管理学论文：客户关系管理与精准营销在银行零售业务的应用

 　目前，银行业生存环境发生巨变。在新经济下，部分行业金融风险充分暴露、主要依靠资产规模增长的粗放型模式将难以为继，银行需要提升对风险的预警和把控能力。同时，金融市场面临金融脱媒、泛资产管理等新的变化，监管新规相继出台，主要依靠存贷利差的经营模式面临挑战，银行亟需加强产品创新，开拓新的收入增长点。在此背景下，我们亟需从战略的角度重视客户化运营，建立以客户为导向的核心战略，系统性研究客户关系管理及精准营销，最终带动零售业务走出发展困局，提升我行零售业务的竞争力。

　　客户关系管理和精准营销应用

　　1. 保险销售数据分析的必要性

　　2016 年，我们坚持以客户为导向的核心战略，推行了客户号考核改革。同时，结合前期的理论研究成果，我们将大数据应用模型与研究课题相结合，逐步构建基于大数据分析的业务发展引擎，并将研究成果逐步应用到期交保险的销售推动实践中。

　　具体来看，我们首先针对现有期交保险产品的持有群体进行了多维度的分析和 360 度画像，并在数据仓库中根据画像精准定位了潜在客户群体，接下来针对特定客群开展了针对性的营销。最终，我们发现，以客户为中心的精准营销显着提升了营销成功率。

　　保险产品在客户资产配置中起到越来越重要的作用，也日渐成为银行中间收入的主要来源。2015 年以来，随着安邦系列保险的引入，趸交理财型保险在北京分行实现了销量的突破 ：2015 年销量接近 30 亿元、截至 2016 年 9 月销量已经超过 50 亿元。而具备保险本质功能的期交保险产品在我行产品销量中则占比较低，销售仍处于起步阶段，营销潜力巨大。为了提高保险产品的营销效率，提升中收贡献度高占用资金少的期缴产品，借助先进的数据分析和挖掘的技术，对最具有潜力购买的部分客户进行精准营销和服务，提高零售客户的保险产品覆盖率并增加保险产品的手续费收入。

　　2. 针对现有销售数据分析情况说明

　　由于期缴保险产品存在产品类型差异，投保人和被保险人的属性差异，下面根据分行和部分合作保险公司已掌握的数据就重疾保障保险和年金保险两个不同大类的产品分别展开分析。

　　（1）重疾保障保险数据分析

　　从年龄分布来看，重疾保障保险的投保人 80% 以上集中于 18 岁至 40 岁之间，该部分客户又有近 70% 集中于 26 岁至 35 岁之间 ；大病保障保险的被保险人 70% 以上集中于 21岁至 40 岁之间，该部分客户又有近 70% 集中于 26 岁至 35岁之间 ；20 岁以下的被保险人数量远高于投保人数量，其中15 岁以下被保险人占比超过 10%。通过数据分析可以看出 ：25 岁以上的客户，随着工作日益稳定及结婚生子，会逐步给自己及子女配置重疾保障保险。超过 40 岁后，随着风险保费的增加，客户的投保意愿会逐步下降。

　　从性别分布来看，重疾保障保险的投保人男女比例为 4比 6，女性投保人比例高于男性投保人 ；被保险人男女投保人比例约为 1 比 1，女性被保险人仅高于男性被保险人四个百分点。通过数据分析可以看出 ：女性客户投保意愿高于男性客户，其不仅为自己购买保险，也为家人配置保险产品。

　　从客户的风险等级来看，购买重疾保险的客户风险等级分布中占比最高的为稳健保守型，占 28.5% ；非常保守型、中庸型和温和成长型占比均在 18%-23% 之间，占比相对平均 ；积极成长型客户占比不足 10%。通过数据可以看出 ：客户的风险等级主要分布在风险等级一级至四级之间，但并没有非常显着的分布差异，说明不同风险等级客户购买重疾险的需求和意愿差异性不大。

