Страница: 1/2
Конкуренция на банковском рынке - надо вооружаться!
На розничном рынке постепенно ужесточается конкуренция, что заставляет банки задумываться о совершенствовании маркетинга. Эксперты едины во мнении, что сегодня незанятые ниши еще можно найти. Но года через два свободных клиентов уже не останется, что особенно актуально для Москвы и других экономически развитых регионов России.
Вероятно, на банковском рынке сложится
ситуация, аналогичная той, что мы наблюдаем
в телекоме. Сегодня мобильные телефоны есть
практически у всех. Сами абоненты
достаточно редко подключают новые услуги
своего оператора, переходят на другие
тарифные планы. Зато весьма активны
конкуренты в борьбе за то, чтобы в телефонах
"чужих" клиентов в какой-то момент
оказалась именно их сим-карточка.
С одной стороны, с банковскими продуктами
попроще - клиент может разместить депозиты
в нескольких банках, тогда как несколько
мобильных телефонов у одного человека -
явление не слишком частое. Но ведь и самих
банков гораздо больше, и спектр услуг шире и
разнообразнее. Потому конкуренция здесь
будет не менее жесткая. Надо быть готовым к
такой борьбе и действовать надо немедленно!
Много внимания - это дорого, но хорошо ли?
Вообще маркетинг в банковской сфере
решает те же задачи, что и в любых других
отраслях. Он может быть нацелен на
привлечение новых клиентов, работу с
существующими и их удержание. Привлечь
новых клиентов достаточно дорого. Еще
дороже вернуть своих старых клиентов,
перешедших к конкуренту. Поэтому основные
усилия должны быть направлены на
предложение услуг и продуктов имеющейся
клиентской базе.
Но возникает вопрос - кому что предлагать?
И здесь есть множество аспектов.
Прежде всего затраты: стоимость рас-сылок,
телефонных звонков через контакт-центр,
изготовления пластиковых карточек и т. д.
Деньги сегодня стараются считать все. И
руководство любого банка было бы счастливо
иметь возможность оценить ROI проводимых
маркетиновых кампаний. Эта оценка, а тем
более прогнозирование является задачей
очень нетривиальной, только сложные
методики позволяют с приемлемой точностью
рассчитать прибыльность продажи клиенту
того или иного продукта. С расходами на
проведение кампании все очевидно: чем они
ниже, тем лучше. С доходами, соответственно,
наоборот, но их посчитать гораздо сложнее.
Ведь не всегда очевидно, клиент пришел в
банк и оформил кредитный договор в ответ на
проводимую кампанию или сам по себе? Отклик
клиента - это результат письма, рассылки или
телефонного разговора?
По поводу внимания и назойливости банка
по отношению к клиентам мнения
специалистов расходятся. Например, один из
крупных российских банков совсем не боится
рассылать и обзванивать клиентов и
предлагать всем подряд все свои банковские
продукты. Другой не проводит маркетинговые
кампании в принципе. Предлагать то, что
человеку, скорее всего, не нужно, банк
считает нежелательным. Это может испортить
имидж банка, отпугнуть клиента, и в
следующий раз он не отнесется серьезно к
полученному предложению, даже если оно
окажется для него подходящим.
Best offer - что ждет от вас клиент, сам того
не осознавая
Любой маркетингово активный розничный
банк с полноценным спектром услуг
сталкивается или неизбежно столкнется с
задачей подбора best offer для своих клиентов.
Для определения такого предложения можно
обойтись субъективными суждениями.
Очевидно, что респектабельного клиента со
значительными сбережениями не
заинтересует предложение дебетовой
карточки Visa Electron. Его вероятные покупки -
это инвестиционные продукты. Даже если
клиент ничего о них ранее не слышал, ему
стоит предлагать их. А студента вряд ли
заинтересует сейфовая ячейка банка, но зато
подойдет такая дебетовая карточка,
особенно если по ней будет разрешен
овердрафт.
Актуальность и сложность задачи подбора
best offer растет пропорционально таким
показателям, как количество банковских
продуктов, число задействованных
маркетинговых каналов, уровень конкуренции
в регионе. Влияние также оказывают
ограничения, накладываемые лимитами
маркетингового бюджета, клиентской
политикой (например, "одному клиенту - не
более одного предложения в месяц") или
пропускной способностью каналов (например,
невозможностью обслужить более 1000 звонков
через контакт-центр в день).
