券業服務新打法：從流量競爭到數據智能化
很早之前，業內關於券商通過互聯網渠道獲客及服務，就已經有兩個共識，一是成本持續推升，二是即便如此，線上渠道的建設仍然不能懈怠。
話題一直延續至今，直到頭部的流量分割基本完成。搶入口的思維方式本身沒有問題，但如果執行策略上只有鋪入口，不下功夫做轉化，服務質量和成本問題會更加突出。就獲客而言，更強的流量和入口意味著更多的可能性，而要將這種可能性轉化成為真實的客戶和交易，還需要另一個環節的輔助。
今天我們想談的話題是數據智能化在券商客戶管理中的應用，所謂「千人千面」、「客戶畫像」、「精準營銷」等等，都在話題範圍之內。
人民群眾喜聞樂見的「券星來電」欄目又和大家見面了，這一次我們連線的是光量科技CEO柳成蔭。帶著光量團隊與幾家券商的合作經驗，柳總準備和大家聊聊如何做好券商智能化服務的精準突破。
本文是券業星球特別篇「券星來電」的第4期，從這裡，我希望通過與行業內外部相關從業者的對話，來拓展視角，增進我們日常的思考；同時也盡最大努力為您提供實際業務上的參考價值。歡迎各機構、從業者與券業星球取得聯繫，一同討論分享業務、業態。
●●●
Q1：我的第一個問題是關於時間點的。尤其從去年開始，不難留意到業內關於獲客和服務的思維似乎又發生了一些變化，慢慢把大數據在證券行業的應用往前推了一步，像長江的iVatarGo、國元的兩融及資管客戶挖掘系統，包括你們和方正證券、國聯證券的合作。怎麼理解這樣的趨勢，現在時機和條件成熟嗎？
從我們了解的情況來看，券商關注這塊其實已經有很長時間了，甚至在幾年前就已經充分討論，只是大家在行動上有先有後。
客戶畫像、精準營銷是企業大數據應用的一個相對細分的領域，也是實踐價值比較高的一個領域，它的投入產出邏輯是非常清晰的。很多互聯網公司里都有專設數據分析部門，做用戶屬性、用戶行為分析、過程監控、異常行為處理等，然後依據分析結果來做業務部署，甚至主導公司戰略方向。不少中國互聯網企業對數據的運營已經有十多年的經驗，相關的實踐都很熟練。用戶營銷畫像的最終目的就是覆蓋用戶群、提升服務效率、降低服務人員培訓及運營成本。
這幾年券商也在學習互聯網技術和服務方法，在前中後台都非常需要這樣一個轉化職能，幫助他們做潛在客戶的分析，以及帶有場景化落地的精準服務匹配，實現從量到質的轉換。
但券商在這塊的實踐確實走得不快，主要有兩方面難度。
一方面難度是因為在做數據應用之前，底層數據連通及治理的難度太大。券商的業務系統主要由各技術服務商提供，多數券商僅對系統做運維和監控工作。如果要做數據分析，首先需要打通底層數據，做好數據清洗及治理；其次才是怎樣輸出業務理解，將感性的業務認知抽象為理性的量化模型，形成服務化場景提供給前台使用。如現在券商內部系統，連算清楚客戶資產變化都很難，大量業務需要依賴的底層數據都不準確，怎麼去做好服務呢。
第二方面是因為人才機制的問題。如果要建立一個券商數據分析團隊，且產出的產品能很快落地的，是需要長期持續地培養懂業務的複合型技術人才。僅以經紀業務對數據智能營銷的需求來說，一線業務人員的日常工作場景和服務細節，與產品技術人員對應用場景的認知是有割裂的。互聯網圈常說產品經理的基本功就是了解客戶需求，但這容易做到嗎？是不是靠堆砌功能、堆砌人月，就可以達到實現客戶需求的效果？互聯網的經驗和回答是NO。同樣的問題，也可以放在證券行業來問。
以客戶畫像標籤為例，我們經常會遇到客戶問到：「標籤是不是越多越好？」如果僅從功能層面來說，看上去標籤似乎是越多越好。但實際互聯網眾所周知的理念是，為了產品的體驗和易用性，產品應該做減法而不是做加法。無論使用客戶畫像的是服務人員還是app，大家能支配客戶的時間都有限，不該被浪費在無用的標籤和需求上。標籤成千上萬又如何，如果絕大多數全是無用或者低效的標籤，豈不是反過來降低了服務效率，浪費了大量的人力精力，甚至把客戶引導到不重要的事情去了？
作為服務商，首先應該深刻了解清楚券商需求場景，做好輕重緩急的區分。中國有「留白」的哲學和藝術，產品設計中更要講究探尋人性源頭、有的放矢、節約精力成本。
以上主要是講現在券商做數據實踐的困難。但即使是有困難，充分利用好金融科技的力量賦能於業務，這仍然是行業業務發展的剛需及大趨勢所在。這一點不會改變。
