Segmentering af detailbankkunder

Indhentning af og handling på kundedata gennem segmentering kan have en massiv indvirkning på markedsføring og salg, fastholdelsesindsatser, kundeservice og meget mere.

Den omhyggelige analyse af en så stor mængde kundedata kan være skræmmende. Ved at bruge værktøjer og software som WE Analyze kan detailbanker nemt indsamle data såsom forbrugsvaner, hyppighed og kapacitet og derefter bruge disse oplysninger til at identificere det mest hensigtsmæssige tidspunkt for at give et lånetilbud. Til gengæld forbedrer denne målrettede indsats sandsynligheden for, at detailbanker opnår øgede indtægter gennem kundelån.

En banks tilgang til kundesegmentering kan variere meget og skal være baseret på organisationens forretningsmodel og prioriteter. Segmenter kan være kvantitative, f.eks. efter alder og køn, eller de kan være kvalitative, f.eks. opdeling efter værdier og interesser.

Den maksimale værdi opnås, når bankerne sammenlægger begge typer data for bedre at forstå deres kundesegmenters ønsker og behov, så de kan tilbyde det rigtige produkt eller den rigtige tjeneste på det rigtige tidspunkt.

Kilde

Fælles typer af kundesegmentering inden for detailbankvirksomhed

Der er mange måder at segmentere kunderne på. Traditionelt set er segmenter demografiske, geografiske eller produktbaserede. Og som dette eksempel på en markedsføringsplan illustrerer, kan en detailbank med grundlæggende demografiske og geografiske oplysninger skræddersy sin markedsføringsindsats, så den bliver personliggjort for at imødekomme forbrugernes efterspørgsel.

Her er nogle af de mere traditionelle segmenteringskategorier, som detailbanker kan overveje:

• Beliggenhed: Markedsføringsindsats rettet mod bestemte geografiske områder.
• Køn: Fordelagtigt ved fremme af mandlige og kvindelige specifikke produkter online.
• Alder: Forbedrer aldersbaserede forudsigelser om kunder. For eksempel er millennials mere lydhøre over for digitale markedsføringsstrategier, idet de fleste har en e-mail-konto dedikeret til salgsfremmende indhold, og over 95 % af dem abonnerer på e-mail-lister efter at have “liket” en virksomheds Facebook-side, mens baby boomers har en tendens til at være mere økonomisk stabile og have større mærkeloyalitet.
• Indkomstniveauer: Reklame for visse produkter over for kunder baseret på indkomstniveau. Banker kan udforme segmenter baseret på en formue-model, hvor segmenter kategoriseres på baggrund af lignende træk og demografiske forhold og giver indsigt i disse forbrugeres potentielle forbrugsmuligheder.

Velstandsmodeller er nyttige, fordi de omdanner visse kvalitative egenskaber til kvantitative scoringer. Med formuemodellering kan bankerne vide, hvor de skal fokusere deres anskaffelses- og markedsføringsindsats for at målrette kunder, der giver det højeste investeringsafkast.

Når disse oplysninger er indsamlet, forfiner bankerne disse segmenter ved at analysere deres kunders forbrugsvaner og kapacitet for at øge indtægterne ved at vide, hvilket produkt eller hvilken tjeneste der skal tilbydes og hvornår. I de seneste år er der blevet lagt mere vægt på segmenter, der omfatter kundernes forbrugsadfærd eller interesser, og ofte er man gået ret detaljeret til værks med variablerne, da der er mange faktorer, der påvirker en kundes villighed til at bruge penge.

Kilde

Eksempler på detailbanksegmenter

Når en bank er i stand til at kategorisere og forstå den kunde, de arbejder med, kan de bruge software til at lære, hvordan de bedst kan hjælpe dem. Her er tre eksempler på detailbanksegmenter, og hvordan man kan henvende sig til dem med henblik på relevante tjenester og markedsføring:

