English
銀行業通過大數據預測并防止用戶流失
用戶流失已經成為產品運營的一項重要KPI
“全球有50%的用戶已經更換或者正準備更換他們使用的銀行。在美國和加拿大，消費者變更自己銀行的比例正在上升。” ——Global Consumer Banking Survey 2012, Ernst & Young.
用戶流失以及用戶參與度已經成為大多數銀行的一項最重要的議題
有研究表明：“發展一個新客戶的成本是維護一個老客戶的3-8倍，一個老客戶貢獻的利潤是新客戶的10倍以上。”用戶參與度每下降5%，則企業的利潤將下降25%。獲得新用戶的代價要遠高于保留住現有用戶，而重新獲得已經流失的用戶代價更高。事實上，經過一系列的測試以及研究證實，用戶流失是對公司利潤的最大破壞。
近期，福布斯雜志上刊登了一篇由各公司領導層關于缺乏對客戶理解的文章，“缺少積極的、持續的來自企業或品牌關懷相關的用戶體驗，會導致企業丟失掉驚人的20%的年收入。這就是銀行類企業每年會有一筆數額巨大到上億元損失的原因！本質上，理解用戶的需求、偏好、情緒、動作以及更換銀行的傾向已經成為銀行最為重要的事。
社交化本地化移動化（SoLoMo）是如何影響到用戶體驗以及流失的？
在現今這個萬物互聯的時代，在爆炸式的社交媒體中，壞消息的傳播速度驚人。經調查，調查顯示，有接近63%的用戶使用在線個人網絡以及社交網站作為獲取可靠銀行產品信息的來源。并且，有45%的用戶會在社交媒體中對他們獲得的服務作出評價。因此通過數據，跟蹤到用戶的想法并及時的作出相應的決策為客戶提供更好的服務及合理的定價策略。
但是，不同渠道的用戶情感和用戶體驗信息存在于各種結構化和非結構化的數據中，這些數據可能會說謊；更不幸是，各種數據之間沒有貫通，存在著信息孤島；這些現實情況使得銀行對客戶進行全面整體的了解，銀行想較早獲得客戶流失預警信號并啟動挽留措施變得異常困難。
最重要的是了解客戶以及預測流失
為了能夠盡早的鑒別潛在的用戶流失傾向，首先需要對你用戶的行為進行分析并有一個全面的了解。需要了解銀行的客戶是怎樣使用銀行服務的，撥打客服電話、在網站上或移動銀行上的交易、又或者是在社交媒體上的互動？。這些歷史數據能夠讓銀行較早的了解到一些預警信號，比如交易量減少了，自動支付中止了，或者其他什么對于用戶的負面體驗，根據這些預警采取具體的措施進行補救來減少流失的發生。
但是，我們前面也提到，客戶的信息沒有貫通，這讓第一時間監測到預警信號并采取措施變得很困難；結果就是，銀行最終從不同的碎片化的不完整信息進行策略擬定與實施，導致客戶容易流失，損失慘重。
大數據是如何幫助預測潛在流失的？
用戶數據生成的數量、種類以及速度的快速增長，使得利用傳統的數據管理技術幾乎無法存儲更無法實時的進行分析并提出有價值的信息。
現在大數據可以幫助我們解決這些困難，并平衡結構化和非結構化的數據。例如銀行訪問，客戶來電日志，網頁交互日志，信用卡記錄的交易數據，以及客戶在社交媒體上的交互數據。
大數據技術解決了數據管理問題，通過解決存儲、分析、檢索大量多樣化的結構化非結構化的數據，并且隨著數據的增加可以彈性的擴展，這就讓銀行可以接觸到用戶的實時行為，能更好的提供流失預警。此外，精湛的數據匹配能力能鏈接客戶在各個渠道上的交互數據，建立起一個全面的360度畫像，全面了解客戶，將它轉化為可執行的數據決策。
建立預測流失模型
360度的客戶畫像，對于銀行預測潛在流失的客戶是否足夠呢？要想全面利用好用戶的信息，需要建立一個可行的預測流失的模型。有效的客戶流失模型的高預測值幫助識別具有高流失風險的客戶且能夠過濾“羊毛黨”，并且對每個流失模型能夠構造出效果提升曲線，可視化的展示出相比于不使用模型，使用流失模型所起到的提升作用。
另外，如果銀行業不能針對單個客戶給出有針對性的營銷方案，那么即使能夠準確的預測流失客戶也是不夠的。那些通用的基于大范圍客戶分類的營銷方案會導致挽回率下降。我們需要更加精細化、有明確目的、并且有針對性的制定不同的營銷方案，來挽回高流失風險用戶，降低流失率。例如使用協同過濾這樣的機器學習算法可以有效的提供個性化的解決方案。
簡單來說，基于業務流程的用戶智能管理，結合大數據技術和成熟的機器學習技術，會讓銀行在預測以及阻止用戶流失，推行個性化推薦和提高用戶忠誠度上取得一個全新的、更有競爭力的進步。
西橋科技｜大數據精準營銷解決方案
西橋科技是國內領先的大數據產品與服務提供商，致力于為企業提供完整的基于大數據用戶行為分析的一站式解決方案。已在民生銀行、興業銀行、江蘇銀行等落地應用