另外，券商做數據智能化應用，緊迫性還來源於未來更多維度的合規要求。中國金融市場是中心化市場，金融機構有保護投資者和維護市場穩定的職責及義務。資本市場要發展起來，要保護投資者，首先金融機構就需要對自身服務的投資者有足夠的了解，才能有更好的個性化服務。以及金融機構對攪亂市場的違規操作者必須進行嚴厲管控和處罰，這樣才能更好地支持實體經濟的發展。那麼怎麼保證做好服務和監管，這就是亟待解決的問題。KYC（了解你的客戶）是客戶適當性管理的核心原則，也將成為各金融機構的統一業務標準。
所以作為一家有社會責任心的企業，我們除了為券商做數據智能化營銷外，還在監管科技（RegTech）上做深度研究。目前我司已攜手一家985高校的國家級大數據實驗室，與一家大型券商進行異常交易模式檢測及內幕交易監控的課題。
Q2：客戶畫像具體怎麼跟業務結合，以及怎樣實現提效率、降成本，能詳細說一說嗎？
客戶畫像的具體應用有很多，如我們為方正證券、國聯證券等券商服務，為他們輸出畫像結果，先做針對性的客戶畫像和分層，再結合具體場景對不同分層的客戶做精準營銷。客戶畫像假如缺少了場景，就只是一堆標籤而已，所以在產品化過程中，團隊對業務的掌握及輸出是至關重要的。
舉個例子，像大家比較熟悉的智能投顧，成熟的模式其實也是將分析標的分成客戶和策略兩端，既要充分掌握客戶的資產、投資經驗等情況，也要對策略組合的特徵有深入了解，才能把客戶和策略匹配起來，做到真正的智能。
從我們與各家券商接觸的情況來看，大家更多希望通過客戶畫像來實現潛在客戶人群的挖掘和存量的留存。我們可以把客戶接觸券商服務的過程拆解一下，分成潛在、成熟、衰退、流失這麼幾個階段，行業內管這個叫「客戶生命周期」。在這個周期的每個階段，券商的客戶服務部門都可以配置相應的營銷手段。
在潛在客戶的獲取環節，客戶畫像的價值主要在於評估獲客來源、潛在價值等，並且及時了解客戶的需求和變化，從而做好對客戶的定位及挖掘。這些分析的結果，最後會影響後續的App功能開發、金融產品設計等等。
在後續服務環節，我們會根據一位客戶的賬戶資金變動、交易特徵、投資業績和其他要素，來對客戶進行各個維度的刻畫，包括投資能力、收益能力等等，最後形成一個直觀的可視化應用頁面，供前台展業人員參考和使用。
Q3：你提到數據清洗和治理是做好畫像第一步，我之前了解到，交易類客戶畫像里比較關鍵的一塊就是收益率計算，或者叫針對個人的業績評價，但是裡面又涉及很多難點，包括數據頻率、數據質量，以及資金轉入轉出對業績的影響，這塊怎麼解決？
交易數據是券商客戶分析中公認含金量最高、關聯性最強的元數據，投資業績的分析也是畫像裡面最核心的一塊，它反映了客戶的真實投資能力和潛在的需求。如果交易數據都沒分析清楚，其他數據能提供的幫助也有限。
業績評價這件事，在基金行業已經非常成熟，尤其公募和私募基金行業，標的資產相對明確，信息披露完善，管理規模變動也很清晰。但即使是公私募產品，PB系統對於資產數據計算仍不到位，過程中需要大量人工干預。專業的基金管理人都尚且如此，大量個人客戶的資產、收益核算就更難算準確了，券商也不可能每位個人用戶都配備專門服務人員去修正和調參。
但如果對客戶的資產、收益核算都算不準確，在上面進行任何的模型都是毫無效果的。所以我們公司從成立初期就專心只做底層數據清洗和治理。做好了數據治理，模型的開發及調優其實是相當快的，也不用擔心模型會因為錯誤源數據而過擬合或失效。
我們堅信一家公司要在行業里建立自己的品牌，必須堅持初心，以銳利的尖刀切入門檻最高、護城河最厚、業務最重的垂直細分方向。大公司的好處是銷售廣、資源可多面開花和可試錯，但劣勢是掉頭難、解決問題集中度低、試錯易喪失客戶信任感。我司只做精品，精益求精，為的是做長期合作的信任感和口碑，建立行業統一標準。
總之，我們全心全意為券商客戶做了多年證券交易數據清洗、分析和智能應用，花了幾千萬砸出來的產品，是成體系、成方法論和有多家落地的，和幾個月、半年趕出來的產品是截然不同的。
Q4：能否講述一下光量科技與券商合作的一些細節？
我們最早在2015年與長城證券進行的合作，當時幫助長城證券北京分公司做數據挖掘，用來定位和孵化有操盤能力的潛在私募基金經理。之後與國聯證券、方正證券分別在2016年、2017年達成的合作。當時三家券商在籌劃業務時，都對行業里客戶畫像的服務商做了很多研究和調研，最後都選中了我們。
三家的共同點是都非常重視底層數據清洗和治理，如收益率計算的準確性，以及一系列後續的場景配套化服務。我們為方正和國聯提供的是一整套成體系的產品，從底層數據清洗、標籤畫像模型，以及上層前後端的服務場景應用。
我們相信這是個很好的開始，國內券商日後對技術的投入會越來越重視，客戶畫像和配套方案的應用會越來越可觀。
文╱莽叔
證 券 行 業 戰 略 研 究
TAG:券業星球 |