• • En familie, der bor i forstæderne med to børn under seks år i et hus på mindre end 1.200 kvadratmeter, og som har en nettoformue på over 500.000 dollars. Dette segment kunne være attraktivt for kandidater, der søger boliglån for at flytte ind i et større hus.
  • En eksisterende kunde, der kun har et billån på 30.000 dollars i din bank, men som også er virksomhedsejer. Dette segment kan kontaktes med henblik på forretningsbank, kreditlinje eller lån/leasing af udstyr.
  • En eksisterende kunde, der har mindre end 50.000 USD på dine konti, men som også er blevet markeret som en akkrediteret investor. Dette segment kunne være åbent for dine private banking- eller formueforvaltningstjenester.
  • En eksisterende kunde, der har en nettoformue på over 500.000 USD og et barn på 17 år, som har et betalingskort i din bank. Dette segment kan udnyttes til at vise, hvordan de kan hjælpe deres barn med at opbygge kredit ved hjælp af et sikret kreditkort. Dette fungerer på samme måde som et betalingskort (som deres forældre måske vil være villige til at finansiere), men deres brug og tilbagebetalingshistorik rapporteres til kreditinstitutterne for at hjælpe dem med at begynde at opbygge en kredithistorik.

For banker, der ønsker at få mest muligt ud af deres segmentering, er det afgørende for at fastholde kunderne og forudsige deres behov, at de ved, hvordan de kan bruge oplysninger om formue og livsstil til at målrette den rigtige målgruppe med de rigtige tjenester.

Hvordan dataanalyse bruges i detailbankers kundesegmentering

Når detailbanker begynder at indsamle og screene nøgledata fra deres brugerbase, kan analytik bruges til at omdanne kundedata til brugbar indsigt for hvert af deres forbrugersegmenter. Som tidligere nævnt anvendes dataanalyser oftest i detailbankers kundesegmentering til at identificere fælles træk eller karakteristika blandt kunderne med henblik på at tilpasse service- eller produkttilbud.

Marketing-software hjælper virksomheder med at udfylde hullerne i deres kundedatabase ved hjælp af databerigelse, datarensning, sikker levering og opdateringer i realtid for at opretholde data af høj kvalitet. Automatisering giver øget effektivitet i forhold til de ressourcer, der går tabt, når de bruges manuelt på at vedligeholde og opdatere databaser, så der kan afsættes mere tid til at opbygge stærkere relationer med hvert kundesegment.

Banking Customer Buyer Persona

En præcis køberperson for bankkunder kan skabe meget mere kundeengagement og salg hurtigere. Den er drevet af data. Det er her, hvor det at foretage en formue-screening virkelig kan fremskynde din markedsføringsindsats.

Velstandsscreening gennem WE Screen bruger proprietære formue-scoringer og -vurderinger og sammensmelter dem med aktuelle kundedata, hvilket gør det muligt for virksomheder at vide mere om forbrugernes interesser, politiske tilhørsforhold, nettoformue og forbrugskapacitet. Disse indsigter kan anvendes på segmenter for at skabe en række initiativer som f.eks. nedbringelse af afgangsprocenten, forbedring af tilfredsheden og meget mere.

Med WE Screen kan bankerne indsamle analyser om kunder fra deres livsstilssegment ved hjælp af affinitetsscorer, der anvendes på deres data.

Ved hjælp af en Look-alike-model

Med segmentering og affinitetsscore kan bankerne rangordne forbrugerne efter variabler som f.eks. nettoformue eller kontantbeholdning for at identificere deres mest (og mindst) værdifulde kundesegmenter, så de kan koncentrere særlige markedsføringsindsatser direkte til deres bedste forbrugere.

Skabelsen af en look-alike-model for disse kunder fører denne anvendelse af dataanalyse videre og giver bankerne mulighed for at målrette potentielle segmenter, som de ved vil give en højere fortjeneste. Look-alike-modellering giver bankerne mulighed for at indsamle og identificere fælles træk fra et bestemt kundesegment og finde nye kundeemner, der matcher de samme kriterier.

Banker kan bruge disse oplysninger til at skabe personlige budskaber til potentielle kunder, der giver genklang fra den allerførste interaktion, baseret på det eller de segmenter, de falder ind under. Dette øger ofte konverteringer og opbygger stærkere relationer til forbrugerne.

