Retail Banking Customer Segmentation

Het verkrijgen van en handelen naar klantgegevens door de lens van segmentatie kan een enorme impact hebben op marketing en verkoop, retentie-inspanningen, klantenservice, en meer.

Het zorgvuldig analyseren van zo’n grote hoeveelheid klantgegevens kan ontmoedigend zijn. Met tools en software zoals WE Analyze kunnen retailbanken eenvoudig gegevens vastleggen zoals bestedingsgewoonten, frequentie en capaciteit, en deze informatie vervolgens gebruiken om te bepalen wat het meest geschikte moment is om een lening aan te bieden. Deze gerichte actie vergroot op haar beurt de kans dat retailbanken meer inkomsten genereren via leningen aan klanten.

De klantsegmentatieaanpak van een bank kan sterk variëren en moet worden gebaseerd op het bedrijfsmodel en de prioriteiten van de organisatie. Segmenten kunnen kwantitatief zijn, zoals naar leeftijd en geslacht, of ze kunnen kwalitatief zijn, zoals scheiding naar waarden en interesses.

Maximale waarde wordt verkregen wanneer banken beide soorten gegevens samenvoegen om de wensen en behoeften van hun klantsegmenten beter te begrijpen, zodat ze het juiste product of de juiste dienst op het juiste moment kunnen aanbieden.

Bron

Commonson Types of Retail Banking Customer Segmentation

Er zijn talloze manieren om klanten te segmenteren. Traditioneel, zijn de segmenten demografisch, geografisch, of product gebaseerd. En, zoals dit voorbeeld van een marketingplan illustreert, met demografische en geografische basisinformatie kan een retailbank haar marketinginspanningen op maat maken, zodat deze zijn afgestemd op de vraag van de consument.

Hier volgen enkele van de meer traditionele segmentatiecategorieën die retailbanken kunnen overwegen:

• Locatie: Marketinginspanningen gericht op specifieke geografische gebieden.
• Geslacht: Nuttig bij het bevorderen van mannelijke en vrouwelijke specifieke producten online.
• Leeftijd: Verbeter op leeftijd gebaseerde voorspellingen over klanten. Bijvoorbeeld, millennials zijn meer ontvankelijk voor digitale marketingstrategieën, met de meeste hebben een e-mailaccount gewijd aan promotionele inhoud en meer dan 95% van hen abonneren zich op e-maillijsten na het “liken” van de Facebook-pagina van een bedrijf, terwijl babyboomers de neiging hebben financieel stabieler te zijn en een hogere merkentrouw te hebben.
• Inkomensniveaus: Het adverteren van bepaalde producten aan klanten op basis van inkomensniveau. Banken kunnen segmenten maken op basis van een welvaartsmodel, waarbij segmenten worden ingedeeld op basis van vergelijkbare kenmerken en demografische gegevens en inzicht geven in de potentiële bestedingen van deze consumenten.

Wealth-modellen zijn nuttig omdat ze bepaalde kwalitatieve kenmerken omzetten in kwantitatieve scores. Vermogensmodellering stelt banken in staat om te weten waar zij hun acquisitie- en marketinginspanningen op moeten richten om zich te richten op klanten die het hoogste rendement op de investering opleveren.

Zodra deze informatie is verzameld, verfijnen banken deze segmenten door het bestedingsgedrag en de capaciteit van hun klanten te analyseren om de inkomsten te verhogen door te weten welk product of welke dienst moet worden aangeboden en wanneer. In de afgelopen jaren is meer nadruk gelegd op segmenten die het bestedingsgedrag of de interesses van klanten omvatten, waarbij vaak vrij granulair wordt omgesprongen met de variabelen, omdat er veel factoren zijn die van invloed zijn op de bereidheid van een klant om te besteden.

Bron

Voorbeeld Retail Banking Segments

Als een bank eenmaal in staat is om de klant waarmee ze werkt te categoriseren en te begrijpen, kan ze software gebruiken om te leren hoe ze deze klant het beste kan helpen. Dit zijn drie voorbeelden van retail banking-segmenten en hoe ze kunnen worden benaderd voor relevante diensten en marketing:

