Jak banki identyfikują to jakich produktów potrzebują ich klienci?

Metodolog - statystyczna analiza data minig

Metodolog.pl – Analiza Statystyczna w nauce

Firma statystyczna METODOLOG

Jak banki identyfikują to jakich produktów potrzebują ich klienci?

Ostatnio dostałam wiadomość o nowej nieznanej transakcji dokonanej za pomocą mojej karty kredytowej. Chciałem rozprawić się z tym problemem. W ciągu 10 minut moja reklamacja została zaakceptowana, a transakcja została anulowana. Tego samego dnia, widziałem zarekomendowany mi produkt i slogan „dokonuj transakcji w bardziej bezpieczny sposób”. Skończyło się to tym, iż kupiłem ten produkt.

Zdecydowanie, usprawnienie procesu pomogło bankom podjąć szybkie działania. Ale co ważniejsze Big Data pomogło bankom rozpoznanie każdego klienta i identyfikację jego potrzeb. Po przeczytaniu tego artykułu będziesz zmuszony do zastanawiania się, jak na podstawie tak krótkiej listy banki wybierają Cię, żeby zaproponować Ci daną ofertę za każdym razem kiedy stajesz się krzyżowo sprzedanym klientem. Czy było to saldo bankowe, transakcje z dostawcą spożywczym, Twój nowo zakupiony kredyt samochodowy lub, po prostu, twoja ostatnia reklamacja?

Jestem pewien, że zauważyłeś informację na swoim bankowym koncie Internetowym, która mówi: „Produkty dla ciebie” i „Oferty dla Ciebie” .

Jeśli uważasz, że bank wykorzystuje skłonność klienta do zakupu nowego produktu do oferty X, znasz tylko część całej historii. Obliczenia te zostały zmodyfikowane wiele razy w ciągu ostatnich 5-7 lat.

Dzisiaj banki wykonują nieskończoną ilość obliczeń dotyczących jednego klienta, aby wymyślić następny najlepszy produkt dla niego / niej. Dotyczy to przede wszystkim 4 głównych czynników:

  1. Jak ryzykowny jest klient, jeśli kupuje proponowany produktu?
  1. Jaka jest skłonność klienta do zakupy tego produktu?
  1. Jak opłacalny jest klient, który zakupuje nowy proponowany produkt?
  1. Jaka jest użyteczność nowego proponowanego produktu do klienta?

Pierwsze trzy punkty skupiają się na rentowności dla banku, a ostatni punkt na wykorzystaniu tego produktu dla klienta. W dobrze zaplanowanej strategii zarówno rentowność i orientacja na klienta muszą być zrównoważone. Żaden z wymienionych czynników nie może być analizowany bez udziału innych czynników. Wszystkie wymiary należy rozważyć przed złożeniem oferty. Omówimy analizę wykonaną przez banki bardziej szczegółowo w kolejnych rozdziałach.

Weźmy przykład. Powiedzmy Bank X oferuje trzy rodzaje kart kredytowych tj. Miles karty, karty Rewards i Cash Back karty. Bank X chce zbudować strategię X-sprzedaży drugiej karty istniejącej bazie klientów.

Wykorzystywanie skłonności klienta do zakupu produktu do sprzedania:

Skłonność przewidywania opiera się na dotychczasowych trendach w różnych segmentach klientów. Poniżej przedstawiono ilustrację tabeli prawdopodobieństw posiadacza karty Miles kupujących inne dwa produkty:

Zaletą stosowania skłonności klienta do zakupu produktu jest to, że ogólnie respondenci są oczcekiwani jako wysoce skłonni. Jakkolwiek by było, to podejście nie rozważa jakości klienta. Na przykład, w oparciu o skłonności celujemy w gospodarstwo domowe „1032021” (powiedzmy A), a nie „2310231” (powiedzmy B). Ale jeśli gospodarstwo domowe B generuje 10 razy większy dochód niż A, to B było lepszym celem. Stąd widzimy potrzebę włączenia wartości życia lub przychodów generowanych przez każdego klienta wraz z czynnikiem skłonności.

Wykorzystywanie wartości gospodarstwa domowego wraz ze skłonnością:

Z oczekiwanymi przychodami uzyskanymi przez każde z gospodarstw domowych,  możliwe jest tabularyzowanie oczekiwanych wartości generowanych przez znalezienie produktu, który klienci będą skłonni kupić. Poniżej przedstawiono ilustrację tabeli wartości oczekiwanych, gdy celujemy w kartę Reward i Cash Back.

