Jälleenmyyntipankkitoiminnan asiakassegmentointi

Jälleenmyyntipankkitoiminta, joka tunnetaan myös nimellä kuluttajapankkitoiminta, tarjoaa rahoituspalveluja suurelle yleisölle. Tyypillisiä vähittäispankkien tarjoamia palveluita ovat sekki- ja säästötilit, henkilökohtaiset lainat, luottokorttien käyttöoikeus ja asuntolainat.

Tässä oppaassa käsitellään vähittäispankkitoiminnan ja asiakassegmentoinnin määritelmiä sekä keskustelua, jossa tarkastellaan vähittäispankkitoiminnan asiakassegmentoinnin yleisiä tyyppejä, sitä, miten data-analytiikkaa käytetään asiakassegmentoinnissa, ja segmentoinnin hyötyjä.

Miltä asiakassegmentointi näyttää vähittäispankkitoiminnassa?

Jälleenmyyntipankkipalveluja tarjoavat rahoituslaitokset tavallisesti fyysisissä toimipisteissä eli konttoreissa, joissa asiakkaat voivat hallinnoida rahavarojaan ja keskustella pankkiasiamiehensä kanssa kasvokkain muista tarjotuista rahoituspalveluista tai tuotteista.

Useimmat palvelut voidaan tarjota pankkiautomaateista tai mobiilipankkialustojen kautta, jotka ovat viime vuosina saaneet huomattavan suosion. Koska näillä laitoksilla on laaja asiakaskunta, pankit ryhmittelevät asiakkaitaan usein samankaltaisten ominaisuuksien perusteella, mikä tunnetaan nimellä asiakassegmentointi.

Lähipankin käyttäjäkunnan muodostavat asiakkaat voivat vaihdella suuresti monien tekijöiden, kuten iän, sukupuolen, tulojen, elämäntyylin jne. mukaan. Pankit voivat segmentoida asiakkaansa luetteloihin, joissa kuluttajat jaetaan ryhmiin tiettyjen keskeisten ominaisuuksien perusteella, ja toteuttaa toimia, jotka vastaavat paremmin kutakin segmenttiä.

Asiakastietojen hankkiminen ja niiden perusteella toimiminen segmentoinnin avulla voi vaikuttaa valtavasti markkinointiin ja myyntiin, sitouttamispyrkimyksiin, asiakaspalveluun ja muuhun.

Tällaisen suuren asiakastietomäärän huolellinen analysointi voi olla pelottavaa. Käyttämällä WE Analyzen kaltaisia työkaluja ja ohjelmistoja vähittäispankit voivat helposti kerätä tietoja, kuten kulutustottumuksia, -tiheyttä ja -kapasiteettia, ja sitten käyttää näitä tietoja tunnistamaan sopivimman ajankohdan lainatarjouksen tekemiselle. Tämä kohdennettu toiminta puolestaan parantaa todennäköisyyttä, että vähittäispankit saavat lisää tuloja asiakaslainoista.

Pankin asiakassegmentointitapa voi vaihdella suuresti, ja sen on perustuttava organisaation liiketoimintamalliin ja prioriteetteihin. Segmentointi voi olla määrällistä, kuten iän ja sukupuolen mukaan, tai se voi olla laadullista, kuten erottelu arvojen ja kiinnostuksen kohteiden mukaan.

Maksimiarvo saadaan, kun pankit yhdistävät molempia tietotyyppejä ymmärtääkseen paremmin asiakassegmenttiensä toiveita ja tarpeita, jolloin ne voivat tarjota oikean tuotteen tai palvelun oikeaan aikaan.

Lähde

Yleisiä vähittäispankkiasiakkaiden segmentointityyppejä

Asiakkaiden segmentointiin on lukuisia tapoja. Perinteisesti segmentit ovat demografisia, maantieteellisiä tai tuotepohjaisia. Kuten tämä markkinointisuunnitelmaesimerkki osoittaa, vähittäispankki voi demografisten ja maantieteellisten perustietojen avulla räätälöidä markkinointitoimensa niin, että ne vastaavat kuluttajien kysyntää.