Одним из показателей клиентоориен-тированности
организации, по нашему мнению, является
способ проведения банком маркетинговых
кампаний. На развитом Западе, где банки
значительно продвинулись в решении
подобных задач, даже крупные банки проводят
кампании далеко не массовые, а, как правило,
персональные. Например, португальский
San-tander Totta, у которого более 2 млн клиентов,
проводит в месяц до 200 кампаний, и некоторые
из них нацелены на группы размером всего в 20
человек. Очевидно, что в этом случае банк
подходит к нуждам каждого клиента
индивидуально, при этом не надоедая ему.
Предложения такого банка являются точно
рассчитанными: от параметров предлагаемых
продуктов до видов подарков, которые банк
дарит клиентам. Например, если благодаря
анализу накопленной в IT-системах банка
информации можно заключить, что человек
увлекается фитнесом, то клиенту на день
рождения подарят абонемент в фит-нес-центр,
который расположен рядом с его домом (а не в
противоположном конце города). А
кобрендовая карточка с сетью пивных будет
предложена любителю пива, у которого она с
большой вероятностью вызовет заряд
положительных эмоций. Ясно, что такая "точечная"
работа невозможна без специализированных
аналитических средств. Почему? Мы говорили
выше про большие объемы данных для анализа
и связанную с этим сложность подбора именно
того продукта, который клиент вероятнее
всего захочет купить.
Актуальна склонность не только к
продуктам и услугам, но и к каналам доставки
этого предложения. Например, банку выгодно
и удобно отправлять всем клиентам
предложения по электронной почте, но
очевидно, что такой вариант информирования
подойдет далеко не для всех. Работающие в
сфере IT с большой вероятностью откроют
электронное сообщение от своего банка, а
вот пенсионеры, скорее всего, если и
доберутся до него, то тогда, когда срок
предложения уже закончится, даже если сами
указывали адрес электронной почты в анкете.
Для работы с ними лучше выбрать телефонный
контакт или письмо по традиционной почте,
хотя эти каналы обходятся банку дороже.
Как это работает
В случае когда у банка много клиентов и он
не первый год работает на финансо-ном рынке,
определение склонности клиента к тому или
иному банковскому продукту является
задачей по оценке вероятности покупки
клиентом продукта, выраженной в виде
некоторого балла. Этот балл рассчитывается
на основе статистической модели, которая
построена (обучена) на накопленной банком
базе данных: кто покупал этот продукт и кто
не покупал. Та же ситуация со склонностью
клиентов к маркетинговым каналам: кто-то
ответил, кто-то нет. В качестве входных
параметров могут использоваться большое
количество параметров клиента. Прежде
всего это демографические параметры:
возраст, образование, сфера деятельности и
т. п. Другую группу параметров составляют
поведенческие характеристики. Обычно они
рассчитываются на основе загружаемой из IT-систем
банка информации непосредственно в рамках
аналитического приложения, в котором
строится поведенческая модель. Примерами
поведенческих параметров являются
среднехронологический остаток по
дебетовой карточке за последние три месяца,
количество карточных транзакции за
последний месяц, средняя сумма этих
транзакций и т. д. Принципиально важно,
чтобы специализированное отраслевое
решение для СRM-аналитики предусматривало
типовые витрины данных для моделирования. С
достаточной достоверностью определить, от
каких демографических или поведенческих
характеристик может зависеть склонность
клиента к приобретению тех или иных
продуктов, непросто. Есть резон обратиться
к опыту вендора, который внедрил свое
решение в тысячах банков. Например, витрина
данных в решении SAS Cross-Sell/Up-Sell содержит
более 1600 атрибутов клиента. Большинство из
них являются агрегированными показателями
и рассчитываются автоматически - те же
средние остатки, обороты, например. Для
отбора параметров, которые действительно
связаны со склонностью клиента к покупке, и
построения прогнозных моделей
используются средства Data Mining, позволяющие
применять различные статистические методы
для предварительной обработки входящих
данных и поиска скрытых закономерностей. На
одних и тех же обучающих и тестовых
выборках могут применяться разные методы, и
результирующие модели будут иметь разную
силу предсказания. Хорошая аналитическая
система сама оценивает качество полученных
моделей и по определенным критериям
выбирает лучшую.