小細節，大數據

　　文/Vin Malhotra, Sudhir Jain and Rahul Kumar

　　編譯/章飚

　　大數據的概念早已風靡全球，怎么應用、怎么落地也都是眾說紛紜，好不熱鬧。單就銀行來說，利用大數據來對客戶的情緒進行分析，然后對客戶可能的購買意向進行預測，是當前可以從大數據浪潮的誘人前景里淘到的真金。

　　大數據概念的興起似乎還是昨天的事，但托這個高速發展時代的福，我們已經可以看到很多成熟的大數據應用工具了。在很短的時間內，我們就能在茫茫的數據海洋中精確定位、分析，并拿到自己想要的結果。當然，這些技術的進步并非由銀行推動，大型零售商、網上商城和各種門類的技術公司才是大數據的主導者，只不過，經過他們的探索之后，大數據也為銀行打開了一扇精確營銷的大門。從長遠來看，銀行如能充分利用大數據的優勢，可以在市場細分、客戶服務、客戶研究、產品研發、產品測試等等方面取得重大進步，并在某種程度上徹底改變銀行服務客戶、銷售產品的方式和渠道。

　　當然，這一切的前提是銀行能找對切入大數據時代的方法和工具。對于銀行來說，以正確的數量模型和分析方式來契合銀行目前的業務需求，是合理利用大數據，達成更多經濟回報的關鍵。其他行業的經驗已經證明，大數據固然好，但如果不能對數據進行有效篩選和正確利用，最后只會賠了夫人又折兵。尤其銀行是一個比較特殊且敏感的行業，在全局層面徹底進行所謂大數據革命是不實際的，正確的做法是從小的具體業務和關鍵節點入手，以能被銀行現有管理架構和外部監管機制接受的方式，逐步將大數據納入銀行的經營體系中來。

　　舉例來說，當前銀行業普遍在為兩件事頭疼：留住客戶、滿足客戶的期待。對于這兩個難題，大數據機制下的情緒分析和行為預測可以發揮意想不到的作用。

　　分析客戶情緒

　　傳統的客戶意見收集及調查方式往往以一個組別為單位，通過對于部分群體客戶的調查和研究，銀行可以得到客戶方方面面的情況。隨著時代的進步，這樣的方式在獲得客戶金融消費的最新趨勢、挖掘客戶隱藏的需求等方面已不太管用。最為致命的一點是，這樣的客戶信息、數據收集方式往往耗時較長，花費更多，但最終得出的結果又往往無法應對客戶實時產生的需求變化。

　　所謂情緒分析，是指收集客戶在包括社交網絡在內的網絡平臺上的言論和活動，不僅包括他自己的部分，還包括他最近關聯到的其他好友，由此得到的數據，經過一套科學設計過的計算、分析系統，得出某個具體客戶近期的情緒走向，為預測客戶行動、幫助銀行指定具體的應對措施提供幫助。

　　在這里，“情緒”并不簡單代表客戶的情感變化，還包括客戶的態度立場、情感傾向等等。這在以往的調查分析工具中，是極難把握的東西，但在這個自媒體時代，這樣的信息散布在網絡上，極易獲取、分析。而且抓取、分析這些數據的方法已經相當成熟，從宅在家里的技術男，到正經嚴肅的學院派，大家都在推出這樣的工具。銀行只需要選擇一個比較穩定的技術供應商，并將結果實時反饋、整合到自己的系統中來，就能在第一時間確定客戶對于銀行的產品、服務、定價或政策調整的反應，并采取合適的方式應對。如果客戶的反應對銀行有利，銀行可以及時介入，對客戶的情緒加以引導，以實現更好的服務和銷售；如果客戶對銀行表露出不太好的情感，銀行也能及時發覺并積極處理，進一步提升客戶的服務體驗。

　　下面舉出幾個銀行必須及時關注的客戶表態例子：

　　? “XXX銀行在小微業務上的確很好用，但缺乏合適的當天到賬服務就太那啥了！”

　　?“XX銀行的網上查閱賬戶余額功能的確設計得不錯，但客戶服務的一些細節真的有待改善。”

　　以普通人的角度，這不過是兩句簡單的客戶意見表達而已。但在情緒分析工具的幫助下，通過對于“好用”、“缺乏”、“改善”等關鍵詞匯的識別與統計，以及對于上下文意思的了解，就可以形成一張完整的客戶情緒變化表，將更多的客戶情緒變化匯集到一起，就可以形成一份頗具價值的報告（所謂輿情監控就是這類報告的簡單形態）。通過這些報告，銀行可以知道自己在客戶心中真實的反饋，并知道客戶最需要銀行在哪些方面做出改變。也就是說，銀行可以得知客戶的“心愿單”，并將此納入自己的產品、服務革新計劃當中，逐一予以滿足。

