آنالیز رفتار مشتری در صنعت بانکداری
نمای 360 درجه
مصطفی اروجی
اگر از مدیران بانکها بپرسید که به چه میزان مشتریهای خود را میشناسند، پاسخ خواهند داد: خیلی خوب! ممنون از اینکه پرسیدید. اما شاید این فکر در بازار امروز، چندان صادق نباشد، خصوصا برای بانکهایی که میخواهند در فهرست بهترینها بمانند. تغییر در رفتار مشتریها به سبب ظهور تکنولوژیهای جدید و تغییر شرایط اقتصادی شتاب بیشتری گرفته است. در دوران کرونا، تقاضا برای خدمات دیجیتال به مرز انفجار رسیده و انتظارات شکل دیگری به خود گرفته است. در این فضای جدید، بانکهایی که بر مبنای استراتژی محصولمحور فعالیت میکنند، باید به فکر تغییر جهت به سوی راهبردهای مشتریمحور باشند، یا اینکه عقب افتادن از رقبا را بپذیرند. یک راه برای رسیدن به این مقصود، به دست آوردن تصویری 360 درجه از مشتریهاست؛ تصویری که ارزش تثبیت شده امروز و ارزش بالقوه فردا را برای بانکها معین میکند. این تصویر، شناخت کاملی از تمامی ابعاد شخصیتی مشتری به دست میدهد.
صنعت بانکداری به سبب حجم اطلاعات موجود از مشتریها، در میان تمامی صنایع سرامد است و به همین سبب شناخت خوبی از مشتری در این صنعت وجود دارد. اما با قاطعیت میتوان گفت که این تصویر کافی نیست. علاوه بر این، شناخت و تحلیل دادههای بهدستآمده از مشتری معمولا به شکل ارگانیک در سازمان به اشتراک گذاشته نمیشود. عدم اشتراک اطلاعات در سطح سازمان، سبب عملکرد جزیرهای میشود. اگرچه مشکلاتی همچون حفاظت از اطلاعات افراد، اشتراک اطلاعات در بانکها را با چالشهایی مواجه کرده است، اما با این همه، میتوان گردوخاک پروندهها را تکاند تا شناختی کافی از مشتریها به دست آورد.
جستوجو و دسترسی به اطلاعات، آغاز یک مسیر پرپیچوخم است. پرسش بعدی در این راه، نحوه تحلیل این اطلاعات است. بانکها حالا بیشتر از هر زمانی اطلاعات مشتریان را ذخیره میکنند و بانک اطلاعاتی هر روز در حال گسترش است. با این همه، بسیاری از این اطلاعات در جزیرههای منفصل از هم جمعآوری شده است و سازمانها برای استفاده از آنها، استراتژی مناسبی ندارند. دیگر نمیتوان به کمک روشهای مدیریت سنتی اطلاعات، با این حجم از داده روبهرو شد. پس نیاز به نگاهی جدید در این صنعت، بهشدت احساس میشود.
از پس سالها سرمایهگذاری سنگین در زمینه سیستم هوشمند تجاری (BI)، شاید وقت آن فرارسیده که مقایسهای میان تواناییهای حاصل از این سرمایهگذاری و تحلیلهای حقیقی کسبوکار صورت بگیرد. خبر خوب این است که این سیستم هنوز نقش بنیادی در تحلیلها ایفا خواهد کرد، مثل دستهبندی دادهها برای فهم اتفاقات گذشته و پایِش شاخصهای عملکردی. اما محدودیت این سیستم در پیشبینی آیندهای که به انتظار ما نشسته، راه پیشرفت را مسدود کرده است. اگر سیستم هوشمند تجاری برای درک حادثه پس از رخداد طراحی شده، تحلیل به منزله پیشبینی آینده است. این آیندهنگری درنهایت سببساز آمادگی برای اتفاقات و البته رقم زدن آیندهای بهتر خواهد بود. مدلهای پیشبینی و مدیریت عملکرد، شاخههایی از یک نگاه تحلیلی در سازمان به شمار میروند. سوال مهم اما نقش این نگاه در ساخت تصویری همهجانبه از مشتریهاست که در ادامه به آن پرداخته شده است.
تحلیل رفتار مشتری در چهار بعد
به طور نظری بانکها میتوانند دادههای موجود را در هر بعدی مورد تحلیل قرار دهند. اما این امکان نظری بدان معنا نیست که بانکها باید وقت ارزشمند خود را صرف تحلیل تمام دادههای موجود کنند. این یک خطای استراتژیک و مرسوم است. از همین رو چهار بخش مهم از دادهها باید برای تحلیل و بررسی تفکیک شوند. این چهار بعد در این مقاله معرفی و سوالاتی که در هر بعد باید به کمک تحلیل دادهها پاسخ داده شوند، روشن شده است.
