成功案例 – 金融科技和云服务提供商

客户背景

我们的客户是一家总部位于北京的金融科技和云服务提供商, 致力于通过科技手段和的云计算为各种类型的金融机构提供专业化的科技、运营和知识的服务。

公司拥有强大的渠道资源和地缘优势,帮助金融机构以更低成本、提供更高效率的企业与个人金融服务。

痛点

过去中国的银行主攻对公业务,对私业务从数据采集、 分析、挖掘诸多层面相对匮乏,这几年才开始重视。中国的银行在对私业务架构数仓、数据采集、清洗方面年限较短,质量高的数据在很多中小规模银行更是不足两年,无法形成良好数据训练集进行机器学习。

金融科技服务提供商在人工智能的应用、算法更是处于前期阶段,远远达不到行业应用级别,且无匹配方法论。

刚需

减少重要客户流失,增加存款和提升客户的忠诚度和粘性一直是各类金融机构的刚需。

解决方案

曼灵国际帮助我们的客户寻找到在金融机构对私业务方面有十多年数据挖掘和分析经验,并利用人工智能优化解决方案的加拿大公司。

目前我们的客户通过运用加拿大公司的先进技术和经验,已经在华东的省市级银行完成验证阶段,全面开始复制到个各分行。

金融行业面临的挑战

金融行业的竞争日益激烈,获取优质新客户的费用可能比保留现有客户多5-10倍之多。如何有效的维护和保有现存客户,一直是金融行业的主要面临的挑战之一。

商业银行客户流失非常严重:5百亿左右规模的银行月均净流失约7~10亿;千亿规模的银行月均净流失从数十亿至近百亿。

非流失客户的增长掩盖了流失,令银行的增长较为缓慢或止步不前,甚至后退;银行投入大量的人力物力招揽新客户和拉动存款体量,但是由于客户流失,尤其是高端客户的流失,令银行的整体收入无法达到预期增长目标,有些银行还出现负增长的情况;有些银行已经从今年下半年开始限制贷款经理的贷款额度,把重点放在增长银行存款上,可见客户存款/资产流失已达到非常严重的地步,导致银行无法正常运作利润化业务。

金融行业在保有客户的过程中,主要面临以下问题:

  • 客户数据量庞大,无法找到最有效的方法,即用最少的成本挽回最多的客户及资产。
  • 无法有效区分一般客户流失和重点客户流失。
  • 没有金融数据科学专家长期研究挖掘流失相关的变量和贡献度,导致目前市面上的预测模型错误率高,银行无法实施保有。
  • 没有大量数据训练集训练和经过千锤百炼的AI模型,效果无从保证。
  • 银行相关数据和表相当多和复杂,没有成熟的数据清洗和预处理的AI工具,耗时耗力,无法有效实施保有。
  • 银行业务部门和支行过度依赖传统客户维系方式,没有系统的保有策略和营销话术。

人工智能流失预测解决方案

我们为银行和其他金融机构提供三种解决方案:

  • 高效的AI驱动的流失预测
  • 个性化的营销推荐
  • 专业的销售和客户保有
配图

主要成果

  • 预测模型准确率:高流失人群预测准确率几乎达到100%,流失率预测准确率平均超过95%,流失金额的误差低于10%(是其他同类产品准确率的3倍以上)。
  • 为银行保有了近40%的高端流失客户。
  • 节省约2千万营销成本。
  • 通过高端客户保有,为银行在三个月内挽回了 26%的流失金额,4.5亿。

(注:这是百亿级银行的成果,千亿和万亿级别的银行将收获十倍以上的资产)

0.021s