爱华网系列专题：大数据营销
一个银行的大数据搭建可以帮助解决哪些营销问题？ 1.移动终端的顾客存储率有多高？ 2.有多少顾客愿意使用数字银行产品？ 3.顾客流失的原因及前期征兆？…… 这就是美国犹他州盐湖市的Zions银行6个月前成立的Marketing Insights营销洞察团队正在做的事情，即借助大数据，加强营销各大链条的能力：例如对产品市场的预测能力、顾客细分能力、营销活动执行能力等。 而Zions Bank能够如此迅速地搭建文中这些问题研究项目，却是基于一个求之不得的巧合。这个巧合，就是两年前银行搭建的信息欺诈分析团队。 一般来说，作为银行的营销部门，获取银行各部门的数据的权限非常有限，这使得大数据分析在很多意义上都成为不可能，而Zions Bank在两年前的大数据搭建很好地解决了这个问题。 借力东风 这个欺诈分析团队在两年前就开始了银行的大数据建设，团队包括两位数据科学家，通过收集银行各部门的信息，来防止顾客蒙受欺诈。发展到今年，欺诈分析团队正好到了成长的拐点，他们需要展现自己的数据分析能够提供在欺诈分析之外的价值，因此需要和其他部门合作，第一个合作部门就是营销部门。 这对于营销部门来说，是难得的福利。要知道，之前营销部门很难拿到许多系统部门的信息，这是最大的挑战。比如，营销部门想推出一个商务卡产品，那么它首先需要找到的是，哪些商务类顾客已经拥有一个卡了，其次是他们中又有哪些人跟American Express或其他卡组织做了大额支付交易——这种数据需求听起来很简单，但是实际上非常困难，最终很可能发生的情况是，营销部门为了收集所需数据，夹在各个不同的部门之间艰难周旋。 但是现在，这个门槛被打破，他们只需要将想要了解的问题需求给到欺诈分析团队，后者就可以收集并给到所有相关的信息——获取数据这个最大的难题被攻克。现在营销洞察团队可以获得任何来源的任何数据，他们所需要做的，就是搭建营销研究模型。 大数据应该这样做！ 正如本文开头所提，现在银行正在运行着几个营销项目研究。 最近的一个，就是移动终端存储替代率的研究：即有多少使用银行移动App的顾客，还是要走进支行来办理存储业务？
为了回答这个问题，营销洞察团队需要了解的数据就是，30天内活跃的银行移动App使用者；他们在近期做了什么存储行为；这些行为通过什么方式完成，每笔存储的数目金额又是多大——要知道，这些数据在旧有的营销数据权限中，是不可能得知答案的。 另外一个项目，是“顾客流失率”模型，这个模型的目的是来帮助银行了解人们离开银行的原因。为了完成这一研究，营销洞察团队所需要得到的数据是：所有终结银行服务的顾客信息；他们终结服务之前一段时间内和银行的互动行为。最终通过这种倒推式的研究，营销团队希望发现一些相关联的现象，比如一个人如果停止使用账单支付功能，那他很可能会在6个月之内离开银行。这种相关现象的发现，有助于提醒银行做些什么来挽留顾客。 同时，营销洞察部门还正在创建“生活方式评分”模型，来展示一个顾客的数字化程度，来发现和吸引那些有更多意愿使用数字产品的顾客。 而在未来，他们还希望让大数据更好地服务于顾客获取，或顾客服务上。比如，如果一个顾客非常生气地打电话进来，要求解决一个问题——通过监测顾客和银行的互动记录，借助流失率模型，再考虑到顾客价值等因素，一个如何保留顾客的计划就会成形，而当顾客打进电话时，这些信息和计划就可以出现在接线员的电脑屏幕上了。