• • Een gezin dat in de buitenwijken woont met twee kinderen onder de zes jaar in een huis van minder dan 1200 sq ft, met een nettowaarde van meer dan $ 500k. Dit segment zou aantrekkelijk kunnen zijn voor kandidaten die op zoek zijn naar woonkredieten om naar een groter huis te verhuizen.
  • Een bestaande klant die alleen een autolening van $30.000 bij uw bank heeft, maar ook een bedrijfseigenaar is. Dit segment kan worden benaderd voor zakelijk bankieren, kredietlijn, of apparatuur lening / leasing.
  • Een bestaande klant die minder dan $ 50k op uw rekeningen heeft, maar die ook is gemarkeerd als een geaccrediteerde belegger. Dit segment zou open kunnen staan voor uw private banking- of vermogensbeheerdiensten.
  • Een bestaande klant die een nettowaarde van meer dan $ 500k heeft en een kind van 17 jaar dat een bankpas bij uw bank heeft. Dit segment kan worden aangeboord om te laten zien hoe ze hun kind kunnen helpen krediet op te bouwen met behulp van een beveiligde creditcard. Dit werkt op dezelfde manier als een debetkaart (die hun ouders misschien bereid zijn te financieren), maar hun gebruik en afbetalingsgeschiedenis wordt gerapporteerd aan de kredietagentschappen om te helpen een kredietgeschiedenis op te bouwen.

Voor banken die het meeste uit hun segmentatie willen halen, is weten hoe ze informatie over rijkdom en levensstijl kunnen gebruiken om het juiste publiek met de juiste diensten te targeten, de sleutel tot het behouden van klanten, en het voorspellen van hun behoeften.

Hoe data-analyses worden gebruikt bij klantsegmentatie voor retailbanking

Zodra retailbanken beginnen met het verzamelen en screenen van belangrijke gegevens van hun gebruikersbestand, kunnen analyses worden gebruikt om klantgegevens om te zetten in bruikbare inzichten voor elk van hun consumentensegmenten. Zoals eerder vermeld, worden gegevensanalyses het vaakst gebruikt bij klantsegmentatie voor retailbanking om gemeenschappelijke kenmerken of eigenschappen onder klanten te identificeren om service- of productaanbiedingen te personaliseren.

Marketingsoftware helpt bedrijven de hiaten in hun klantendatabase op te vullen door gebruik te maken van gegevensverrijking, gegevensopschoning, beveiligde levering en realtime updates om gegevens van hoge kwaliteit te behouden. Automatisering zorgt voor meer efficiëntie in vergelijking met middelen die verloren gaan wanneer databases handmatig worden onderhouden en bijgewerkt, waardoor meer tijd kan worden besteed aan het opbouwen van sterkere relaties met elk klantsegment.

Banking Customer Buyer Persona

Een nauwkeurige bancaire klant buyer persona kan zorgen voor veel meer klantenbetrokkenheid en een snellere verkoop. Het wordt gedreven door gegevens. Dat is waar het doen van een vermogensscreening uw marketinginspanningen echt kan versnellen.

Vermogensscreening door WE Screen maakt gebruik van eigen vermogensscores en -ratings en voegt deze samen met huidige klantgegevens, waardoor bedrijven meer te weten kunnen komen over de interesses, politieke voorkeuren, nettowaarde en bestedingscapaciteit van consumenten. Deze inzichten kunnen worden toegepast op segmenten om een verscheidenheid aan initiatieven te creëren, zoals het verminderen van churn rates, het verbeteren van de tevredenheid, en nog veel meer.

Met WE Screen kunnen banken analyses verzamelen over klanten uit hun lifestyle-segment met behulp van affiniteitsscores die op hun gegevens worden toegepast.

Gebruik van een Look-alike Model

Met behulp van segmentatie en affiniteitsscores kunnen banken consumenten rangschikken op basis van variabelen zoals nettovermogen of contant geld om hun meest (en minst) waardevolle klantsegmenten te identificeren, zodat ze hun speciale marketinginspanningen rechtstreeks op hun topklanten kunnen richten.

Het creëren van een look-alike model voor deze klanten gaat verder met deze toepassing van data-analyse, waardoor banken zich kunnen richten op prospectsegmenten waarvan ze weten dat ze een hogere winst zullen opleveren. Look-alike modellering stelt banken in staat om gemeenschappelijke kenmerken van een bepaald klantsegment te verzamelen en te identificeren en nieuwe prospects te vinden die aan diezelfde criteria voldoen.

Banken kunnen deze informatie gebruiken om gepersonaliseerde messaging te creëren voor potentiële klanten die vanaf de eerste interactie met hen resoneren op basis van het (de) segment(en) waarin ze vallen. Dit verhoogt vaak conversies en bouwt sterkere relaties op met consumenten.