جذب مشتری
بیتردید، شناخت مشتریهای موجود از اهمیت فوقالعادهای برخوردار است، اما ساخت یک دریچه به دنیای مشتریهای بالقوه، به منظور بهینهسازی نحوه ارتباط و تعامل در فرایند ثبتنام، از بعد استراتژیک بسیار باارزش است. این شناخت به بانکها کمک میکند تا محصولات و خدمات را به گونهای طراحی و ارائه کنند که برای افراد خارج از چرخه فروش، جذاب باشد. برای پیریزی یک سیستم جذب مشتری در بانکها، باید در کنار بازاریابی، دسترسی به دادهها و تحلیل آنها هم فراهم شود. به کمک این ابزار میتوان انتظار داشت که مشتریهای جدید به مجموعه اضافه و سیستم پردازش داده و تصمیمگیری خودکار و هزینههای مربوط به جذب مشتری، کاسته شود.
برای بهبود فرایند جذب مشتری باید پیش از هر کاری، مشتریهای بالقوه شناخته و اهداف تجاری سازمان با این شناخت همسو شوند. این شناخت به کمک دادههای تحقیق بازار، بررسیهای روانشناختی- جمعیتی و ابزار تحلیل برای دستهبندی مشتریها به دست خواهد آمد. با انتخاب دقیق و ارسال سیگنالهای درست، میتوان به جذب بیشتر مشتری امیدوار بود.
همچنین بانکها باید موثرترین پیشنهادهای ممکن را به کمک دستهبندی و سیستم امتیازی، برای اهداف بالقوه معین کنند. در این فرایند باید مشخص شود که کدام دسته از مشتریها در مدت زمان طولانی، ارزش بیشتری را برای سازمان خلق و ریسک کمتری را به مجموعه تحمیل خواهند کرد.
برای پیادهسازی این مراحل، نیاز است بانکها به سوالهای زیر پاسخ دهند:
- آیا تاریخچه عملکرد اقتصادی مشتریهای جدید مورد بررسی قرار گرفته است؟ نیاز است تا بر اساس دادههایی همچون پول سپردهشده، سوددهی و کارکرد مشتری، تحلیل مشتریهای جدید صورت بگیرد. این دادهها به بانکها برای انتخاب جامعه هدف درست در جذب مشتری، کمک خواهد کرد.
- آیا دستهبندی مشتریهای بالقوه صورت گرفته است؟ باید در بانکها، گروهبندی مشتریهای جدید و بالقوه بر اساس ویژگیهای مشترک داخلی و تفاوتهای بیرونی انجام پذیرد.
- موفقیت کمپینها چگونه اندازهگیری میشود؟ بر اساس یک قاعده کلی، باید خروجی کمپینهای طراحیشده نسبت به انتظارات در آغاز کار سنجیده و اصلاحات لازم اعمال شود. دوره زمانی بررسی و اصلاح، بستگی به استراتژی موسسات مالی دارد.
- آیا ارزش احتمالی هر مشتری بالقوه محاسبه شده است؟ موسسات مالی باید اولویتهایی را در انتخاب و هدفگذاری جذب مشتری برای خود تعریف کنند. تمام افراد بالقوه از ارزش یکسانی برخوردار نیستند.
- آیا احتمال کلاهبرداری مشتریهای بالقوه در نظر گرفته شده است؟
- آیا حساسیت نسبت به قیمت خدمات در هنگام ارائه پیشنهادات مورد بررسی قرار گرفته است؟
- آیا تخمینی از نرخ واقعی واکنش مشتریهای بالقوه به پیشنهادات ارائهشده صورت گرفته است؟ تخمین یا پیشبینی از نرخ تعامل یا واکنش، بایستی در تناسب با ابعاد کمپین تبلیغاتی، انجام شود.
- آیا برنامهای مدون برای اعمال اصلاحات مورد نیاز در زمانبندی، کانال ارتباطی، خدمات پیشنهادی، محتوای پیامها و انتخاب افراد تهیه و تدوین شده است؟
خدمات
پس از جذب مشتری، بانکها با چالش خدماتدهی روبهرو هستند. مشتریهای امروز از هر زمان دیگری، پیچیدهتر شدهاند و رفتارشان متغیر است. از همین رو، بانکها باید نکاتی را در ارائه خدمات در نظر بگیرند. تناوب تماس با مشتری، کانال ارتباطی و ارائه خدمات، باید برای هر فرد یا گروه به صورت جداگانه طراحی شود. این امر حاصل نمیشود، مگر با تحلیل دادهها.
