大数据助力银行差异化竞争 抢滩出国金融服务市场

近年来，政策放开以及人民生活水平不断提升使我国的出国留学人数呈持续总体上升态势。教育部公布数据显示，2016年我国留学总人数达54.45万人，其中自费留学人数49.82万人，占比91.5%。在出国留学火热的同时，境外游也成为居民日常休闲的主要选择之一。国家旅游局数据显示，2016年我国出境游达到1.22亿人次。

对于银行而言，出国留学涉及到外汇、刷卡、存款证明、留学贷款、签证等各类业务。各大银行都设置了出国金融服务中心，专门针对有相关需求的客户办理一站式服务。

商业银行拓展出国金融业务本质在于挖掘高净值客户。尽管出国金融在零售业务板块的占比并不大，利润也不高，但是其高端客户黏性非常强，可以为银行积累更多优质客户，从而开展其它金融服务。

出国金融服务差异化大数据

在各银行纷纷发力零售业务的背景下，出国金融服务已经成为银行最重要的战场之一。对于客户而言，不论中资银行还是外资银行，谁家服务更方便、更贴心、谁能提供更高的价值，成为客户选择银行的出发点。面对庞大的市场及激烈的竞争，各大银行依托自身的能力，从多方面优化出国金融服务，试图依靠差异化服务从市场脱颖而出，取得一席之地。在这个过程中，大数据能够全面发掘、识别客户的各类需求，结合场景化服务应用，从出境的全周期为客户提供精准服务，成为银行差异化的重要利器。

潜在出国人群发掘

潜在的出国人群分布广泛，传统的商业广告并不能让客户有效认知银行的服务。同时，不断上涨的营销费用让商业银行不得不更加慎重，新客获取成本收益难以评判。在这种情况下，商业银行体量可观的存量客户变成了一座尚未被完全发掘的金矿。

在传统的运营模式下，商业银行出于市场分析、内部管理、监管需要，产生并记录了巨量的文本式结构化数据，涉及客户账户资金往来、财务信息等，以及网银浏览、电话、视频等非结构化数据。这些数据虽然具备强大价值，但只能反映客户在本行内的金融行为情况，无法反映客户的其它金融行为以及兴趣爱好、生活习惯、消费倾向等情感数据。

互联网企业一直以来都非常重视跟踪、记录、收集和分析网络使用者在互联网上的行为特征，形成了大量有价值的数据，也探索出了行之有效的大数据分析方法。通过与第三方数据的拼接，对存量人群的兴趣、社交、电商、金融等相关属性关联分析，精准识别客户的潜在出国需求。

某股份制银行在进行出国人群营销时，通过数据的有效拼接，可以有效识别出国人群。

第一类（无需求客户：未使用本行出国金融业务，行外相关行为也不活跃）：客户无相关需求。

第二类（临时客户或成熟型客户：使用行内出国金融业务，行外相关行为不活跃）：客户存在临时需求或者客户已经习惯使用本行服务，无需互联网获取相关信息。

第三类（挖潜客户：未使用本行出国金融业务，行外活跃度高）：客户存在出国金融需求，未找到合作银行或者已在他行使用业务。

第四类（维系客户：使用行内出国金融业务，且行外相关行为活跃）：客户存在出国金融需求，且已使用本行出国金融服务，但希望寻求更好的服务。

银行营销的重点放在第三类人群，该行通过电话外呼形式联系客户，确认存在出国需求人群比例高达31%，并向客户进行结售汇及跨境汇出业务推荐，进一步转化率达到30%以上，人均交易金额超过5万元。

境外场景化权益服务

各银行信用卡纷纷与境外机构合作，为境外消费的多个场景提供权益，但境外的权益场景开拓难度大于国内，很难将权益匹配到所有场景。将特定的权益推荐给特定人群能够有效提升客户的境外信用卡消费。

某股份制银行为配合旅游旺季的到来，决定向其某类信用卡客户提供境外某国超额返现奖励。但此类信用卡客户多，向全量客户发送营销信息成本较高。在与外部数据打通后，通过客户的机票、酒店、旅游、保险、签证、境外WiFi等互联网行为，建立预测模型，寻找出两个月内有该国出国需求并有购物需求的人群，精准发送营销短信。

具体建模指标如下：

为比较效果，该行随机抽取了一定数量的内部客户作为测试组，向其发送短信。结果表明，精准短信营销转化效果比测试组效果提升20倍以上。

交叉产品营销

商业银行对出国人群进行交叉营销可以带来更高价值。零售银行的存款、基金、保险等各类理财产品在此类人群中的接受度相对较高，结合大数据进行精准推荐可以取得良好的效果。

某股份制银行与保险公司合作，定制了一款竞争力较强的商旅套餐作为重点产品推广。根据大数据标签关注用户行为，配合行内相关数据筛选出商旅类高潜客群，配合该行的商旅套餐营销权益进行外呼推荐。通过设置实验组与对照组，根据最终转化效果验证外部数据的有效性。

营销测试过程如下：

（1）实验组目标客户筛选

行方营销目标为商旅保险套餐，潜在客户人群为商旅需求较强、频次较高且具有一定经济能力的人群。

通过大数据，筛选出在出行、投资、汽车方面有较高频次的人群，向该行输入并通过数据匹配与行内数据打通。行方选取客户AUM、结构汇行为等行内数据与大数据进行联合建模，选取评分较高的2万人作为实验组。

具体建模指标如下：

（2）对照组目标客户筛选

从银行客户中随机挑选6万人

（3）结果对比

筛选出相关人群后，将相关名单提供给电话外呼部门，设计话术由其向客户推荐产品及权益。最终结果测试组客户的外呼响应率超4%，而对照组客户响应率不到1%，实际效果提升4倍以上。