Wyraźnie gospodarstw domowe „1032021” (powiedzmy A) ma niższą wartość oczekiwaną karty Reward w porównaniu do „2310231” (powiedzmy B). Jeżeli celowanie było dokonywane wyłącznie na podstawie wartości skłonności, moglibyśmy wycelować w gospodarstwa o niższej wartości oczekiwanej. Macierz ta daje pełniejszy obraz w porównaniu do jedynie skłonności, ale wciąż nie zostały objęte niektóre inne wymiary. Na przykład, wciąż nie mamy pewności co do użyteczności kart dla każdego klienta. Powiedzmy, gospodarstwie domowym A preferowane są karty Reward, a w gospodarstwie domowym B preferuje się karty Cash Back. Jeśli nadal będziemy celować w klientów B kartą Reward, to jedynie ze względu na wartość dodaną a nie użyteczność.

 Gdyby to było na rynku monopolowym, to nie miałoby znaczenia. Ale jak wiemy, jest to wysoce konkurencyjny rynek i inny bank może rozpoznać tę potrzebę i zaproponować produkt oparty o potrzeby klienta. Jeśli tak się stanie, główny bank traci gospodarstwo domowe B, ponieważ był nakierowany na gospodarstwo domowe, któremu chciał zaoferować produkt bardziej opłacalny dla banku, a nie oparty jedynie o potrzeby klienta.

Wykorzystywanie preferencji klienta / Narzędzie do celowania:

Jeśli klient jest skierowany na opieranie się wyłącznie na wartości oczekiwanej, może to prowadzić do zwiększenia przychodów dla banku, ale nie pomoże w osiąganiu zadowolenia klienta. Zadowolenie klienta może mieć małe natychmiastowe skutki finansowe, ale na dłuższą metę, robi to dużą różnicę w rynku banków walczących ze sobą o udział w portfelu. Aby włączyć kąt orientacji na klienta, możemy dodać metrykę wskaźnika wykorzystania dla każdej karty dla każdego klienta.

Weźmy przykład, powiedzmy, że główną różnicą między kartą Miles i kartą Reward jest limit gotówki.  Karta Miles ma środków pieniężnych wynoszący $ 10k a Reward to $ 20k. Wszelkie środki pieniężne wydane poza limitem są dodatkowo płatne. Jeśli klient wydaje więcej niż $ 10k na karcie Miles regularnie, płaci grzywnę. Karty Reward stają się dobrą propozycją dla tego klienta. W razie gdy to klient ma wysoką wartość oczekiwaną, jest on rzeczywiście najlepszym celem dla Kart Rewards. Ale celowanie w klientów tylko na podstawie ich preferencji może nie być korzystne dla banku.

Jak widzieliśmy każdy wymiar ma swoje wady i zalety. Zróbmy to bardziej interesująco i przeanalizujmy klienta w więcej niż jednym wymiarze. To właśnie robią Banki. Istnieje wiele wymiarów, w którym klient jest analizowany. Żaden pojedynczy wymiar nie daje optymalne strategii celowania.

Przypadek 1: Tylko wartość oczekiwana jest rozważana:

Poprzez wzięcie pod uwagę wyłącznie wysokich oczekiwań klientów, skończymy celując tylko w klientów znajdujących się w ostatnim wierszu poniższej tabeli.

Taka strategia prowadzi do celowania w gospodarstwa domowe (H o wartości oczekiwanej i L  o wartości użytkowej), które są najmniej zainteresowane tego rodzaju ofertą, a równie dobrze może spowodować wyczerpanie gospodarstw.

Jak widać, zamiast gospodarstw domowych o niskich preferencjach i wysokiej wartości oczekiwanej ta celuje w gospodarstwa z wysoką preferencją produktu oraz oczekiwaną średnią wartością. Może to prowadzić do natychmiastowego finansowego negatywnego wpływu, ale doprowadzi do wzrostu zadowolenia klientów, a tym samym wyższej wartości życiowej klienta.

Dodanie większej ilości wymiarów prowadzi do precyzyjnego celowania. Inne niż oczekiwano wartości, ryzyko nieuregulowania płatności przez klienta jest również traktowane jako dodatkowy wymiar. Istnieją ścisłe ryzyka odcięcia takiego ukierunkowania. Dodatkowo, organy prawne ograniczają bankom dyskryminację celowania w jakąś klasę społeczną. Każda strategia celowania musi być bezstronna.

Przykłady podjęte w tym artykule mają charakter ilustracyjny. Ponadto karta oferowana  mi niedawno, o której mowa w początku tego artykułu, bazowała na sposobie sprzedaży X. Będziemy pokrycie różnicy między kampaniami wyzwalania w oparciu i okresowych kampanii partia innego artykułu, ponieważ nie jest tematem tego artykułu.

Więcej na temat marketingu w bankowości:

Wprowadzenie do analizy modelu regresji logistycznej na przykładzie analizy ryzyka kredytowego/fraudowego i marketingu.
Modelowanie ryzyka kredytowego. Czym jest ryzyko kredytowe/ Credit Scoring / analiza ryzyka kredytowego ?
Statystyczne właściwości przewidywania ryzyka kredytowego na podstawie cech osobowości. Credit Risk & Personality.
Analiza statystyczna w marketingu – Analiza CONJOINT.