关系营销在西方商业银行中的应用

欧永生

1977年，一篇“从产品营销中解放出来”的文章，影响了西方商业银行管理者的管理思路，在产品创新的基础上，他们更加注重对客户关系的维护与管理，并将关系营销应用于银行营销的实践中。

多维度的市场细分

对市场进行多维度的细分主要运用在客户关系建立阶段对客户进行识别。这种细分方式在传统细分变量的基础上，加入了客户的个性化数据，如对公客户的目前存款及分布，其他银行切入的主要产品，银行授信额及分布，客户行业地位，经营状况和发展前景，其所在行业的发展状况等；对个人客户加入生活方式，兴趣等细分变量。

通过多维的细分变量锁定目标客户群，使银行在确定目标市场的过程中更加准确有效，从而使营销人员和客户进行接触时能够投其所好，选准切入点，提高关系建立的成功率。如西方商业银行普遍运用的生命周期细分方法。对银行来说，面对的客户总是处于不同的生命周期中，对于处于不同生命周期的客户，其需求是不同的，这就形成了不同的细分市场。以零售银行所面对的个人客户为例，可以以个人的生命周期作为变量进行划分，按照人生各阶段的生活消费特征、投资风格和理财需求，将其分为青年期、新婚期、抚育期、事业期和老年期，针对不同阶段的客户提供不同的金融服务。处于青年期的客户，往往刚刚踏入社会，他们对新生事物接受度较高，消费也较高，风险承受能力较低，投资活动较少。银行可以为其提供一些便利的消费支付业务，如手机银行、电话银行、刷卡消费、网上支付等，同时可以针对其中一部分信用度较高、具有发展潜力的客户进行信用卡业务的推广。处于新婚期的客户，他们的工作趋于稳定、事业走向正轨，正处于谈婚论嫁的阶段，他们具有一定的风险承受能力，较为注重资产的投资。银行可以为其提供如汽车贷款、住房贷款、消费贷款、基金销售、理财服务、自助缴费等服务。抚育期的客户，正处于养儿育女的阶段，银行可以在为新婚期客户提供的服务的基础上，再提供一些例如教育储蓄、学资贷款等特殊的金融产品和服务。处于事业期的客户，他们的工作能力和经济状况都达到高峰阶段，家庭进入成熟期，具有较强的风险承受能力，一般都是零售银行的高端客户。银行可以为其提供投资理财方面的增值服务。对于老年期的客户，主要提供存款类的产品和服务。这种按生命周期提供整体解决方案供客户选择的方法，能够在实际与客户接触的过程中让客户感受到银行真正做到了“为客户所想，急客户所需”，促进银行与客户关系的发展。

层次化的营销布局

西方商业银行非常注重关系营销的成本效益控制，通过对客户关系的当前盈利能力和潜在盈利能力分析，对营销力量进行层次化布局。最有代表性的是美国wachovi a银行实施的“个人银行家”计划：银行对当前和潜在盈利能力均有限的客户多采取电话营销、直接邮寄等低成本的营销方式；对潜在盈利能力较高，当前盈利能力不足的客户提供集业务员、咨询员、情报员为一体的“个人银行家”服务，负责对客户的财务状况提供咨询，并对客户所需要的产品和服务提出建议，帮助其处理所遇到的困难；对当前和潜在盈利能力双高的客户提供“个人财务顾问”服务，为其定制个性化的个人财务计划。这种层次化的营销布局，不仅在节约银行成本支出的前提下达到效益最大化，同时对于不同层次的客户提供差别服务，也有利于促进客户关系提升层次，提高客户忠诚度。

建立数据仓库

关系的建立、维持和长久发展都离不开数据库提供的准确信息，它是银行一切关系营销活动的基础。西方商业银行在客户信息管理中最突出的一点就是自己完备的客户档案和数据库，这种记录整合了银行各部门的客户资料并进行大规模的集中统一管理，可以被银行的各个部门所共享。《美国银行家》杂志对美国商业银行的调查表明，有30％以上的美国商业银行能够准确说出谁是其创利最多的客户，20％的银行可以在10分钟之内调出重要客户对银行产品的使用情况，这些银行的比较优势都来源于高效先进的数据库的运用。

数据仓库，是在数据库基础上对客户信息的进一步加工利用，是支持管理决策过程的、集成的、动态的、连续的数据组合。是将银行核心系统和各类运行系统对应的数据库中历史的、分散的、详细的数据，经处理转换为集中统一的、随时可用的信息。

作为世界上最大的VISA信用卡发行行的美国第一银行(FirstAmerican)，开展了一项名为“At Your Request”的客户服务，赢得了客户的信任，获得了巨大的成功。第一银行在业务后台开发了庞大而先进的数据仓库系统，从每一笔信用卡交易中提取大范围的、十分宝贵的数据。利用所掌握的交易数据，第一银行建立了高度准确、按等级分类的单个客户实际偏好的记录，分析群体客户的消费情况和偏好。根据客户的消费偏好信息确定合作商业伙伴，从他们那里得到最优惠的价格并提供给客户，极大地促进了银行与客户的关系。银行的数据仓库通过持续更新，越来越清晰地反映出客户的需求和消费偏好，这为“At YourRequest”业务的开展提供了最为有力的信息支持。

挖掘应用数据

数据挖掘在银行业中的应用之一是争取客户。商业银行运用探索性的数据挖掘方法如自动探测聚类和购物篮分析，可以找出客户数据库中的特征，预测对银行营销活动的响应率，那些被定为有利的特征可以与新的非客户群进行匹配，以增加营销活动的效果。富利银行(FleetBank)使用数据挖掘，在客户人口统计和账户数据基础上预测了销售其共同基金的最佳前景。美国银行的西海岸客户服务呼叫中心，也在营销和交叉销售中应用了数据挖掘技术。银行用不着大张旗鼓地推销某种“热门”产品，因为客户服务代表们人手一份由数据挖掘提供的客户资料，可以告诉他们客户最关心的是哪种产品和服务。

数据挖掘还可以用于保留客户(例如通过客户流失建模)。在一个典型应用中，数据挖掘能找出那些有利可图但可能流失的客户。有了这些信息，银行就可以针对他们采取额外增值客户服务，特殊待遇和激励忠诚度等措施。纽约大通曼哈顿银行使用数据挖掘来对客户流失建模，并采取了不同寻常的措施，连续两年降低了客户支票账户最小余额的标准，结果盈利客户占总客户的百分比反而上升了。

近几年来，西方的一些大型银行和新型银行纷纷将客户关系管理(Customer Relationship Management，CRM)在银行领域的应用提上议程。美国排名前100位的商业银行已有50多家在客户关系管理中实施了数据仓库和数据挖掘项目，其他银行则正在准备实施。以数据仓库技术为基础，以联机分析处理和数据挖掘工具为手段的CRM系统也日趋成熟。

(作者单位：农业银行湖南省永州市分行)