客户需求识别与产品推荐

时间与地点

2024年7月15日,客户拜访计划执行期间,在华东某城商行客户经理办公室。窗外夏日炎炎,客户经理王芳坐在办公桌前,电脑屏幕上同时打开着CRM系统、客户画像系统、产品推荐系统和多个Excel表格,办公桌上铺满了客户资料、拜访记录和产品宣传材料。墙上的时钟指向晚上7点,办公室的灯光是整栋大楼里为数不多还亮着的,王芳已经连续加班一周了。

起因

客户需求识别能力不足,产品推荐精准度低:客户需求识别主要依靠经验判断,缺乏数据支撑,识别准确率仅60%;产品推荐主要依靠人工筛选,缺乏智能匹配,推荐准确率仅50%;客户满意度低,对产品推荐的满意度评分仅3.5分(满分5分);客户流失率高,客户流失率达到15%,远高于行业平均水平5%。

同时,客户需求多样化:高净值客户需求包括财富管理、资产配置、税务筹划、家族信托等;中端客户需求包括稳健理财、消费信贷、保险保障、子女教育等;大众客户需求包括便捷服务、低门槛产品、数字化服务、优惠活动等。总行要求提升客户需求识别能力,提高产品推荐精准度,提升客户满意度和忠诚度。

经过

• 王芳立即开始客户需求识别与产品推荐工作。
• 首先需要从CRM系统获取客户数据:客户基本信息:客户ID、姓名、年龄、性别、职业、收入水平、家庭状况等,王芳负责的客户总数500户,其中高净值客户50户,中端客户150户,大众客户300户。
• 客户资产信息:存款余额、贷款余额、理财余额、基金余额、保险余额等,客户AUM总额10亿元,其中高净值客户AUM 5亿元,占比50%;中端客户AUM 3亿元,占比30%;大众客户AUM 2亿元,占比20%。
• 客户交易信息:交易频次、交易金额、交易渠道、交易时间等,客户日均交易量500笔,其中高净值客户日均交易量50笔,占比10%;中端客户日均交易量150笔,占比30%;大众客户日均交易量300笔,占比60%。
• 然后需要分析客户行为数据:客户活跃度:高净值客户月活跃率95%,中端客户月活跃率80%,大众客户月活跃率45%。
• 客户忠诚度:高净值客户流失率8%,中端客户流失率12%,大众客户流失率20%。

• 客户渠道偏好:高净值客户主要使用网点(60%)和客户经理(40%),中端客户主要使用手机银行(70%)和网点(30%),大众客户主要使用手机银行(85%)和自助设备(15%)。
• 客户产品偏好:高净值客户偏好高收益产品(40%)、专属服务(30%)、财富管理(20%)、其他(10%);中端客户偏好稳健收益(50%)、便捷服务(30%)、产品多样性(15%)、其他(5%);大众客户偏好便捷服务(60%)、低门槛产品(25%)、数字化服务(10%)、其他(5%)。
• 接着,需要识别客户需求:高净值客户需求识别:客户A,55岁,企业主,AUM 1000万元,需求包括财富管理、资产配置、税务筹划、家族信托;客户B,60岁,高管,AUM 800万元,需求包括稳健理财、养老规划、保险保障、子女教育;客户C,50岁,专业人士,AUM 600万元,需求包括高收益产品、专属服务、财富管理、其他。

• • 中端客户需求识别:客户D,45岁,白领,AUM 300万元,需求包括稳健理财、消费信贷、保险保障、子女教育
  • 客户E,40岁,中小企业主,AUM 200万元,需求包括经营贷款、资产配置、保险保障、其他
  • 客户F,35岁,自由职业者,AUM 100万元,需求包括消费信贷、理财投资、保险保障、其他
  • 大众客户需求识别:客户G,30岁,上班族,AUM 20万元,需求包括便捷服务、低门槛产品、数字化服务、优惠活
  动;客户H,25岁,学生,AUM 5万元,需求包括便捷服务、低门槛产品、数字化服务、其他;客户I,28岁,个体工商户,AUM 30万元,需求包括经营贷款、便捷服务、低门槛产品、其他。
• 同时,需要进行产品推荐:高净值客户产品推荐:客户A推荐私人银行服务、家族信托、高端理财、税务筹划;客户B推荐养老理财、保险产品、子女教育基金、稳健理财;客户C推荐高收益理财、专属服务、财富管理、其他。
• 中端客户产品推荐:客户D推荐稳健理财、消费贷款、保险产品、子女教育基金;客户E推荐经营贷款、资产配置、保险产品、其他;客户F推荐消费贷款、理财投资、保险产品、其他。

• 大众客户产品推荐:客户G推荐手机银行、低门槛理财、数字化服务、优惠活动;客户H推荐手机银行、低门槛理财、数字化服务、其他;客户I推荐经营贷款、手机银行、低门槛理财、其他。
• 在识别和推荐过程中,由于缺乏智能工具,主要依靠经验判断,识别和推荐准确率低:客户需求识别主要依靠经验判断,缺乏数据支撑,识别准确率仅60%;产品推荐主要依靠人工筛选,缺乏智能匹配,推荐准确率仅50%;客户对产品推荐的满意度评分仅3.
• 5分(满分5分),客户流失率15%。
• 整个客户需求识别与产品推荐工作耗时1周,涉及500户客户的全面分析,王芳每天工作到晚上10点,周末也加班处理数据,压力巨大。