返回首页
当前位置: 首页 > 客户反馈

注册就送68无需申请:客户反馈大数据精准挖掘银行客户营销和服务诉求

时间:2020-01-22 01:06:42来源:本站 作者: 点击:
  

  注册就送68无需申请:客户反馈大数据精准挖掘银行客户营销和服务诉求:大数据技术正在为每个领域带来变革性影响,成为各行各业颠覆性创新的原动力和助推器。随着银行服务边界的扩展、客户接触渠道的多样化,银行的数据种类和数据量剧增,银行业因势而动,利用大数据技术澳门百乐宫官网通过对数据的研究和应用推动自身发展和创新。银行依托大数据平台可以进行客户行为跟踪与分析,进而获取用户的消费习惯、风险收益偏好等。针对用户这些特性,银行等金融部门能够准确实施风险管理、精准营销、经营分析、绩效考核等。本文以理论和实例相结合,针对银行客户精准营销和服务方面,浅谈大数据的场景化应用。

  银行依托数据仓库和信息库,加强线上线下联动及全渠道信息的整合共享,全面融合并综合利用行内外各类信息,包括结构化、非结构化的信息,形成全行客户的统一视图;通过数据深入分析客户的消费偏好,准确发现并预测客户的金融需求,设计有针对性的产品,提供个性化的服务。

  银行可基于数据仓库实现客户特征的分析,可以根据客户基本信息、持有产品、交易行为等进行目标客户的分析和筛选,并实现精准化营销的闭环管理流程,为真正向以客户为中心的转型发展奠定良好的技术实现基础。

  以贵阳银行为例,通过亿信华辰的BI产品,实现客户风险统计报表、标准库、举证反馈、即席分析财务报表、固定报表、客户关系网、担保链、领导驾驶舱等八大模块建设,系统覆盖了客户风险月报的常用固定报表、分析报表、综合查询、等业务需求;为了满足业务人员能够灵活便捷地对财政收支数据进一步分析,开发实现了自助分析功能,为制定客户画像、规划营销重点等工作提供数据支撑。

  再举一个例子,某银行以理财产品营销为切入点,建立了保本理财客户预测模型。通过提取某分行辖内7月购买保本理财产品的四星级以上客户,观察其在购买前半年的表现,选取与客户购买产品紧密相关的信息,通过 SAS EM中的决策树、评定模型( Logit模型)、神经网络模型分别建立购买预测模型,并从中选择最优模型来计算客户在未来一个月内购买保本理财的可能性,精准定位目标客户。通过模型,短信营销客户反馈率较全行平均水平提升了11倍;客户经理营销客户购买率较以往提升4倍以上,营销成功率显著提升。

  在银行客户服务方面百乐宫娱乐官网游戏大数据也提供了更加便捷智能的选择。商业银行每天都会从不同渠道接收到海量的客户心声,包括客户的投诉、抱怨、建议等,而这些正是银行提高客户服务效率和质量的基础。

  以前都是通过监测分析人员随机抽查来分析客户到底具有什么样的需求,但这种处理方式不仅容易遗漏一些重要的建议和投诉,而且其庞大的工作量也难以保证这些建议和投诉的合理分类和正确处理。如何处理这些非结构化数据,才能获得客户的真正需求,才能提高服务质量和降低成本,是银行使用非结构化数据价值的一个挑战。一般来说,可以通过下面的步骤和方式来实现客户需求的深度洞察。

  对客户意见进行分类:对客户意见进行分类可以分析各类别意见的发生趋势,提升对应部门处理效率。但是,在分类时要结合具体业务处理流程和实际场景。简单来说,其实就是要给各类意见打上标签,比如这类意见反映的是哪类产品,如银行卡、自助服务等。

  对热词进行分析:热词分析就是要从客户反馈中提取最频繁使用且意义较明确的词汇,从而形成可视化的意见词云,但是有时候无法精准表达客户意见,存在一词多义和多词一义的情况,例如柜员、工作人员等,因此需要将纷繁杂乱的描述语句进行归并、抽象、提炼,从而形成统一、概括的表示方式,例如对象属性-评价。

  选择贴合业务场景的分析模型:文本分析模型有很多种,商业银行要选择适合自己的模型进行文本分析和挖掘,如是用朴素贝叶斯模型,还是LDA模型或者抽象出本体模型。选择出合适的模型后再根据实际情况进行训练。一般来说,只有文本数量较多时才会使用合适的模型进行自动化训练。

  小结:以上是大数据在银行客户营销和和服务场景下的典型应用。当然大数据的应用也不仅仅局限于此,在银行风险管理、经营管理、绩效考核等方面,注册就送68无需申请大数据也在发挥着越来越大的作用,具体内容我们下次分享。亿信华辰是智能数据全生命周期产品与服务提供商,目前亿信产品已成功应用于中国人民银行、中国进出口银行、中国农业发展银行、北京银行、天津银行近200家各类银行机构,为亿万用户提供大数据服务。返回搜狐,查看更多

来顶一下
近回首页
返回首页
------分隔线----------------------------
发表评论 共有条评论
栏目最新
热点内容