户等数据进行融合,通过全面的整合进行客户真实需求的洞察,并优化产品和服务,通过智能触达促进客户完成转化目标,此外,还可做效果的回收,进行评估客户完成了哪些行为,是因为运营动作还是客户自主完成等,再进行针对性的优化,这样线上线下形成了一个完整的精细化运营闭环,加强价值释放。

场景六:某券商基金个性化推荐

千人千面是个性化时代的大趋势,过去在数据未打通时,个性化推荐的实现与价值均有限,但现在券商真正可以做到根据不同客户的行为、资产规模、使用深度等进行个性化功能列表、基金推荐、功能展示、轮播图、专题等,如给老客户推荐更符合他习惯的产品,给新客户推荐热门产品供挑选,保守型客户推荐低风险产品等。

5.png

某券商企业联合神策数据配置产品推荐规则,根据客户行为和属性,动态展示产品,最终,使 CTR 提高 60%,产品销售量提高 10%。

综上,我们做一个小的总结,券商可通过全面观察用户特征、还原用户全流程行为,及时地进行用户精细化运营和触达,包括主动触达和被动触达,通过客户旅程的完整策略与智能工具相匹配,形成一个感知、决策、行动、反馈的闭环,建立完整的券商数据驱动拼图,以实现业务目标的高速增长。

6.png

本文来自牛透社,经授权后发布,本文观点不代表找Saas立场,转载请联系原作者。