作者：迪铭

 

    目前，各大企业都在走“以客户为中心”的道路，以客户为中心，就要求我们对客户有足够的了解，我们提供给客户的服务、产品才是客户所需求的，一切围绕客户的需求来制定策略和战略。

 

    如何才能了解我们的客户呢？一种方法就是做客户访谈，但这只能覆盖到很少一部分客户，尤其对于金融行业来说，各个金融企业都拥有基数庞大的客户群，这样的方法难以覆盖到其余客户。还有一种方法就是基于定量分析的方法来了解我们的客户，但这样同样也存在一定的难度，主要在于客户信息的整合上面，但不同的细分行业却面临不同的问题和难点。例如，对于基金行业，面临的主要问题是客户基本信息不全，很多时候可能是根本就找不到我们的客户，如果这样的话，再做任何的分析，可应用性也大打折扣；对于证券行业来说，难度在于客户需求变化较大，易受行情、政策等外围因素的干扰较大，而这些因素是难以用定量化的数据来衡量的；对于银行来讲，难度在于客户数据的整合上，由于银行的业务领域广，很多业务都是在独立系统上运行的，从系统层面打通各业务环节是第一个难关，目前很多银行都在一定程度实现了系统的融通，真正的难度是在业务流程上的融通，客户服务、营销流程上的融通。这些问题和难点是需要逐步来解决的。下面先谈谈客户分析方面一些步骤方法。

 

   在进行客户分析之前，首先需要确定的进行客户分析的目的，是需要了解客户概况？最近客户流失比较严重，是什么原因导致的？有什么办法能减少客户流失？刚出了一个新产品，推给什么客户比较合适？如此等等。分析目标的清晰明确是贯穿整个分析流程的一条关键主线。

    其次就是根据分析目标，确定需要提取整合哪些数据，确定大致的分析深度。从相关系统中提取原始数据，进行加工处理，提取相关客户行为信息，例如通过交易流水记录提取客户行为数据，如对于证券，可通过数据处理提取客户平均股票持有时长、平均的加减仓次数及波动情况等，可初步判断客户属于长线操作还是短线操作，以及其操作的成熟度；对于银行，可通过交易数据提取客户工作日的上班时间ATM取款次数、工作日非上班时间取款次数、休息日的取款次数及金额等，可初步判断客户时间充裕情况等，为客户提供更便捷的服务提供依据。

 

    第三步，进行客户探索性分析，以及客户数据清洗。了解客户基本概况，行为状况等，对客户数据缺失进行替换补充，对极端异常值进行处理，跟进分析目标建立统一视图，为下一步的建模分析步骤做准备。

 

    第四步，筛选分析变量，建立分析模型，以及模型的检验、描述、解释等。这其中涉及较多的技术细节，本文不一一详述。例如模型解释，如果是客户分群模型，需要从行为数据到基本人口统计数据角度客户各细分群进行特征描述，看所做的分群是否显著的区分中有典型特征的客户分群，根据这些特征描述，是否可设计出一些针对性的策略，如一细分群客户是经常买卖金融行业、持有时间在一个月左右，主要以全买全卖为主，单次买入的股数为两千多股，针对这一典型特征，便可针对性的对这部分客户提供金融行业相关的研究报告，在不同的市场行业下为其提供行业投资价值的分析等给到客户。又如，通过建立的客户流失模型，发现客户信用卡还款的资金来源渠道发生变化，而且刷卡次数下降显著，客户的投诉次数增加，则可能预示客户流失可能性较大。