Прогноз покупок финансовых продуктов банка

1. Обзор

Этот пример взят из победившей работы конкурса визуализации: " Прогноз покупки банковского финансового продукта ". Еще раз спасибо участнику за участие!

1.1 История вопроса

Банк в Сямэне последовательно создавал онлайн и офлайн, богатые и диверсифицированные точки контакта с клиентами, чтобы удовлетворить потребности клиентов в ежедневных деловых операциях и транзакциях.

В условиях большого количества клиентов, как изучить привлекательность различных финансовых продуктов для клиентской базы, чтобы найти целевые группы клиентов, провести целевой маркетинг, чтобы достичь цели "рекомендовать правильные продукты потенциальным покупателям"?

В этой статье мы представим конкретные анализы авторов и надеемся дать читателям некоторые рекомендации.

1.2 Идеи

1) Анализ общей ситуации в банке, чтобы определить геостратегический фокус банка и понять слабые стороны банка с точки зрения каналов привлечения клиентов;

2) Проанализируйте клиентов и определите "наиболее вероятных покупателей" и "наиболее вероятных отказников";

(3) Проанализируйте финансовые продукты банка, чтобы понять текущую ситуацию с популярностью финансовых продуктов и проанализировать характеристики продуктов, которые пользователи предпочитают покупать больше всего;

(4) Анализ покупательского поведения клиента с целью выявления препятствий на пути к размещению заказа для повышения его успешности;

5) Постройте модель корзины: продукты с высокой корреляцией могут продаваться вместе в пакете; постройте модель Kmeans: предскажите наиболее вероятные покупки пользователей;

2. Конкретные презентации

2.1 Общий анализ

Поймите "профиль активов", "распределение пользователей" и "профиль каналов привлечения клиентов" банка, как показано ниже:

Из приведенного выше анализа можно сделать вывод:

• Клиенты банка сосредоточены в юго-восточном прибрежном районе, с сильными международными характеристиками и преимуществами по всей территории, Гонконгу и Макао, а также радиации в Юго-Восточной Азии.Банку A рекомендуется построитьстратегическую схему "одна ось - два крыла", с материком в качестве основного тела и Гонконгом и Макао в качестве двух крыльев. В то же время мыобнаружили, что внутренняя планировка банка относительно ограничена, только в Сычуани есть часть бизнеса, поэтому рекомендуется углубиться в северо-западные возможности развития.
• Способность новых медиа (микроблогов) привлекать клиентов значительно отстает от уровня отрасли. Компания можетулучшить свои возможности в области онлайн-операций и создать взрывные продукты, пользующиеся популярностью у молодежи, например, запустить кобрендовые карты с "Zhihu, NetEase Cloud и Douyu".

2.2 Анализ потребителей

По такому важному показателю, как "ежемесячный отток", авторы отмечают, что отток слишком высок.

Для того чтобы сократить потерю отторгаемых пользователей, авторы используют RFM-модель для отсеивания важных сохраняемых пользователей, чтобы операторы банка могли сосредоточиться на удержании этих важных пользователей, которые вот-вот будут отторгаться. (Более подробную информацию о моделировании RFM можно найти в разделе: RFM-моделирование )

( Важные удерживаемые пользователи: пользователи, которые недавно потребляли в течение длительного времени и которые не потребляют часто, но потребляют большое количество денег, могут быть пользователями, которые будут потеряны или уже потеряны, и должны быть основаны на мерах по удержанию ).

2.3 Анализ продукции

В контексте эпидемической ситуации авторы отмечают, что клиенты после 19 лет предпочитают инвестиции, не склонные к риску, при этом популярностью пользуются золотые и сберегательные продукты. Можно было бы провести дополнительные исследования и разработки в области продуктов, не склонных к риску.

Кроме того, авторы провели анализ Парето (также известный как анализ двух восьмых) всех продуктов, чтобы выявить одну товарную категорию, которая вносит наибольший вклад в продажи и которую можно продвигать больше, если ее популярность доказана на рынке.

2.4 Анализ покупок

Анализ поведения покупателей в Интернете

Используйте диаграммы воронки для анализа коэффициента конверсии поведения онлайн-пользователей от "просмотра товаров" до "завершения оплаты". Отслеживая коэффициент конверсии и ища точки оптимизации процесса, мы можем повышать коэффициент конверсии от уровня к уровню и в конечном итоге увеличивать общее количество продаж.

Анализ ставок выкупа каналов

Сравнивая и анализируя качество каждого канала, становится ясно, что после 19 финансового года лучше работает именно онлайн-канал. Коэффициент привлечения клиентов в онлайн-каналах значительно ниже, чем в среднем по отрасли, и банку необходимо больше инвестировать в привлечение клиентов в качественные каналы.

2.5 Прогнозы модели

Авторы используют две модели:

• Анализ корзины: поиск корреляций между товарами. Продукты с высокой степенью связи могут быть объединены в онлайн-интерфейсе. Или после того, как пользователь покупает финансовый продукт, появляется страница соответствующего ассоциированного продукта, чтобы дать пользователю рекомендацию. (Подробную информацию о модели корзины покупок см. в разделе: Анализ корзины покупок )
• Анализ Kmeans: кластерный анализ поведения пользователей можно использовать для визуализации того, находится ли прогнозируемый пользователь ( синий значок звезды ) в "зоне некупленных пользователей" или в "зоне купленных пользователей" после кластерного анализа. Если пользователь находится в области купленных пользователей, это означает, что он с большой вероятностью купит продукт, поэтому мы можем усилить его продвижение и работу с ним. (Модель Кнейнса проанализирована автором с помощью обработки на python)