محدودیتهای اعمالشده از سوی دولتها در مبادلات مالی همچون تعیین نرخ بهره یا سقف تراکنشها، ارائه خدمات را با چالشهایی روبهرو میکند. از همین رو، نگاه اقتصادی مشتریها باید بهخوبی شناسایی شود تا بانکها بتوانند سهم بیشتری را از مبادلات مالی افراد به خود اختصاص دهند. خدمات شخصیسازیشده و برنامههای وفاداری در این بخش بسیار کارا خواهند بود؛ برای مثال، پیشنهاد امتیاز به ازای هر تراکنش یا ارائه خدمات دیجیتال گسترده.
ابزار تحلیلی فراوانی برای کسب شناخت از طریق دادههای موجود ارائه شدهاند. به کمک این ابزار تحلیلی بانکها میتوانند سطح خدمات ارائهشده به هر فرد یا گروه را محاسبه کنند. یک تحلیل مناسب در زمینه ارائه خدمات باید به سوالات زیر پاسخ دهد.
- تعیین ارزش اقتصادی مشتری: بررسی و تحلیل ارزش اقتصادی مشتری و انگیزههای اساسی او، در تصمیمگیریهای بعدی بانک بسیار موثر خواهد بود. افرادی که ارزش اقتصادی بیشتری خلق میکنند، باید خدمات ویژهتری دریافت کنند، همچون خدمات خارج از نوبت.
- دستهبندی مشتریها: مانند بخش پیشین که به دستهبندی مشتریهای بالقوه میپرداخت، در این بخش هم بانکها نیاز دارند مشتریهای ثابت خود را به گروههایی با مرزهای روشن تقسیمبندی کنند.
- انتخاب بهترین کانال خدماتی: بانکها باید بر اساس دادههای موجود، بهترین کانال ارائه خدمات برای هر گروه از مشتریها را مشخص کنند.
- تاثیر روشهای جبران زیان: بانکها باید تاریخچه تاکتیکهای جبران زیان را با توجه به نوع حساب/ مشتری و کارایی، مورد بررسی قرار دهند.
- احتمال خطا در تسهیلات مالی و شدت آن: نیاز است تا موسسات مالی بر اساس دادههای موجود، احتمال عدم بازپرداخت تسهیلات مالی در یک دوره زمانی مشخص و میزان هزینههای احتمالی را محاسبه کنند. همچنین بانکها باید به کمک تاکتیکهایی همچون اصلاح فرایند ارائه تسهیلات مالی یا آزادسازی منابع مالی، این خطا را تا سرحد ممکن کاهش دهند.
- احتمال کلاهبردای در تراکنشها: آیا احتمال کلاهبرداری در هر یک از انواع تراکنش مشخص شده است؟
توسعه روابط
ساخت روابط عمیق با مشتری نتیجه مهمِ تحلیل داده است. با تعمیق روابط مشتری و بانک، افراد به خریداران وفادار خدمات تبدیل خواهند شد. در دنیای واقعی وقتی به دنبال توسعه روابط خود هستیم، تلاش میکنیم تا شناخت خوبی از طرف مقابل پیدا کنیم. شناخت کافی از مشتری به بانکها کمک میکند تا با رفع نیازها و پاسخ به خواستهها، دل آنها را به دست آورند. تعیین زمانبندی و نوع پیشنهاد ارائهشده از طریق تحلیل داده در قیاس با ارائه پیشنهادهای بیهدف، هزینه کمتری را روی دست بانکها خواهد گذاشت. با صرفهجویی در هزینههای اضافی، بانکها میتوانند تسهیلاتی را به مشتریهای خود ارائه دهند که رقبا توانایی آن را نداشته باشند. برای تعمیق روابط با مشتری، بانکها باید پاسخ این سوالها را در آستین داشته باشند:
- سهم بانک از جیب مشتری؛ آیا بانک سهم خود را از جیب مشتری و مبادلات مالی او معین کرده است؟
- تحلیل سود و زیان کمپینهای Cross Selling؛ در این کمپینها پیشنهادهایی اضافه بر موارد معمول، به مشتریها ارائه میشود. این شیوه بازاریابی خصوصا در موسسات مالی از محبوبیت بالایی برخوردار است.
