-------基于互联网金融大数据分析

吴文彦  北京大学经济学院

摘要：近年来，央行推出了非对称降息、存款利率上浮等政策，这不仅标志着我国利率市场化进程的不断深入，同时，也宣告了银行间同业竞争将愈发激烈。利率市场化利差缩小只是问题的一方面，互联网投资形势日渐火热，金融脱模化的情形也愈发严重，这些因素的共同作用使得商业银行必须积极应对，控制整体负债的成本；提高资产负债组合管理效率，加强对市场利率水平的前瞻性研判，提高产品定价水平。

关键词：商业银行；差异定价；互联金融；大数据

本文拟从差异定价的经济学原理“价格歧视”入手进行分析，商业银行根据不同需求的客户进行区分，使银行在产品定价和客户营销上更为主动和积极。互联网时代的技术进步为这一业务需求提供了更多可能性，大数据分析使我们可以实时采集电子渠道每一位客户的浏览轨迹，准确及时地把握客户的行为，洞察客户倾向和潜在需求，从而使银行可以改变原有粗放、被动的管理方式，转变为通过大数据分析，基于客户需求进行产品定价和主动式营销推荐。通过线上动态行为数据结合线下银行积累的客户数据，构建以大数据驱动的智能化线上互动营销模式，并通过客户购买和点击行为的反馈，不断优化和调整策略，真正达到“想客户之所想，荐客户之所需”的营销效果，实现传统产品定价和营销模式的变革。

关键词：差异定价、价格歧视、消费者细分、大数据分析

一、    背景

随着互联网金融的迅速发展，网络金融正在逐步渗透到社会经济的各个方面，基于互联网的大数据技术得到日益广泛的应用，这对我国的金融生态和金融格局都将产生深刻影响，尤其对商业银行的产品定价及营销将会产生巨大影响。在这种新形势下，将银行传统业务与大数据技术相结合，建立基于大数据挖掘技术的产品定价模型和营销策略，构建客户洞察与优化能力，是我国商业银行未来发展的主要方向之一。

利用大数据的挖掘计算能力，可以搜集和掌握的客户信息更为广泛，不但包含传统线下的金融信息，还可以扩大到客户在互联网商务、社交媒体、多种终端媒介等一切可以渗透到客户生活中的各种不同类型的信息，基于这些信息可以为客户构建全方位的360度视图，深入洞察客户行为的方方面面；分析粒度将从客户群体精细化到每一个客户个体，精细塑造“360度”的客户画像，实时掌控客户行为与动态，洞察客户情感与情绪，准确地预测客户的需求，并及时提供合适的产品与个性化服务响应客户的需求，实现产品定价和精准营销，提升客户体验和营销效果，最终促进银行的营销收入和市场地位。

二、    经济学原理浅析

需求与价格歧视理论

在研究价格歧视问题前，先回顾一下经济学理论中关于需求理论的内容：价格会影响市场需求，在其他条件不变的情况下，一种商品的需求量与其本身价格之间成反方向变动，即需求量随着商品本身价格的上升而减少，随商品本身价格的下降而增加。

我们所研究的正常品商品及其市场都符合这个理论，有所差别的恰恰就是定理中的约束“其他条件不变”，现实生活中每个消费者的客观、主观条件均不相同且时刻都可能发生变化，这就意味着每个消费者的需求各不相同。因此，在需求基础上就引申出了需求弹性的问题，不同的消费者需求不同，其对不同的产品价格，具有不同的敏感程度，即所谓需求的价格弹性：每百分之一的价格变化，引发了百分之多少的需求量的变化。相同的产品对有些顾客来说，需求的价格弹性较大，价格稍微下降，需求量就显著上升；但对另外一些顾客，需求的价格弹性小，对价格变动不敏感，价格即使出现较大的变动，需求量却停滞不动。消费者可以根据需求特征被识别和分组，这使得垄断厂商采用价格歧视定价成为可能。

价格歧视指的是商品或服务的提供者在向不同的接受者提供相同等级、相同质量的商品或服务时，在接受者之间实行不同的销售价格或收费标准。价格歧视是一种需求导向的定价策略，属于差别定价的一种。垄断厂商通过价格歧视策略可以获取更多的生产者剩余，这也同样是驱使企业做出这一定价决策的源动力。

消费者分组

价格歧视从理论上可以分为多种，包括一级、二级、三级价格歧视，如"多买多送"、"通讯费套餐"等根据购买量来区分定价的行为属于二级，而根据地区和消费者实行差别定价属于三级价格歧视，由于银行业的特点，本文仅讨论进行消费者分组的三级价格歧视。

三级价格歧视：垄断卖方对不同类型的买方收取不同的价格，买方的需求价格弹性越大，卖方收取的价格就越低；买方的需求价格弹性越小，卖方收取的价格就越高。通过这种方法，价格歧视使产品的卖方尽可能多地获益。具体到银行业，银行可以对属于不同特征分组的客户实行不同的营销管理策略，例如提供不同利率、期限的金融产品，或者给予贵宾客户、对银行贡献更大的客户予以一些手续费优惠等手段以提高客户忠诚度。

