如何在证券零售客户营销中对客户进行分层分类？

在证券零售客户的营销过程中，我们面临的一个问题是客户数以百万计，如果无法将客户有效的进行归类，识别不同类别客户的价值和特征，采取有针对性的营销措施，那我们的投入将是徒劳和低效率的。

1、战略层面：客户分层分类帮我们更好地定义我们的目标客户

证券公司有数量庞大的零售客户，这些客户是多年以来、各种渠道营销累积的成果。这些客户特征迥异、对公司的价值也各不相同。通过基于不同维度共同特征的客户分层分类，能帮助我们更好地理解客户的需求、归纳他们的特征、识别他们的价值，从而让我们更好地定义我们的目标客户并提醒相应的产品和服务方案。

2、策略层面：客户分层分类帮助我们更好地定义产品、价格、渠道、促销策略

识别客户的需求和行为特征是一切营销工作开展的前提，分层分类则会直接影响营销策略的制定。分层分类一个直接的好处是可以将客户化整为零，通过归拢与聚类便可以对某个特定群体的需求和行为特征进行更精准的把握。

制定营销策略包括产品策略、价格策略、渠道策略、促销策略等方面，这其中每一个策略的定制和执行都与客户的需求和行为特征密不可分。产品和服务是满足客户需求的直接手段，产品和服务的设计具有基础性的地位。在洞察了交易型客户的及时掌握更多深度市场信息、下单速度更快的刚性需求，同花顺推出了Level2的行情资讯，借助这款资讯产品可以看到十档行情、主力资金动向、创新“闪电下单”等功能，在业内名噪一时。而面对初级理财型客户对产品认识有限、要求交易简单、易操作的需求，雪球推出了基金组合“一键跟单”的功能而受到市场跟风。 这些优秀产品的产生都建立在对特定客户群体的需求深度洞察和精准把握的基础上，而按照客户需求进行的分层分类则起到了良好的桥梁作用。

价格策略的制定跟客户的特征更是息息相关，价格敏感型客户为了十万分之一的佣金费率而不惜转托管。而对于价格不敏感的客户，可能愿意为了一个资讯套餐而主动提佣。

从经济学的角度来说，如果能够实现个性化定价、将价格歧视发挥到极致是利润最大化的重要手段，而在客户分层分类基础上对特定群体实现不同的价格策略则是在向完全的价格歧视靠近（虽然现在监管要求不能一个产品卖多个价格，但是经过包装后的套餐价格不同是合理的）。

客户分层分类在渠道和促销策略方面的应用更是显而易见，不同类型的客户可以触达的手段是不同的，比如互联网渠道开发的客户往往是屌丝客户，而经纪人开发的客户户均资产则要高很多。如果你将客户的目标群体定义为高净值客户，那互联网渠道的投入则可以大大缩减甚至取消。不同类型的客户所适用的促销方式差距也很大，比如2015年某大型券商邀请了娱乐明星柳岩在互联网上做开户主题活动，事后分析发现吸引的客户主要是85、90前后的年轻中小客户群体，对于70后的潜在客户则触动并不多。

3、执行层面：营销团队需要知道客户是谁、长什么样子、在哪里

对于营销团队而言，如果能确切知道客户谁、长什么样子、在哪里可以找到他们，将大大提升业务效率。而通过客户分层分类及更进一步的客户画像，则可以较为接近地找到这些答案。比如我们根据客户的资产、创收等维度将客户分为核心客户和非核心客户，然后通过大数据进一步核心客户的人口统计特征、行为特征甚至需求特征，我们就可以给我们的核心目标群体画一张像，营销人员则只需拿着这张客户画像去对比就可以知道这个人是核心客户的可能性。另外我们继续分析客户的行为特征，将他们经常接触的媒介、出入的场所、享受的其他服务进行列表并做分布处理，则可以筛选出我们触达、找到这些客户的媒介和场所。

随着大数据技术的发展和营销工具的改良，客户细分的思路被极大的丰富，各种细分的方法和细分标准层出不穷，那如何选择就成了一门学问。总结当前客户细分的思路，大概有三种：以客户人口统计特征进行的细分、以客户行为进行的细分、以客户需求进行的细分。

1、人口统计特征是营销中最常用的细分方式

在传统的营销理论当中，将客户进行细分最常见的方式是通过客户的人口统计特征（如性别、年龄、地域、职业、资产、收入等）进行细分，这一细分方式的优点是标准清晰、也易于理解。但是问题在于通过这些指标进行细分出来的客户共性太弱，甚至很难称其为一个特定的目标群体。

