中原银行数字化营销体系建设实践

在 2020 数据驱动用户大会金融专场内，中原银行数据银行部零售营销团队负责人张本晨从数字化营销建设的目标、方法以及实践落地三个层面，系统介绍了中原银行的数字化营销建设历程。本文根据其现场演讲整理而成。

数字化营销的目标

谈及数字化营销前，有必要对曾主导银行业营销模式的关系营销进行简单介绍。关系营销是一种以考核为驱动，以关系为中心的营销模式。它的执行路径一般是通过考核指标倒推出需要营销的产品，再借助客户经理和客户建立的关系完成营销。

其弊端在于，如果营销人员及客户经理离职或者跳槽，客户就非常容易流失。在关系营销中，银行组织或银行的职能团队更多地负责考核指标的制定及产品研发，最后依靠关系来帮助银行创造价值。

随着信息技术越来越多地应用到银行的经营管理中，营销也逐渐从粗犷向精细转变，开始进行客户细分，但这一阶段仍以一次性营销为主。

而随着互联网、大数据、人工智能的发展，银行也不断地引入了这种以数据挖掘和事件分析为代表的洞察方式，营销也正式迈入了数字化营销的阶段。

数字化营销是以数据为驱动，以客户为中心的营销模式，包括数据洞见和客户运营两部分。

在数据洞见环节，需要去分析客户的痛点，寻找我们的高潜客群，同时基于客户对产品、营销渠道和交易渠道的偏好进行洞察，最后进行精准营销。

在客户运营环节，需要收集各类数据，基于数据分析进行营销活动迭代及产品迭代。

麦肯锡的研究显示，成功的数字化营销能够让银行的销售生产率提高 20%，客户流失率下降 25%，交叉销售成功率提高 160%，业务表现能够得到显著的提升，预计年收入提高 35%，净推荐值提升 8%-10%。

数字化营销实现了从数据洞见到客户运营全环节的数据化，其目标是通过数据驱动的方式提升效率，真正为客户创造价值。

数字化营销需要数据洞见的支撑，产生数据洞见的方式通常有两种：

第一种是“数据 + 经验”，通过数据获取、整合以及指标归纳，加上业务的经验，就能产生数据洞见。这种数据洞见的产生成本较低，常见应用场景包括营销分析、运营分析、产品分析、流程改进等等。

第二类是“数据 + 算法”，通过采集多维数据，进行特征提取，采用机器学习算法，形成数据洞见。这种方式应用成本稍高，不仅需要有业务经验和数据洞见能力，还需要有专业的数据分析师，机器学习专家。但相对“数据 + 经验”，可洞察的数据维度更丰富，较适合应用于智能推荐、千人千面等复杂场景。

要真正实现数字化营销，需要从以下四方面入手：

1.数据方面，借助大数据技术，不断提升埋点采集能力、数据整合能力、数据深度挖掘能力，让银行的数据真正产生价值。

2.营销渠道方面，随着营销需求的变化，需要持续创新渠道生态，打破渠道壁垒，形成线上线下渠道协同，发挥银行渠道优势。

3.营销方式方面，需要扩展和优化营销方式，除优化传统名单营销精准度，还需借助实时计算能力，扩展事件驱动营销，引入互联网推荐技术，进行千人千面的广告投放。

4.营销运营方面，好的营销并非一蹴而就，需要不断地打磨和优化，所以需要建立完善的营销运营机制来保障我们的营销不断地迭代，同时还需要提升运营分析能力和产品迭代能力。

数据是数据洞见的基础。银行的数据有别于互联网和其他行业，银行不仅有精准的客户信息数据，还有丰富的客户金融数据。并且随着埋点技术的发展，银行能够获得越来越多的访问、浏览、点击等行为数据。在规模化数据的基础上，需要整合多维度数据，形成丰富的客户标签。

将数据转变为洞见的方法有两种：第一种是将业务经验封装成场景，再加上数据，形成一套自助分析的数据洞见方法；第二种是将算法封装成模型，再加上数据，形成一套人工智能的数据洞见方法。

通过数据洞见发现的客户需求，就是精准的营销线索。通过数据洞见，可以发现营销环节中存在的问题，不断进行优化。

有了数据洞见产生的营销线索，我们接下来需要借助营销渠道去触达客户。

银行不仅拥有强大的线下网点基础，还拥有手机银行、微信银行等线上营销渠道。

过去这些营销渠道都相互独立，因此需要从传统的单渠道营销、多渠道营销，逐渐转变为线上线下全渠道协同营销。

全渠道协同营销可跟踪记录客户全渠道旅程的行为数据，建立客户与银行互动的完整视图，并通过数据识别关键痛点，优化客户旅程，进而提升用户体验。

在营销方面根据客户渠道偏好，个性化选择和设计触达渠道，提高营销成功率。

想做更优质的营销，就需要考虑使用多样的营销方式。名单营销、事件驱动营销和广告投放是三种主要的营销方式。

传统名单营销是将营销线索定时批量推送到营销渠道，来实现客户获取、客户经营，其特点是高效。
事件驱动营销则是实时侦测客户行为变化，并匹配相应的产品，推送到渠道。事件驱动营销带来了更多营销场景和机会，需要对场景有正确的判断。如果场景选取适当，就可事半功倍，反之适得其反。
广告投放随着互联网推荐技术的成熟可引入推荐算法，结合客户的交互行为与算法，实时动态调整营销广告，真正做到千人千面的广告投放，其特点是需要注重客户的交互行为，实现个性化推荐。