　　（2）年金保险数据分析

　　根据一款提供养老社区入住资格的年金产品的客户数据进行分析。从年龄分布来看，41-50 岁的投保人占比高达51.8%，31-40 岁和 51-60 岁的投保人合计占比超过 40% ；被保险人的年龄分布较为平均 20 岁以下和 41-50 岁各自占比超过 25%，21-30 岁和 31-40 岁各自占比接近 20%。从以上数据分析可以看出 ：年金产品从其产品特性来看，很大程度被用于养老规划及财富传承，因此购买客户多为经过多年积累有了相对丰厚的资产、并达到了该做养老规划和财富传承计划的年纪，因此投保人以中年以上客户为主。出于财富传承考虑，很多投保人将子女定为被保险人（同时也是受益人），因此出现投保人和被保险人年龄分布差异较大的情况。

　　从性别分布来看，年金保险的投保人男女投保人比例约为 4 比 6，女性投保人比例高于男性投保人 ；被保险人男女投保人比例约为1比1，男性被保险人高于女性被保险人0.4%。通过数据分析分析可以看出 ：女性客户年金保险的投保意愿高于男性客户，对个人的养老和财富传承安排计划性更强。从客户的风险等级来看，购买年金保险的客户风险等级分布中占比较高的为稳健保守型和非常保守型，两项合计占比 64% ；中庸型占比约 20% ；温和成长型和积极成长型客户占比均不足 10%。通过数据可以看出 ：客户的风险等级主要集中在风险等级一级至三级，合计占比超过 80%，说明风险等级较低的客户对养老和财富传承的需求更强。

　　从学历分布来看，投保人中本科及以上学历投保人的占比略高，由于存在近三分之一投保人学历并未告知，因此数据准确性仍需要进一步完善（注 ：此项信息在数据收集中缺失较为严重，缺失比例约 29%，因此，此项数据仅对可得到样本进行分析）。

　　本次数据分析的实际运用结果

　　针对本次数据分析得出的初结论，项目组选取了情况不同的三家支行进行了实际测试。三家支行囊括了规模中等偏大支行、中等规模支行和次新支行，每家支行选取 50 名客户，电话邀约客户来行并进行产品推荐。我们选取了招商信诺的心悦人生两全保险和招盈二号年金保险计划作为测试产品。

　　测试具体流程如下 ：第一步，大数据筛选客户。三家支行的理财经理通过SA系统加入筛选条件"25周岁至40周岁"且"女性"，风险等级在一级至四级之间，导出符合条件的客户样本A ；通过 SA 系统加入筛选条件"31 周岁至 60 周岁"且"女性"，风险等级在一级至三级之间，导出符合条件的客户样本B。第二步，将两部分客户一起作为目标客户群体分别进行电话邀约。第三步，向样本 A 的客户推荐重疾保障保险，向样本 B 的客户推荐年金保险。

　　经过为期一个月的实际销售监测，样本客户的平均销售成功率为 12%（计算方法 ：实现销售的客户数 / 致电邀约成功的总客户数）。其他选择相同合作保险公司的支行作为对照组，其平均销售成功率在 3% 到 5% 之间。由此可见，经过客户客户画像后的精准营销，很大程度的提高了营销的成功率。

　　对本次数据分析的补充与完善

　　本次数据源来自于保险公司在我行及其他渠道过往的销售样本，数据中信息量较为有限。因此，此次数据分析还有进一步完善的空间。在客户特征信息中，诸如客户职业、级别、受教育程度、开卡年限、持有产品种类、办理业务渠道等重要要素可以更深入的提取和挖掘，进一步细化所选择客户的范围，更加精准的定位营销客户群。

　　在期交保险的销售过程中，除了大数据作为协助工具之外，一线理财经理的专业性及客户把控度亦至关重要。首先，客户对销售人员的信任度是保险销售的重要因素，在长期信任的基础上进行销售势必事半功倍。其次，在与客户沟通中，要有意识的引导话题，了解一些重要的突发事件，例如结婚生子等事件，能够触发客户的责任感、身边亲友发生疾病等事件也往往能够引起客户的危机意识，这些都是促成客户决策的重要因素。最后，销售人员要通过有效的日常沟通去掌握和了解的客户内心需求，针对不同客户的特殊需求介绍相应的保险产品，有助于进一步提高营销的成功率。

　　虽然研究结果显性相关，我们也必须清醒的认识到，研究时间不够充分、研究样本相对单一等，在受多方面条件制约的情况下，我们的研究仍然停留在表面。客户关系管理及精准营销，是趋势性前沿课题，值得我们用更长的时间和更多的精力去深入挖掘。