上篇文章我们谈到了线上线下一体化营销（公众号进门左转《助贷系列谈之五：线上线下一体化营销》），更多的是揭示了流量助贷机构的现状与问题，至于更深层的机理剖析以及本质工作布局我们将在本期进行讨论。

线上线下一体化营销的中心目标是客户，是为了更多、更低成本地获客，甚至提高客户的品牌认知培养一批强粘性客群。这便需要我们深入研究存量客户的偏好以及潜在新客户的画像和获取方式，更进一步地，要对各种形式的获客方式（尤其是线下团队管理）进行优化与提质增效。无论上述哪个环节，均避免不了数字化、量化分析的驱动与加持。这也是金融机构或金融服务机构数字化转型的最具商业价值的部分。

在所有维度的数据分析中，客户始终是中心点：一个个客户的表现汇总形成了客户经理的表现，一个个客户经理的表现汇总成了组、省市分支机构的表现。因此，线上线下一体化营销也好，还是精细化管理也好，其中心均是围绕客户维护与价值增长开展的（其中客户维护是手段，价值增长是目的）。

很多获客助贷机构在客户维度、客户经理维度、各层级管理机构维度普遍缺少详细、深层、快速的数据指标表征，用以评价全面工作，或精准定位问题原因，或实时监督目标工作的过程进度；更重要的，对客户信息和行为的深层洞悉，可以形成精准建议赋能一线转化为实际产能，同时有助于改善目标客群的品牌认知与价值观认同，维护并培养一批忠实、可信的价值客群。这是助贷机构在市场竞争下半场取得优势的必要保障，值得战略投入。

一、客户洞悉缺乏数据基础，客户维度数据未集中

客户和一线销售行为等维度的数据量收集不足，是数据化驱动需要解决的首要问题。实际操作中，一线人员（包括客户经理、贷后催收专员、电销人员等）掌握很多客户信息但并未收集到线上，导致遗失了很多洞察客户去向、分析行为原因的机会。例如，审批放款前的飞单客户因何原因未提款？提前还款客户因何原因提前还款？客户逾期原因及还款能力、还款意愿等描述。为解决该问题的同时尽量减少一线操作压力，可将相关描述做成标签供一线人员点击选取。

另外，为全面洞悉客户信息，应该加大引入围绕客户信息线索的三方数据。例如，引入房产、车辆的价格及按揭信息对客户资产实力进行有效评估，引入社保公积金数据对客户单位规模或收入水平进行评估，引入重疾险出险情况对客户健康度及家庭因病致贫情况进行评估，引入网络拓扑对客户涉黑程度进行评估。

客户主键数据集中是客户洞悉的前提。流量助贷机构目前的数据现状是：数据分散于各个业务系统之中，并未做有效归集，因故也无法形成全面分析。为全方位洞悉客户，有必要以客户为主键维度将各类分散数据按照一定规则进行归集。归集规则是经验问题，要按照信贷行业惯例结合信贷产品特色、数据应用方便等规则制定公司的客户主键数据大表与数据字典，明确表结构、所含字段、字段分栏标准、缺省值记录标准等规则，将客户信息有序归类，同时建立好与数据源的映射关系和交互跑批规则，做到数据的及时更新同步。

客户的分层分类，这是客户洞悉的其次环节，直接指向分析结论。客群分类更多地应用于特定客群的针对性分析，而客群分层更多地应用于数据关系挖掘的量化建模从而探索出科学的决策依据。例如，最简单的，我们在做客户逾期风险模型时首先要将坏客户挑选出来（比如将90天以上逾期客户定义为坏客户），然后通过建模寻找这些坏客户的行为特征中的强关联性数据因子并确定模型，模型应用后即可通过跑批这些数据因子来判断一个新客户的违约概率。再比如，我们要提高结清客户的再贷款比例，或改善提前结清客户占比，就要先按照结清原因将客户进行分类，然后针对性制定改善建议。

决策优化建议，是指在得到特定分析结论后具体的行动建议，用于改善指标，优化结果。其中，有些建议是简单的、显而易见的。比如我们通过建模发现借款人是企业法人的，近6个月法人发生变更的情况与坏账强相关，此时策略的优化建议可能是禁止准入，或者责令客户经理做进一步调研。

而有些建议（多为客户体验提升或服务改善等复杂课题）是复杂的且需要反复尝试的。例如，我们发现客户经理对优质客户的再营销、再贷款有为难情绪，为优化再贷款率，我们可以设计由电销中心对沉睡户进行唤醒触达，取得的营销线索提供给客户经理线下营销，同时根据再营销次数递增给于逐渐递减的返佣比例，尽量确保渠道公司不反感、不反制的条件下，逐渐增强客户的品牌认同感。

二、对客户经理能力与水平缺乏评估与标准

精细化管理的中心点是客户，重点在客户经理，要对客户经理实施全方位评估和状态、问题的及时洞察，相关工作的基础同样在于底层数据。客户经理分析数据底座的实现路径与客户维度的一致，同样需要“先丰富数据标签——按照客户经理为主键进行归集——分层分类分析”的过程。