Tässä on joitakin perinteisempiä segmentointiluokkia, joita vähittäispankit voivat harkita:

• Sijainti: Markkinointiponnistelut, jotka on suunnattu tietyille maantieteellisille alueille.
• Sukupuoli: Hyödyllinen, kun mainostetaan mies- ja naiskohtaisia tuotteita verkossa.
• Ikä: Parantaa ikään perustuvia ennusteita asiakkaista. Esimerkiksi millenniaalit reagoivat herkemmin digitaalisiin markkinointistrategioihin, sillä useimmilla heistä on oma sähköpostitili myynninedistämissisältöä varten ja yli 95 prosenttia heistä tilaa sähköpostilistoja sen jälkeen, kun he ovat ”tykänneet” yrityksen Facebook-sivusta, kun taas suuret ikäluokat (baby boomers) ovat yleensä taloudellisesti vakaampia ja brändiuskollisempia.
• Tulotasot: Tiettyjen tuotteiden mainostaminen asiakkaille tulotason perusteella. Pankit voivat laatia segmenttejä varallisuusmalliin perustuen, jossa segmentit luokitellaan samankaltaisten piirteiden ja demografisten ominaisuuksien perusteella ja antavat tietoa näiden kuluttajien potentiaalisesta kulutuksesta.

Varallisuusmallit ovat hyödyllisiä, koska ne muuttavat tietyt laadulliset ominaisuudet määrällisiksi pistemääriksi. Varallisuusmallinnuksen avulla pankit tietävät, mihin keskittyä hankinnassa ja markkinoinnissa, jotta ne voivat kohdistaa hankintansa sellaisiin asiakkaisiin, jotka tuottavat suurimman tuoton sijoitukselle.

Kun nämä tiedot on kerätty, pankit tarkentavat näitä segmenttejä analysoimalla asiakkaiden kulutustottumuksia ja kapasiteettia lisätäkseen tuloja tietämällä, mitä tuotetta tai palvelua tulisi tarjota ja milloin. Viime vuosina on painotettu entistä enemmän segmenttejä, jotka sisältävät asiakkaiden kulutuskäyttäytymisen tai kiinnostuksen kohteet, ja usein muuttujat ovat muuttuneet melko yksityiskohtaisiksi, sillä asiakkaan kulutushalukkuuteen vaikuttavat monet tekijät.

Lähde

Malliesimerkki vähittäispankkisegmenteistä

Kun pankki pystyy luokittelemaan ja ymmärtämään asiakkaat, joiden kanssa se työskentelee, se voi käyttää ohjelmistoja oppiakseen, miten se voi parhaiten auttaa heitä. Seuraavassa on kolme esimerkkiä vähittäispankkisegmenteistä ja siitä, miten niitä voitaisiin lähestyä asiaankuuluvien palvelujen ja markkinoinnin osalta:

• • Lähiössä asuva perhe, jolla on kaksi alle kuusivuotiasta lasta alle 1200 neliömetrin talossa ja jonka nettovarallisuus on yli 500 000 dollaria. Tämä segmentti voisi olla houkutteleva ehdokkaille, jotka etsivät asuntolainaa muuttaakseen isompaan taloon.
  • Olemassa oleva asiakas, jolla on pankissasi vain 30 000 dollarin autolaina, mutta joka on myös yrityksen omistaja. Tätä segmenttiä voidaan lähestyä yrityspankkitoimintaa, luottolimiittiä tai kalustolainaa/-leasingiä varten.
  • Olemassa oleva asiakas, jolla on alle 50 000 dollaria tileilläsi, mutta joka on myös merkitty akkreditoiduksi sijoittajaksi. Tämä segmentti voisi olla avoin yksityispankki- tai varainhoitopalveluillesi.
  • Olemassa oleva asiakas, jonka nettovarallisuus on yli 500 000 dollaria ja jolla on 17-vuotias lapsi, jolla on pankkisi pankkikortti. Tätä segmenttiä voidaan hyödyntää, kun näytetään, miten lasta voidaan auttaa rakentamaan luottoa vakuudellisen luottokortin avulla. Tämä toimii samalla tavalla kuin pankkikortti (jonka vanhemmat saattaisivat olla halukkaita rahoittamaan), mutta heidän käyttö- ja maksuhistoriansa raportoidaan luottolaitoksille, mikä auttaa luottohistorian rakentamisen aloittamisessa.

Pankeille, jotka haluavat saada parhaan mahdollisen hyödyn irti segmentoinnistaan, on avainasemassa, kun halutaan pitää asiakkaat ja ennakoida heidän tarpeensa, kun tiedetään, miten varallisuutta ja elämäntapaa koskevien tietojen avulla voidaan kohdentaa oikealle kohderyhmälle oikeita palveluita.

