リテールバンキング顧客セグメンテーション

人口セグメントに到達し、市場規模とGo-to-Goを見いだす。市場戦略

セグメント化のレンズを通して顧客データを取得し行動することは、マーケティングやセールス、リテンション活動、顧客サービスなどに大きな影響を与えることができます。

このような大量の顧客データを慎重に分析することは、困難なことです。 WE Analyze のようなツールやソフトウェアを使用することで、小売銀行は、消費習慣、頻度、容量などのデータを簡単に取得し、この情報を使用して、融資を申し出るのに最も適した時期を特定することができます。

銀行の顧客セグメンテーションのアプローチは多岐にわたり、組織のビジネスモデルや優先順位に基づいて行う必要があります。

銀行が両方のタイプのデータを統合して、顧客セグメントの要望やニーズをよりよく理解し、適切なタイミングで適切な製品やサービスを提供できるようになれば、最大の価値を得ることができるのです。

Source

Common Types of Retail Banking Customer Segmentation

顧客のセグメント化には数多くの方法がある。 伝統的に、セグメントは、人口統計学的、地理的、または製品に基づいています。 そして、このマーケティングプランの例が示すように、基本的な人口統計学的および地理的情報があれば、小売銀行は消費者の需要に合うようにマーケティング活動をカスタマイズすることができるのです。

• 所在地：小売銀行が考慮すべき、より伝統的なセグメンテーションのカテゴリーをいくつか挙げます。 特定の地域を対象としたマーケティング活動。
• ジェンダー。 男性向け、女性向けの商品をオンラインで宣伝する際に有効。
• Age: 顧客に関する年齢ベースの予測を改善します。 たとえば、ミレニアル世代はデジタルマーケティング戦略への反応が良く、ほとんどがプロモーションコンテンツ専用のメールアカウントを持ち、95%以上が企業のFacebookページを「いいね！」した後にメールリストを購読するのに対し、ベビーブーマーは経済的に安定していてブランドロイヤリティが高い傾向にあります。
• 所得水準。 所得レベルに応じて顧客に特定の商品を宣伝すること。 銀行は、富裕層モデルに基づいてセグメントを作ることができる。このモデルでは、セグメントは類似した特徴や人口統計に基づいて分類され、これらの消費者の潜在的な支出に関する洞察を得ることができる。

ウェルス モデルは、特定の定性的な属性を定量的なスコアに変換するため、役に立ちます。 富のモデル化により、銀行は、投資に対する最高のリターンをもたらす顧客をターゲットにするために、買収やマーケティングの努力をどこに集中させればよいかを知ることができます。

一旦この情報が集まれば、銀行は顧客の消費習慣と能力を分析することによってセグメントを絞り込み、どの製品やサービスをいつ提供すべきかを知ることによって収益を増加させます。 近年では、顧客の消費行動や関心事を組み込んだセグメントがより重視されており、顧客の消費意欲に影響を与える要因は数多くあるため、変数がかなり細かくなることもしばしばです。

Source

Sample Retail Banking Segments

The bank is able to categorize and understand the customer they are working with, then they can use software to learn how to assist them best.

• 郊外に住み、1200平方フィート以下の家に6歳以下の子供が2人いて、純資産が50万ドル以上ある家族。
• あなたの銀行で3万ドルの自動車ローンだけを持っている既存顧客で、ビジネスオーナーでもある。 この層には、ビジネスバンキング、クレジットライン、設備ローン/リースをアプローチすることができます。
• あなたの口座に5万ドル未満しかないが、認定投資家としてのフラグも立っている既存顧客。
• 50万ドル以上の純資産を持ち、17歳の子供がいて、銀行のデビットカードを持っている既存顧客。 この層には、子供が担保付きクレジットカードを利用して信用を築く方法を紹介することができます。 これは、デビットカードと同じように機能しますが（親が資金を提供する可能性があります）、その使用と支払いの履歴は、クレジット機関に報告され、クレジットヒストリーの構築を開始するのに役立ちます。
  

  How Data Analytics Is Used in Retail Banking Customer Segmentation

  小売銀行がユーザー ベースから主要データの収集と選別を開始すると、分析を使用して、顧客データを各顧客セグメントの実行可能なインサイトに変換することができます。 前述のように、データ分析は、小売銀行の顧客セグメンテーションで最も一般的に使用され、顧客間の共通の特性や特徴を特定し、サービスや商品の提供をパーソナライズするために使用されます。

  マーケティング ソフトウェアは、高品質のデータを維持するために、データ エンリッチメント、データ クレンジング、安全な配信、およびリアルタイム更新を使用して、企業が顧客データベースのギャップを埋めるのを支援します。 自動化により、データベースの保守や更新を手動で行う場合に失われるリソースと比較して、効率が向上し、各顧客セグメントとのより強い関係の構築により多くの時間を割り当てることができます。 それは、データによって推進されます。 そこで、ウェルス・スクリーニングを行うことで、マーケティング活動を本当に加速させることができます。