实行价格歧视要具备的条件：一、卖方具备垄断地位，我国银行业具备了寡头垄断的特征，行业准入门槛高，行业中的企业具备垄断力量；二、卖方必须能对买者的不同特征进行有效的区分和分割，这种不同可能是买者的需求强度的不同，也可能是购买量的不同，或者是需求价格弹性的不同，这点就要求企业利用技术和业务创新进行实现。

三、    消费者细分的实现

“电子足迹”与用户画像

正如前文所述，每个客户的消费习惯、收入、兴趣爱好各不相同，银行如何能够对其进行有效的特征分组。传统银行的消费分组使用的是根据人口统计学进行的样本分类，这种分类根据历史数据进行统计，后知性地洞察细分人群，由于是事后调研，所以在面对移动互联时代消费需求迅速变化的时候，传统方式就显得力不从心。而以大数据应用为基础的消费者洞察，正在改变这个行业，在国内大数据的引领和先行者，马云旗下的阿里研究院是这样描述大数据营销的：

以行为、时间、空间三种维度，构建个体洞察；

以不间断，即时性的数据，捕捉恰当的营销场景；

以群体的需求趋势，预测个体的需求走势；

在互联网时代，为这一业务需求提供了全新的解决方案，即利用客户画像方法，通过尽可能多的渠道获取客户真实准确的数据，运用大数据和建模技术为客户绘制360度全方位视图，准确识别客户的特征，这些特征包括客户的年龄、购买力、消费习惯、忠诚度等。

大多数人在现代生活中都频繁的使用互联网，而在这一过程中就留下了各种痕迹和记录，我们称之为“电子足迹”，通过对这些足迹的分析处理，例如客户在访问网站、网银等渠道过程中，实时采集电子渠道每一位客户的浏览轨迹，就可以准确及时地把握客户的行为，洞察客户倾向和潜在需求，从而使银行可以改变原有粗放、被动的营销方式，转变为通过大数据分析，基于客户需求进行主动式营销。

大数据决策实现精准营销

1)大数据决策可以从多种渠道采集用户属性数据，包括网页浏览、网银操作、网购、互联网社交平台等，采集的内容包括用户浏览的内容、访问的操作习惯、常用地理位置、访问停留的时间等，扩大化的采集渠道可以更加准确全面的进行用户画像。

2)大数据决策根据用户属性进行计算和客户分组。决策引擎基于客户的基本信息和客户的行为特征，结合预置的业务规则，给出最佳的分组推荐。

3) 大数据决策体系关联定价模型和营销策略，通过业务规则为客户分组后，根据定价营销模型为客户进一步营销管理提供支持，并且这些模型能够根据反馈自动调整优化。

利用大数据分析的客户分组示例

下面来看一个某银行基于大数据分析的客户分组信息的示例，通过对客户网银访问习惯，支付渠道、交易习惯等的综合分析，其中某一个客户细分组特征为：

经常访问的产品TOP3： 保本浮动型、非保本浮动型、股票基金

主要访问时间段TOP3： 21:00后、 12:00～13:00、 9:00~10:00

主要渠道TOP3： 互联网电脑端、移动终端、客服电话

访问时长： 大于5分钟、 2~5分钟、小于2分钟

支付关键字： X行储蓄卡、 X行信用卡

客户群总数：32000人，客户群分布：京32% 江浙沪48% 其他20%

从上面的特征属性看，该分组画像的对象跃然纸上：一线城市白领工薪族，年龄较轻，存在较大上升空间，经常规律性使用互联网或移动网络，对理财有一定知识和主动的态度。

基于以上客户群特征，进行客户群解析和管理：

表：某银行客户组管理策略

该分组显示，基于客户的所持产品信息、交易信息、关注产品信息以及其他的特征信息进行了分组，该客户客户具备较为一致的特征和价值体现，银行将根据分组信息进行统一的客户拓展和营销策略管理。

四、结论

随着金融业的不断发展和激烈竞争，银行传统获利来源的利差空间正不断缩小，另一方面，以互联网技术为代表的网络金融正在逐步渗透到社会经济的各个方面，基于互联网的大数据技术得到日益广泛的应用，这对我国的金融生态和金融格局都将产生深刻影响，尤其对商业银行的营销环境及营销方式将会产生巨大影响，银行不能再默守陈规，需要更加主动和科学的提升定价能力，拓宽获利空间。

在这种新形势下，银行需要适应时代的发展，利用经济学原理实现差异定价，将革命性的网络营销方式与大数据技术相结合，建立基于大数据挖掘技术的营销模式，构建客户洞察与优化能力，提升银行的定价能力和盈利能力，是我国商业银行未来发展的主要方向之一。

参考文献

[1]高鸿业.西方经济学[M].人民大学出版社，2000.

[2]张元鹏.微观经济学(中级教程)[M].北京大学出版社，2015.

[3]阿里研究院.互联网+从IT到DT[M].机械工业出版社，2015

[4]彭清雷.银行业市场营销[M].广东经济出版社，2002.

[5]戴国强.商业银行经营学[M].高等教育出版社，2002.

[6]张亦春.金融市场学[M].高等教育出版社，2003.