Miten data-analytiikkaa käytetään vähittäispankkien asiakassegmentoinnissa

Kun vähittäispankit alkavat kerätä ja seuloa keskeisiä tietoja käyttäjäkunnastaan, analytiikkaa voidaan käyttää asiakastietojen muuttamiseen käyttökelpoisiksi oivalluksiksi kunkin kuluttajasegmentin osalta. Kuten aiemmin todettiin, data-analytiikkaa käytetään yleisimmin vähittäispankkien asiakassegmentoinnissa asiakkaiden yhteisten piirteiden tai ominaisuuksien tunnistamiseen palvelu- tai tuotetarjousten personoimiseksi.

Markkinointiohjelmistot auttavat yrityksiä täyttämään asiakastietokannassaan olevia aukkoja käyttämällä tietojen rikastamista, tietojen puhdistamista, turvallista toimittamista ja reaaliaikaisia päivityksiä korkealaatuisten tietojen ylläpitämiseksi. Automaatio tarjoaa lisääntynyttä tehokkuutta verrattuna resursseihin, joita menetetään käytettäessä tietokantojen manuaaliseen ylläpitoon ja päivittämiseen, jolloin enemmän aikaa voidaan käyttää vahvempien suhteiden rakentamiseen kunkin asiakassegmentin kanssa.

Pankkiasiakkaiden ostajapersoona

Tarkka pankkiasiakkaiden ostajapersoona voi lisätä asiakkaiden sitoutumista ja myyntiä paljon nopeammin. Sitä ohjaa data. Siinä varallisuusseulonnan tekeminen voi todella nopeuttaa markkinointipyrkimyksiäsi.

WE Screenin varallisuusseulonnassa käytetään omia varallisuuspisteitä ja -luokituksia ja yhdistetään ne nykyisiin asiakastietoihin, minkä ansiosta yritykset saavat enemmän tietoa kuluttajien kiinnostuksen kohteista, poliittisista sidonnaisuuksista, nettovarallisuudesta ja kulutuskyvystä. Näitä tietoja voidaan soveltaa segmentteihin erilaisten aloitteiden luomiseksi, kuten vaihtuvuusasteen vähentämiseksi ja tyytyväisyyden parantamiseksi.

WE Screenin avulla pankit voivat kerätä analyysejä elämäntyylisegmentin asiakkaista käyttämällä tietoihinsa sovellettuja affiniteettipisteitä.

Look-alike-mallin avulla

Segmentoinnin ja affiniteettipisteytysten avulla pankit voivat asettaa kuluttajat paremmuusjärjestykseen muuttujien, kuten nettovarallisuuden tai käteisvarojen, perusteella ja tunnistaa arvokkaimmat (ja vähiten arvokkaat) asiakassegmenttinsä, minkä ansiosta pankit voivat keskittää erityiset markkinointiponnistelut suoraan parhaille kuluttajilleen.

Luotuaan näille asiakkaille samankaltaisuusmallin tämä data-analytiikan sovellus menee vielä pidemmälle, jolloin pankit voivat kohdentaa potentiaaliset segmentit, joiden ne tietävät tuottavan enemmän voittoa. Look-alike-mallinnuksen avulla pankit voivat kerätä ja tunnistaa tietyn asiakassegmentin yhteisiä piirteitä ja löytää uusia potentiaalisia asiakkaita, jotka vastaavat samoja kriteerejä.

Pankit voivat käyttää tätä tietoa luodakseen potentiaalisille asiakkaille personoituja viestejä, jotka resonoivat heidän kanssaan heti ensimmäisestä vuorovaikutuksesta lähtien sen perusteella, mihin segmenttiin (segmentteihin) he kuuluvat. Tämä lisää usein konversioita ja rakentaa vahvempia suhteita kuluttajiin.

Jälleenmyyntipankit voivat käyttää muita kuluttajien perustietoja tunnistamaan nopeammin asiakassegmenttien välisiä trendejä ja käyttämään niitä vuorovaikutuksen henkilökohtaistamiseen edelleen. Joitakin näistä tietopisteistä ovat:

• Hankintalähde: Merkintä siitä, mistä uusi kuluttaja on hankittu. Tämä auttaa seuraamaan, mistä uudet asiakkaat tulevat, jolloin pankit voivat hyödyntää näitä kanavia.

• Alkuperäiset menot: Pankit voivat tunnistaa uuden kuluttajan ensimmäisen ostoksen, mikä auttaa pankkeja tekemään parempia ennusteita asiakkaiden tulevista tarpeista ja ostoista.

