在数字化时代，银行服务的竞争愈发激烈。本文将探讨银行如何通过大数据和客户细分策略，将潜在的客户流失转化为新的交叉销售机会。通过一个具体案例，将分析银行如何在短时间内识别客户需求，并提供相应的产品推荐。
在银行业务中，客户的需求识别和满足是一个复杂的过程。银行需要考虑多个因素，包括客户的风险承受能力、购买倾向、预期利润以及产品对客户的实用价值。这些因素共同决定了银行为客户提供的产品推荐是否准确和有效。
银行在推荐产品时，会综合考虑以下四个主要因素：
前三个因素主要关注银行的盈利性，而最后一个因素则关注产品对客户的使用价值。在制定策略时，需要平衡盈利性和以客户为中心的考量。
客户购买倾向的预测基于不同客户群体过去接受产品的倾向。例如，银行X提供三种信用卡：里程卡、奖励卡和现金回馈卡。银行X希望建立一个策略，向现有客户交叉销售第二张卡。
使用客户购买倾向进行目标定位的优势在于，预期的响应者数量会更高。然而，这种方法没有考虑响应者的质量。例如，如果基于购买倾向定位家庭“1032021”（假设为A），而不是“2310231”（假设为B），但如果家庭B产生的收入是A的10倍，那么B实际上是一个更好的目标。因此，看到了结合客户终身价值或收入与购买倾向因素的必要性。
有了每个家庭预期的收入，可以通过找到购买倾向和收入的乘积来计算预期价值。以下是一个示例表格，展示了当用奖励卡或现金回馈卡进行目标定位时的预期价值。
显然，家庭“1032021”（假设为A）对于奖励卡的预期价值低于“2310231”（假设为B）。如果仅基于购买倾向值进行目标定位，可能会定位到预期价值较低的家庭。这个矩阵比仅基于购买倾向提供了更完整的画面，但还没有涵盖其他一些维度。例如，仍然不确定每张卡对每个客户的实用性。假设家庭A更喜欢奖励卡，而家庭B更喜欢现金回馈卡。如果仍然用奖励卡定位客户B，那仅仅是因为额外的盈利性，而不是客户的实际需求。
如果仅基于预期价值定位客户，这可能会导致银行收入更高，但无助于实现客户满意度。客户满意度可能在短期内对财务影响较小，但从长远来看，在激烈的市场竞争中，它会产生重大影响。为了加入以客户为中心的角度，为每种卡的每位客户增加了一个使用指数的度量。
例如，里程卡和奖励卡之间的主要区别是现金限额。对于里程卡，现金限额是1万美元，而对于奖励卡是2万美元。任何超过限额的现金消费都是可收费的。如果客户经常在里程卡上花费超过1万美元，他每次超过这个限制时都会受到处罚。因此，奖励卡对这位客户来说是一个好的价值主张。如果这位客户也有很高的预期价值，那么他确实是奖励卡的最佳目标。但是，仅根据客户的偏好进行目标定位可能对银行来说并不盈利。
正如所看到的，每个维度都有其优缺点。让使这个更有趣，并分析客户在多个维度上的情况。这就是银行进行目标定位的方式。在对客户进行目标定位之前，会从多个维度进行分析。没有任何单一维度能提供最优的目标定位策略。
案例1：仅考虑预期价值。通过仅针对高预期价值的客户进行目标定位，最终只会针对落在以下表格最后一行的客户。这种策略导致目标定位家庭（H在预期价值和L在实用性）最不感兴趣的这种优惠，并且可能导致家庭流失。
案例2：同时考虑预期价值和客户偏好。让尝试在目标定位中也包括实用性。以下目标定位是一个示例，展示了交叉网格如何帮助银行在目标决策中。
如所见，与低偏好和高预期价值的家庭相比，这种目标定位包括了高产品偏好和中等预期价值的家庭。这可能会导致立即的财务负面影响，但将导致更高的客户满意度，从而带来更高的客户终身价值。增加更多维度可以导致更精确的目标定位。除了预期价值外，客户违约的风险也被视为一个额外的维度。对于这种目标定位有严格的风险截止。此外，法律当局限制银行歧视某些社会阶层的目标定位。每个目标定位策略都需要对这些限制类别保持无偏见。
本文中的例子是说明性的。此外，本文开头提到的最近向提供的卡片是基于触发的交叉销售活动。将在另一篇文章中介绍基于触发的活动和定期批量活动之间的区别，因为这不是本文的重点。