  WE Screenによるウェルス・スクリーニングは、独自のウェルス・スコアと格付けを使用して、それらを現在の顧客データと統合することにより、企業は消費者の興味、政治的所属、純資産、消費能力について詳しく知ることができるのです。 これらのインサイトをセグメントに適用することで、解約率の低減、満足度の向上など、さまざまな取り組みを行うことができます。

  WE Screenを使用すると、銀行はデータに適用されたアフィニティ スコアを使用して、ライフスタイル セグメントの顧客に関する分析を収集できます。

  

  Look-alike Model

  セグメント化と親和性スコアを使用して、銀行は純資産や手持ち資金などの変数によって消費者をランク付けし、最も価値のある（そして最も低い）顧客層を特定し、トップ消費者に直接特別なマーケティング活動を集中させることができます。

  これらの顧客についてそっくりさんモデルを作成することで、データ分析をさらに応用し、銀行はより高い利益を生むとわかっている見込み客層をターゲットにすることができます。 そっくりさんモデリングにより、銀行は、特定の顧客セグメントから共通の特徴を収集および識別し、それらの同じ基準に一致する新しい見込み客を見つけることができます。

  銀行はこの情報を使用して、潜在顧客が該当するセグメントに基づいて、最初のインタラクションから共鳴するパーソナライズされたメッセージを作成することができます。

  小売銀行は、他の基本的な消費者情報を使用して、顧客セグメント間の傾向をより迅速に特定し、それを使用してやり取りをさらにパーソナライズすることができます。 これらのデータポイントには、次のようなものがあります：

  • Acquisition source: 新しい消費者がどこで獲得されたかを記録します。 これは、新規顧客がどこから来たかを追跡するのに役立ち、銀行はそれらのチャネルを活用することが可能になります。
  • 最初の支出。 銀行は、新しい消費者が最初に購入するものを特定することができ、顧客の将来のニーズと購入についてより良い予測を立てるのに役立ちます。
  • デバイスの使用状況。 これにより、銀行は顧客がどのデバイスを使用してさまざまなサービスを利用しているかを把握し、どのような行動をとればそれらのインタラクションやエンゲージメントを最適化できるかを明確にすることができます。

  分析可能な顧客データは非常に多いため、大規模な金融機関ではデータマイニングがますます一般的になってきています。 銀行は、データマイニングを使用して、現在のデータに広範な分析を適用し、他の方法では目立たないような傾向を見出すことができます。

  たとえば、銀行はデータマイニング分析を使用して、生涯価値（LTV）の最も高い顧客が共有する上位5つの属性を発見できます。 これらの重要な特性を知ることで、銀行は価値の高い顧客をターゲットにしたパーソナライズされたキャンペーンを作成し、マーケティング活動を集中的に行うことができます。

  顧客セグメントで実行されるデータ分析は、小売銀行がより効率的な予測モデルを作成するためにも使用できます。 機械学習が統合されると、これらのモデルを使用して、顧客がいつ何を必要とするかをよりよく予測することで、よりスムーズな顧客体験を実現することができます。

  

  Source

  Machine Learning

  Machine Learning は普及しつつあり、テクノロジー主導の大規模組織のほぼすべての側面にプラスの影響を与えると予測されており、テクノロジー専門家の 57% が機械学習が顧客体験の向上に寄与すると期待しています。

  Benefits of Retail Banking Customer Segmentation

  顧客セグメントをしっかりと理解することで、リテール銀行は消費者体験をパーソナライズし、新規および既存の顧客と真の関係を迅速に形成することができます。 こうした取り組みを改善することで、コストの削減と収益の増加につながります。 顧客セグメンテーションから得られる一般的なメリットの一覧は以下のとおりです。

  • 顧客獲得コストの削減

顧客セグメンテーションにより、銀行は、見込み客が顧客になる可能性を高める、よりパーソナライズした取り組みを展開することが可能になります。 また、銀行は、最も高い収益性をもたらすセグメントに対して専門的な取り組みを行うことができます。 これを実現する方法の 1 つが、「類似モデル」の使用です。

• 売上高の増加

顧客の興味、習慣、および要望を知ることにより、銀行は顧客が最も必要としているものを正確に提供でき、収益の増加につなげることができます。

• Customer Lifetime Value (CLV) prediction

CLV によって銀行は最も価値のある顧客層を特定し、長期的に最も収益を生む顧客の獲得に注力することができます。

• 離職率の低下

小売顧客セグメント向けにパーソナライズされた体験を提供することで、顧客満足度が高まり、しばしば顧客維持率やブランドロイヤリティの向上につながり、離職率を低下させることが可能です。

• マーケティング・キャンペーンの改善

顧客セグメントを使用することにより、小売銀行は新規顧客の獲得、ブランド・ロイヤルティの構築、および特定の商品の販売促進を行う最善の方法を判断することができます。 ターゲット・セグメントをよりよく理解することは、コンバージョン率の向上につながります。

顧客セグメンテーションは、小売銀行が顧客ベースの中の特定のグループについてさらに理解を深めることにより、マーケティング、商品開発、さらには顧客サービスをより効果的なものにします。

顧客リストのセグメンテーションを開始するには、今すぐWealthEngineにアクセスして、組織がデータを行動に移すために役立つ、当社のプラットフォームが提供するすべての強力なツールをご覧ください。