比如国泰君安根据客户净资产规模将客户分为体验客户、普通客户、银卡客户、金卡客户和钻石卡客户。基于客户资产进行客户的细分，可以大体让我们知道这个客户对公司的价值，但是其准确性值得商榷。资产虽然是客户为公司创造价值的基础，但是其业务参与种类、活跃程度、开户年限等元素也会大大影响客户的价值。从捕捉客户需求的角度来说，以资产为标准进行细分效果较差，因为即使是同一个资产级别的客户，其需求也是不大相同的。

在金融行业当中，根据职业或身份进行的客户分层分类案例也非常多。校园贷是一款面向校园学生群体的消费贷款产品，学生群体收入能力差而消费需求相对非常旺盛，他们对小额消费贷款有强烈的需求。学生群体有较为固定的居住场所（学校宿舍）和较高的违约成本（学籍制度下的毕业压力），所以针对学生群体开展的小额消费贷款是比较成功的。这就是典型的在一个科学有效的客户分层分类方法指导下成功案例。

2、客户行为是最客观的细分标准

随着大数据、互联网、物联网等技术的发展，我们现在能够捕捉到的客户行为数据越来越多，通过客户行为能够提取的信息也越来越多。相比于人的想法和言语而言，人的行为是不会骗人的，所以很多人将客户行为数据视为至宝。当前比较成型的一个理论模型是RFM模型，该模型通过一个客户的近期购买行为（Recency）、购买的总体频率（Frequency）以及花了多少钱（Monetary）三项指标来描述该客户的价值状况从而将客户进行分层分类。

在一款智能投顾产品的营销当中，我们可以根据客户登录次数、停留时长、创建组合数、是否跟单、跟单金额等行为数据将客户分为活跃用户、普通用户、边缘客户和流失客户。针对不同类型的客户，我们有不同的目标和营销策略。对于活跃用户，我们的目标是保持活跃并让他成为产品的意见领袖，利用自身的影响力为产品代言进而为产品带来更多的潜在用户，常见的营销手段是鼓励其分享产品信息到朋友圈、完成邀请新用户的任务并获得一定奖励等。对于普通用户和边缘用户而言，核心目标是促进活跃，常见的方式是设置一系列的任务并兑换奖励，比如登录、签到、创建组合、跟单等等。针对流失客户最核心的任务是流失挽回，常见方式是奖品信息刺激、产品信息提醒。

因为当前各大券商在客户行为细分方面的应用较少，所以我们很少见到以客户行为细分为标准的成功案例。其中有一个是国信证券的案例，在证券零售客户当中，有一类客户是高频交易的客户，这帮客户的行为特征往往是高换手率、高交易量、对交易的时机非常看重，对交易速度和响应速度要求极高。为了抓住这帮高频交易的客户，国信推出了VIP交易通道，能在最大程度上提升交易速度，并号称能第一时间买进涨停板和卖出跌停板，在高频交易客户当中有相当的影响力。

（3） 以客户需求为细分标准，回归产品与服务的本质

营销的本质是满足客户需求，创造客户价值，所以以客户需求为细分标准， 差异化地满足客户需求才是产品和服务的根本任务。 当前券商把零售客户统一放在零售业务业务板块，但是零售客户的需求是多种多样的。从客户的大类需求来看，交易需求、理财需求和融资需求相对独立而且需求旺盛，我们就可以将客户分为交易型客户、理财客户和融资客户。

在这样的分类之下，交易客户对应券商的传统经纪业务，理财客户则需要券商的财富管理业务来满足，融资客户的需求则证券金融业务来满足。大部分情况下客户的需求并不是单一的，多种需求交织在一起的情况非常常见，但是总有一种是占主导地位，而这种主需求就决定了客户归属的细分类别。

前文阐述了常见的客户细分标准，那面对如此多的标准，我们究竟是该从一而终还是将标准进行复合？这个问题没有标准答案，主要取决于你进行客户分层分类的目的。

客户细分可以从战略、策略和执行三个层面进行考虑，那站在不同层面的出发点单一标准和复合标准的价值就会有差别。在做战略规划时，一个尽量简单清晰的方向尤其重要，一个单一标准的客户细分更为合适。例如招商银行就以客户资产为标准，将客户细分为金卡客户、金葵花客户、钻石卡客户和私人银行客户，大众理财和金葵花理财分别瞄准了金卡客户和金葵花客户，高端财富管理及私人银行业务则以钻石卡和私人银行客户为核心客群。集团层面简单清晰的客户细分，就给所有分支机构指明了方向。策略层面和执行层面需要的客户细分则要复杂的多，因为策略和执行层面需要的是落地，越具体越具象则越容易得到执行。比如一款互联网金融平台的营销策略，可能会将20-35岁，生活在一二线城市，对互联网熟悉，对理财刚入门的小白作为细分的标准，这种不同维度纵横交错构成的立体维度近似于目标客户的画像，能够为具体策略和执行带来方便。