　　對于銀行來說，客戶情緒分析最有用的一點是幫助銀行更有效率地回饋客戶。我們都組織過各種客戶回饋活動，但又不知究竟應當挑選哪些客戶進行回饋、哪些客戶經過我們的維護可以促成更多的交易——大部分時候，銀行只是完成既定的任務，將禮品派送出去就完事，以為這樣就能在激烈的競爭中留住自己的目標客戶。而現在，銀行可以在客戶情緒分析工具的幫助下更有選擇的進行類似的活動。例如，近期要做一個針對產品的活動，就以產品為關鍵詞，對當前的客戶情緒進行研判，得出主流客戶群體對于我們產品的態度，再依照態度的不同來選擇不同的活動策略和活動力度。這樣不僅能幫銀行節約成本、提高效率，最為重要的是，這也是維持現有客戶忠誠度，并盡可能多地吸收目標客戶的有效方式。

　　當然，批評者會說，目前雖然有大量的客戶情緒分析工具，但這些工具的可行性與分析結果的真實性一直都存在疑問。已經有一些銀行依照這些工具的幫助進行了一些實驗，效果并未如想象中理想。那么，銀行應當怎么應對這種尚處在完善過程當中的新興事物呢？我們的態度很明確：雖然這還是一個有待完善的工具，但大數據的整體趨勢是不容置疑的。當銀行等到一切都齊備完善到不會出錯時，其實就已經落后于時代的腳步了。要想成為行業的領軍者，就必須承受創新可能帶來的負面效應。

　　預測客戶行為

　　比分析客戶情緒更大的挑戰是預測客戶行為。關于大數據如何應用于預測客戶行為最早最著名的例子，來自美國第二大超市塔吉特百貨。明尼蘇達州一家塔吉特門店曾被客戶投訴，一位中年男子指控塔吉特將嬰兒產品優惠券寄給他的女兒——一個高中生。但沒多久他卻來電道歉，因為女兒經他逼問后坦承自己真的懷孕了。塔吉特百貨就是靠著分析用戶所有的購物數據，然后通過相關關系分析得出事情的真實狀況。

　　對于銀行來說，正確地預計消費者的需求，并及時組織好可匹配的產品與服務響應客戶的需求還是一件比較難完成的任務。這需要大量歷史數據的儲存與分析，還需要有應對各種行為可能的預測機制（不同的行為意味著不同的算法），才能實現塔吉特百貨那樣“料事如神”的效果。令人頭疼的是，零售銀行所需的數據關聯性與零售商業的數據存在著一定的差異，因此需要針對銀行產品和服務的特點進行重新設計。只要銀行能解決這樣的問題，并把分析的結果實時、具象的體現在前端營銷人員的電腦、手機里，就能幫銀行解決很多眼下頭疼的問題。在全局層面上，這樣的預測機制也能幫銀行少走很多彎路，避免不必要的資源浪費。

　　銀行可以根據客戶以往的消費記錄，尤其是與金融產品直接相關的消費記錄，以及目前所持有的銀行產品的使用情況建立數據收集模型，通過一定時間的數據收集和分析之后，便能為銀行下一步的產品策劃與營銷提供翔實的數據參考。在此基礎上，諸如交叉銷售、深度挖潛、提升單個客戶貢獻度、保持客戶忠誠度等等業績或營銷目標都能更輕松的完成。當你知道客戶的情緒變化，還知道客戶可能的購買需求，只要你能以合適的方式將客戶所需要的東西及時遞上，客戶自然會樂意接受。

　　以合適的方式來發揮大數據的效用非常重要。大數據可能帶來的一個負面效應就是客戶隱私的被侵犯，前面提到的塔吉特百貨就是一個例子。在這個事件之后，塔吉特百貨調整了自己寄送優惠廣告的方式：當發現某位客戶可能懷孕之后，塔吉特百貨還是會寄送一份包含孕婦所需產品的小冊子到她手上，只不過通過視覺排版、其他品類產品交叉排列等等方式，在不引發客戶那種“被窺視”的反感的前提下，實現了產品的精準推薦。最終，在大數據的幫助下，2002年到2010年間，塔吉特百貨的銷售額從440億美元增長到了670億美元。

　　值得一提的是，大數據應用還能幫助銀行實現有效的風控。國外已經有一些金融機構利用大數據來幫助金融產品交易、信用卡消費等方面的風控。尤其是在信用卡、無抵押貸款等產品上，通過大數據建立的模型，銀行能準確的知曉某個客戶的生活和消費情況，從而選擇是不是要發放卡片/貸款給他，或者要不要給他提升額度、延遲還款期。一旦某個客戶出現異常行為，銀行也能在最短的時間內知曉，并采取相應的措施防止風險案件的發生。

　　總之，雖然還不夠完善，但大數據擁有無可限量的未來。銀行需要趕緊加入到這個潮流中來，并盡早從戰略層面對大數據加以傾斜，這樣才能在競爭中占據有利位置，無論銀行的對手是誰。