对客户经理的洞察分析相对客户的较为简单。首先，需要不断细化业务操作过程中及营销结果表征的各项指标，包括衍生的有益指标，形成客户经理主键大表。包括：每日、周、月、季度的订单量、预审通过件数、签约件数、申请件数、审批件数、审批金额，各环节通过率、笔均、抵押率、历史累计逾期笔数和金额、在逾笔数和金额、各时段vintage逾期笔数与金额、历史累计及当年价值贡献、服务客户的行业分类、职位分类等等。

然后根据不同目标形成不同维度的数据集市，如针对客户经理业绩的评价可将业务发展类指标择优挑选出来，同时对业绩发展中的问题（如审批通过率低、件均低、提前结清率高等）进行提示；如针对客户经理风险管控方面的评价，可将各项逾期、坏账及相关比率指标、客户投诉率、催收结清率等进行汇总。

有了不同维度的评价，就可以对客户经理进行分层分类了。通过不同客户经理之间同维度数据的对比分析我们可以及时判断出每个客户经理展业问题及发展建议。例如同为精英客户经理，复贷率、交叉营销率、提前结清率、坏账率、催回率、短逾比例等指标同样有所差异，之间的对比有利于客户经理认识问题，针对性改善。

客户经理与客户维度数据结合起来会产生很多有益结论，如我们判断得出某位客户经理名下的结清客户较多，而客户结清原因中多为服务不到位引发，则说明该客户经理可能存在虚假营销、夸大营销的问题，要重点跟进。我们也可以分析高品质精英客户经理名下客户的通用画像，结合经验萃取提炼得出如何成长成为销售精英的通用路径，为后进指明方向。

要同步开发客户经理端APP分析结果展示板块和提醒模块，这是该维度数据分析后具体行动指向的重要抓手。通过客户经理端APP，客户经理最好能方便地查看其名下客户的各维度信息和数据，分析得到的重点过程及结论可以做到实时展示，客户的异常行为、风险预警、营销线索及建议等信息要及时推送，对于其中需要反馈的内容应设计出简单、快捷的反馈方式。

三、对各级管理机构缺少精细化运营的决策支持

客户经理维度的全方位评价，是对营销组及各层级管理机构的数据分析和决策建议的基础。当然，除了客户经理数据的汇总外，还要针对各层面经营主体衍生出一些更具表征性的指标体系。比如，组内活动量、进件各环节件数、通过率的环比、人均变化情况，各级管理机构维度的贷款余额、利润及成本构成、逾期和坏账环比、同比情况等。

与客户、客户经理维度既重分析也重决策内容的导向不同，对各级管理层的决策支持最重要的是及时、直观的数据展示，以全面反映经营状态并对其中异常指标（往往是恶化指标或劣势指标）进行提醒，至于如何决策更为有效并不是重点。这便需要重新设计驾驶舱，开发便于展示各时间维度数据、生成数据走势图、方便对比的功能模块，同时增加异常经营指标提示提醒功能。数据时效性上，最好能做到T+1，这需要数据中台的数据跑批策略及容错机制配合。

其实，需要数据赋能的地方还有很多。比如，贷后催收专员也需要大量的客户贷后表现行为洞悉，以提高催收效果（例如通过房产大数据获取其名下的其它房产，或通过网络拓扑关系挖掘对其有影响力的人，这需要进一步开发催收系统让催收人员更便捷地标注信息和客户评价）；催收中心的各级负责人也需要对其员工的工作状态进行评估与对比分析，及时发现员工问题并纠正；还有，我们有必要建立电销团队，但不能漫无目的的拨打电话，而是要通过事先的数据分析挖掘客户营销线索、了解客户性格喜好标签，以提高营销成功率。

四、尚未建立数据中台及分析团队

客户维护与价值增长团队人员需要多种类型人员组成。首先是数据挖掘和数据治理人员，这类人员人数最多，承担了数据线上化和结构化、数据库搭建、数据关系梳理与映射、数据修复、数据集市建设等大量的基础性工作。从人员要求看，要熟悉Oracl、Sybase、MicrosoftSQLServer、Access等数据库，熟练掌握数据MySQL、DQL、DML、DDL、DCL等编程语言数据分析。

其次，要有较多数据分析与建模人员，要熟悉熟悉保险行业数据特点并同时具备丰富的信贷数据应用经验，熟悉前台业务细节，挖掘一线、管理者以及客户的数据应用需求，应用科学的方法论挖掘数据之间的关系，并在实践中验证结论。该过程可以形象地表达为为冰冷的数据注入“灵魂”。

然后，由于该队伍的中心工作是客户维护与价值增长，避免不了线上、线下化的营销手段，因此该队伍中还要有一些熟悉互联网线上营销打法、电销团队管理运营、保险销售管理等方面的业务人员，用于建立除直营队伍以外的其它户触达方式。