- ارزش طول عمر مشتری؛ آیا ارزش طول عمر مشتری در یک دوره مشخص محاسبه شده است؟ آیا عوامل موثر در خلق این ارزش (میزان سپرده، محصولات مورد استفاده یا گردش مالی) تعیین شدهاند؟
- جعلی بودن هویت افراد؛ بانکها باید روشهایی را برای روشن کردن هویت جعلی برخی از حسابها اتخاذ کنند. به کمک دادههای موجود و تحلیل این دادهها، میتوان گزینههای مشکوک را فهرست کرد و از صرف زمان و هزینه برای ارتباط با این حسابها خودداری کرد.
حفظ مشتری
اگر بانکها لیستی از مهمترین اولویتهای خود تهیه کنند، حفظ مشتری باید در میان چندین اولویت مهم سازمان قرار داشته باشد. بر اساس آمارهای موجود، هزینه جذب مشتری جدید، چندین برابر هزینه حفظ و استخراج ارزش از مشتریهای موجود است. شاید با خود بگویید که در این شرایط دشوار، بانکها کار چندانی برای حفظ مشتریها نمیتوانند انجام دهند، اما باید بگوییم در اشتباه هستید. در هر شرایطی، با شناخت دقیق نیازها و پاسخ به انتظارات بهجای مشتری، میتوان به حفظ آنها امیدوار بود.
یکی از بهترین راهها برای حفظ مشتری، دستهبندی آنها (جدایی خاموش، ناراضی و مشتری مطلوب) و ارائه پیشنهادهای مناسب برای هر گروه ضروری است. این دستهبندی و سیستم پاداشی که بر اساس تحلیل داده به دست آمده، باید بتواند به سوالهای زیر پاسخ دهد تا شرایط برای حفظ مشتری آماده شود.
- تحلیل لحن و رویکرد مشتری؛ آیا بانکها بازخورد مشتری در حین ارتباطات و تغییر در میزان رضایت را بررسی کردهاند؟ به کمک شبکههای اجتماعی و پلتفرمهای مجازی میتوان در کسری از ثانیه بازخورد مشتریها را از کیفیت خدمات، تغییر در هزینه خدمات، محصولات جدید، یا ارتقا در سیستم وفاداری دریافت کرد. هر تحلیلی از اطلاعات در این حوزه، باید نکات زیر را در نظر بگیرد.
- بررسی علت ریزش در گذشته؛ آیا سازمان علت خروج مشتریها و نقش حساب و شخصیت مشتری را در این شکست، بررسی کرده است؟
- بررسی اثر کمپینهای حفظ مشتری؛ آیا موفقیت کمپین در قیاس با انتظارات ارزیابی شده است؟
- پیشبینی ریزش احتمالی مشتری؛ آیا بانک احتمال خروج مشتری را در بازه خاص پیشبینی کرده است؟ در حال حاضر به کمک روشهای هوش مصنوعی و تحلیل دادهها میتوان احتمال خروج مشتریها را با دقت خوبی پیشبینی کرد.
- تخمین زیان ناشی از خروج مشتری؛ موسسات مالی باید بر اساس ارزش مشتری و ارزش احتمالی در آینده، هزینه خروج مشتری از بانک را تعیین کنند. افرادی که خروج آنها هزینه بالایی را به سازمان تحمیل میکند، باید در فهرست اولویت حفظ قرار بگیرند.
تبدیل ایده به واقعیت
استدلال در برابر استفاده از تحلیل برای حرکت به سوی مشتریمحوری، اگر نگوییم ناممکن ولی دشوار است. با این همه، به سبب چالشهایی که در مسیر وجود دارد، بسیاری از مدیران از پیادهسازی این سیستمها سر باز میزنند. اگرچه این تغییر در آغاز دشوار به نظر میرسد، اما مسیر پیادهسازی هموارتر از آنی است که بسیاری از مدیران تصور میکنند. در انتهای این مسیر، گنج ارزشمندی نهفته است. با داشتن این تحلیلها، بانکها میتوانند در انتخاب مشتریهای بالقوه، سطح ارائه خدمات، انتخاب مدل رابطه و درنهایت حفظ مشتری موفقتر عمل کنند.
ترجمه نمودار
محور افقی: افق زمانی
محور عمودی: ارزش مورد انتظار مشتری
از چپ به راست روی نمودار: جذب، خدمات، رابطه، حفظ
خط آبی: مشتری مطلوب
خط قرمز: مشتری ناراضی
خط زرد: خروج خاموش