Detailbanker kan bruge andre grundlæggende forbrugeroplysninger til hurtigere at identificere tendenser blandt kundesegmenter og bruge dem til yderligere at tilpasse interaktionerne. Nogle af disse datapunkter omfatter:

• Erhvervelseskilde: Notering af, hvor en ny forbruger blev erhvervet. Dette hjælper med at spore, hvor nye kunder kommer fra, hvilket gør det muligt for bankerne at udnytte disse kanaler.

• Oprindelig udgift: Bankerne kan identificere det første køb, som en ny forbruger foretager, hvilket hjælper dem til at lave bedre forudsigelser om kundernes fremtidige behov og køb.

• Brug af enheder: Dette giver bankerne mulighed for at forstå, hvilke enheder kunderne bruger til forskellige tjenester, hvilket gør det muligt at afklare, hvilke handlinger der kan optimere disse interaktioner og engagementer.

Da der er så mange stykker kundedata, der kan analyseres, bliver data mining stadig mere populært for større finansielle institutioner. Bankerne bruger data mining til at anvende omfattende analyser på aktuelle data og til at få øje på tendenser, der ellers måske ikke ville skille sig ud.

En bank kan f.eks. bruge data mining-analyser til at finde frem til de fem egenskaber, der deles af kunder med den højeste livstidsværdi (LTV). Når bankerne kender disse nøgleegenskaber, kan de koncentrere deres markedsføringsindsats ved at oprette personlige kampagner rettet mod kunder med høj værdi.

Dataanalyser udført på kundesegmenter kan også bruges til at skabe mere effektive forudsigelsesmodeller for detailbanker. Når maskinlæring er integreret, kan den bruge disse modeller til at skabe en mere smidig kundeoplevelse ved bedre at forudsige, hvad kunderne har brug for og hvornår.

Kilde

Maskinlæring

Maskinlæring vinder frem og forventes at få en positiv indvirkning på næsten alle aspekter af større teknologidrevne organisationer. 57 % af de teknologiske fagfolk forventer, at maskinlæring vil bidrage til en forbedret kundeoplevelse.

Fordele ved kundesegmentering af detailbanker

Gennem en solid forståelse af deres kundesegmenter kan detailbanker tilpasse forbrugeroplevelser og hurtigt danne ægte relationer med nye og eksisterende kunder. En forbedring af denne indsats fører til reducerede omkostninger og øgede indtægter. Nedenfor følger en liste over de almindelige fordele, der følger af kundesegmentering:

• • Lejere anskaffelsesomkostninger

Gennem kundesegmentering kan bankerne iværksætte mere personlige initiativer, der øger sandsynligheden for, at potentielle kunder bliver kunder. Bankerne kan også generere specialiserede indsatser mod de segmenter, der giver den højeste rentabilitet. En måde, hvorpå dette kan opnås, er ved at anvende en look-alike-model.

• • Øget salg

Gennem at kende kundernes interesser, vaner og ønsker kan bankerne tilbyde kunderne præcis det, de leder efter, når de har mest brug for det, hvilket fører til øget omsætning.

• • Forudsigelse af Customer Lifetime Value (CLV)

CLV hjælper bankerne med at identificere deres mest værdifulde kundesegmenter, så de kan fokusere på at skaffe kunder, der genererer den største indtjening over tid.

• • Faldet churn

Skabelse af en personlig oplevelse for detailkundesegmenter øger kundetilfredsheden, hvilket ofte fører til øget kundefastholdelse og mærkeloyalitet, hvilket mindsker churnraten.

• • Bedre markedsføringskampagner

Gennem brug af kundesegmenter kan detailbanker bestemme den bedste måde at tiltrække nye kunder på, opbygge brandloyalitet og fremme specifikke produkter. Ved at have en bedre forståelse af målgrupperne kan man opnå en højere konverteringsrate.

Kundesegmentering gør markedsføring, produktudvikling og endda kundeservice mere effektiv ved at hjælpe detailbanker med at få yderligere indsigt i specifikke grupperinger inden for deres kundebase.

For at begynde at segmentere din kundeliste kan du besøge WealthEngine i dag for at se alle de kraftfulde værktøjer, som vores platform tilbyder for at hjælpe organisationer med at omsætte data til handling.