Retailbanken kunnen andere basisinformatie over consumenten gebruiken om sneller trends onder klantsegmenten te identificeren en deze te gebruiken om interacties verder te personaliseren. Enkele van deze datapunten zijn:

• Acquisitiebron: Noteren waar een nieuwe consument is verworven. Dit helpt bij het traceren waar nieuwe klanten vandaan komen, zodat banken op die kanalen kunnen inspelen.

• Eerste bestedingen: Banken kunnen de eerste aankoop van een nieuwe consument identificeren, waardoor ze betere voorspellingen kunnen doen over de toekomstige behoeften en aankopen van klanten.

• Apparaatgebruik: Dit stelt banken in staat om te begrijpen welke apparaten klanten gebruiken voor verschillende diensten, waardoor duidelijk wordt welke acties die interacties en engagementen kunnen optimaliseren.

Omdat er zoveel stukjes klantgegevens zijn die kunnen worden geanalyseerd, wordt datamining steeds populairder bij grotere financiële instellingen. Banken gebruiken datamining om uitgebreide analyses toe te passen op actuele gegevens en om trends te ontdekken die anders misschien niet opvallen.

Een bank kan bijvoorbeeld datamininganalyses gebruiken om de top 5-kenmerken te ontdekken die worden gedeeld door klanten met de hoogste levenslange waarde (LTV). Als ze die belangrijke kenmerken kennen, kunnen banken hun marketinginspanningen concentreren door gepersonaliseerde campagnes te maken die gericht zijn op klanten met een hoge waarde.

Data-analyse uitgevoerd op klantsegmenten kan ook worden gebruikt om efficiëntere voorspellende modellen voor retailbanken te maken. Wanneer machine learning is geïntegreerd, kan het deze modellen gebruiken om een soepelere klantervaring te creëren door beter te voorspellen wat klanten nodig hebben en wanneer.

Bron

Machine Learning

Machine learning wordt steeds populairder en zal naar verwachting een positieve invloed hebben op bijna alle aspecten van grotere technologiegedreven organisaties, waarbij 57% van de technologieprofessionals verwacht dat machine learning zal bijdragen aan een betere klantervaring.

Voordelen van klantsegmentatie voor retailbankieren

Door een goed begrip van hun klantsegmenten kunnen retailbanken de ervaringen van consumenten personaliseren en snel echte relaties aangaan met nieuwe en bestaande klanten. Het verbeteren van deze inspanningen leidt tot lagere kosten en hogere inkomsten. Hieronder volgt een lijst met veelvoorkomende voordelen van klantsegmentatie:

• • Lagere acquisitiekosten

Door middel van klantsegmentatie kunnen banken meer gepersonaliseerde initiatieven ontplooien die de kans vergroten dat prospects klant worden. Banken kunnen ook gespecialiseerde inspanningen leveren voor segmenten die de hoogste winstgevendheid opleveren. Een van de manieren waarop dit kan worden bereikt, is door gebruik te maken van een look-alike model.

• • Verhoogde omzet

Door de interesses, gewoonten en wensen van klanten te kennen, kunnen banken klanten precies bieden wat ze zoeken op het moment dat ze het het meest nodig hebben, wat leidt tot een hogere omzet.

• • Customer Lifetime Value (CLV) voorspelling

CLV helpt banken bij het identificeren van hun meest waardevolle klantsegmenten, zodat ze zich kunnen richten op het verwerven van klanten die in de loop der tijd de meeste inkomsten genereren.

• • Verlaagde Churn

Het creëren van een gepersonaliseerde ervaring voor retailklantsegmenten verhoogt de klanttevredenheid, wat vaak leidt tot een verhoogde klantenbinding en merkentrouw, waardoor de churn rate daalt.

• • Betere marketingcampagnes

Met behulp van klantsegmenten kunnen retailbanken bepalen wat de beste manier is om nieuwe klanten aan te trekken, merkloyaliteit op te bouwen en specifieke producten te promoten. Een beter begrip van de doelsegmenten zal leiden tot hogere conversiepercentages.

Customer segmentation maakt marketing, productontwikkeling en zelfs klantenservice effectiever door retailbanken te helpen meer inzicht te krijgen in specifieke groepen binnen hun klantenbestand.

Om te beginnen met het segmenteren van uw klantenlijst, bezoek WealthEngine vandaag nog om alle krachtige hulpmiddelen te zien die ons platform biedt om organisaties te helpen gegevens om te zetten in actie.