• Laitteen käyttö: Tämän avulla pankit voivat ymmärtää, mitä laitteita asiakkaat käyttävät eri palveluihin, ja selventää, millä toimilla vuorovaikutusta ja sitoutumista voidaan optimoida.

Koska analysoitavia asiakastietoja on niin paljon, tiedonlouhinnasta on tulossa yhä suositumpaa suurissa rahoituslaitoksissa. Pankit käyttävät tiedonlouhintaa soveltaakseen laajaa analytiikkaa nykyisiin tietoihin ja havaitakseen trendejä, jotka eivät ehkä muuten erottuisi.

Pankki voi esimerkiksi käyttää tiedonlouhinta-analytiikkaa löytääkseen viisi tärkeintä ominaisuutta, jotka ovat yhteisiä asiakkaille, joilla on korkein elinkaariarvo (LTV). Kun pankit tuntevat nämä keskeiset ominaisuudet, ne voivat keskittää markkinointitoimensa luomalla yksilöllisiä kampanjoita, jotka on suunnattu arvokkaille asiakkaille.

Asiakassegmenteille suoritettua data-analytiikkaa voidaan käyttää myös tehokkaampien ennustemallien luomiseen vähittäispankeille. Kun koneoppiminen on integroitu, se voi käyttää näitä malleja sujuvamman asiakaskokemuksen luomiseen ennustamalla paremmin, mitä asiakkaat tarvitsevat ja milloin.

Lähde

Koneoppiminen

Koneoppiminen yleistyy, ja sen ennustetaan vaikuttavan myönteisesti lähes kaikkiin isompien teknologiapainotteisten organisaatioiden osa-alueisiin. 57 prosenttia teknologia-alan ammattilaisista odottaa koneoppimisen edistävän asiakaskokemuksen parantamista.

Lähipankkien asiakassegmentoinnin hyödyt

Lähipankit voivat asiakassegmenttiensä vankan tuntemuksen avulla yksilöllistää kuluttajakokemuksiaan ja muodostaa nopeasti aitoja suhteita uusiin ja nykyisiin asiakkaisiin. Näiden toimien parantaminen johtaa kustannusten alenemiseen ja tulojen kasvuun. Seuraavassa on luettelo asiakassegmentoinnista saatavista yleisistä hyödyistä:

• • Alhaisemmat hankintakustannukset

Asiakassegmentoinnin avulla pankit voivat toteuttaa yksilöllisempiä aloitteita, jotka lisäävät todennäköisyyttä, että mahdollisista asiakkaista tulee asiakkaita. Pankit voivat myös luoda erikoistuneita toimia segmentteihin, jotka tuottavat suurimman kannattavuuden. Yksi tapa saavuttaa tämä on käyttää samankaltaisuusmallia.

• • Lisääntynyt myynti

Tuntemalla asiakkaiden kiinnostuksen kohteet, tottumukset ja toiveet pankit voivat tarjota asiakkaille juuri sitä, mitä he etsivät juuri silloin, kun he sitä eniten tarvitsevat, mikä johtaa liikevaihdon kasvuun.

• • Customer Lifetime Value (CLV) -ennuste

CLV auttaa pankkeja tunnistamaan arvokkaimmat asiakassegmenttinsä, jotta ne voivat keskittyä hankkimaan asiakkaita, jotka tuottavat eniten tuloja ajan myötä.

• • Vähentynyt vaihtuvuus

Peruskohtaisen kokemuksen luominen vähittäiskaupan asiakassegmenteille lisää asiakastyytyväisyyttä, mikä johtaa usein lisääntyneeseen asiakaspidätyskykyyn ja brändiuskollisuuteen, mikä vähentää vaihtuvuutta.

• • Parannetut markkinointikampanjat

Käyttämällä asiakassegmenttejä vähittäispankit voivat määrittää parhaan tavan houkutella uusia asiakkaita, rakentaa brändiuskollisuutta ja edistää tiettyjä tuotteita. Kohdeasiakassegmenttien parempi ymmärtäminen johtaa konversiolukujen kasvuun.

Asiakassegmentointi tehostaa markkinointia, tuotekehitystä ja jopa asiakaspalvelua auttamalla vähittäispankkeja saamaan lisää tietoa asiakaskunnan erityisryhmistä.

Aloittaaksesi asiakasluettelosi segmentoinnin, käy WealthEnginessä jo tänään tutustumassa kaikkiin tehokkaisiin työkaluihin, joita alustamme tarjoaa auttaakseen organisaatioita muuttamaan tiedot toiminnaksi.