第 4 章 恒泰证劵公司客户关系管理的大数据建设策略
恒泰证券实施以大数据技术应用为依托的客户关系管理系统建设，应该按照一定的逻辑程序进行。恒泰证券公司客户关系管理系统的优化策略方针，应该以恒泰证券公司目前所拥有的客户关系管理系统功能模块及业务框架为基础，并根据恒泰证券公司实际情况提出合理的可行方案。改进方案应依托现有系统的功能模块和数据库，以使整个系统改进方案具有高效性和可行性[17-20]根据国内行业以往的具体实践经验和相关研究来看，具体步骤如下：
4.1 恒泰证劵公司客户关系管理大数据应用的战略
如今的大数据技术已不可同日而语，相应地在此技术基础上发展的应用系统无论是数据搜集还是分析结果都取得令人惊讶的效果。因此，恒泰证券公司建立以大数据技术为依托的客户关系管理系统能否取得出色的效果关键在于如何利用大数据技术上，以下提供几点关于如何充分利用大数据技术的客户关系管理系统战略性建设策略。
4.1.1 建立完善的精细化客户大数据库
大数据又叫巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产，是一种所涉及的资料数量级巨大到 PB 级别（其中 1PB= 1,024 TB = 1,048,576 GB）的无法通过目前主流软件运行的工具。
众所周知，数据库是客户关系管理系统的中心环节，被誉为客户关系管理系统的灵魂。建立好客户数据库，企业就拥有了管理客户关系的基础。
因此，恒泰证券公司在利用大数据技术建立自己的客户关系管理系统时，应当充分发挥大数据技术所涉及资料数量级巨大的特点，将客户的信息尤其是浏览信息、交易信息进行精细化存储处理。如客户在某一时间段经常浏览的股票以及浏览该股票所用的时间、时长，客户每一次交易的时间记录以及挂单、撤单记录等。他们看似是普通无用的数据记录，但是量变引起质变是大数据技术的一大特点。如果恒泰证券公司能将这些数据海量收集到一起，并加以精细化管理，并建立精细化大数据库，将是对现有客户的第一手深度数据。这些数据的掌握对了解客户的投资信息、投资习惯无比重要，也是其他证券公司所无法比拟的，从维护客户角度来说，建立精细化大数据库是公司日后经营与服务工作中无比珍贵的资源。
对于上一章 3.4.4 中所提到“先客户一步”的服务理念所需要的大量信息挖掘实际上正是大数据技术的特点。通过大数据理念所建立起的精细化客户大数据库，完全可以做到为每一名客户提供一个账号，在该账号中统计客户所有的操作行为，其中重点囊括未形成买卖操作的行为，如股票浏览、财务报表查询等行为，弥补以往系统只记录交易成功及委托订单的不足。
4.1.2 对相似客户群体的特征分析
在建立具有恒泰证券公司自身客户海量交易相关信息的精细化大数据库之后，进行概念模型设计[25][26],公司便可以利用这个宝贵的资源做基础，对公司客户进行分析、分类。在分类结果的参考下，对每类客户群再进行更加精细的相似性群体分类。对以上内容的相关划分主要分为两个部分：一、在已经了解相关目标数据的情况下搭建他们所对应的数据分析模型；二，如果这个分析模型的准确率经过可接受测试后，那么以后就可以使用它对新的数据进行分析预测。
另外，有还部分学者根据自己所学领域给出新的定义，如客户生命周期中客户终生价值当前价值的高低与客户潜在增值能力的大小来区分客户；[28][29]有学者研究了客户满意水平与重复购买率，[30]有学者借鉴信息检索技术研究了客户响应率和忠诚客户转换率[31];更有学者研究了新客户动态客户细分法。
交易同一只股票的客户群体，他们的实际情况各不相同，例如有的客户是在多次相关股票信息浏览的情况下分批、分次地进行购买，而有的客户则是在极少相关股票信息浏览甚至是没有浏览过的情况下一次性满仓购买，这显然是两种操作风格的投资者；有些客户是习惯于每个交易日开始几分钟内进行交易，而有的客户则是喜欢在每个交易日马上收盘的几分钟内进行交易；有些客户虽然资金量不大，但是天天交易而且同时购买好几只股票，而有的客户资金量虽然很大，但是很少进行交易而且他们往往只购买一两只股票，等等。
因此，对于初步分类的客户群体里极其有必要做相似群体的细划分。划分之后还要对每组的相似群体进行特征分析，以帮助公司了解该类群客户的交易特点、交易偏好、甚至是加入心理学分析元素对客户的性格特点有一定得了解。由此，可根据现有的客户数据，挖掘出客户的隐藏特性，从而辅助客户关系管理工作的开展，帮助企业分析出有利于提高业务增长需要的客户关系管理模式，达到增强企业竞争力等目的。
有了这些深度分析过的经验数据将是恒泰证券公司的无价宝库，无论是用于维护现有客户、开发新客户还是用于客户交易活跃化、相关理财产品的销售等等。
4.1.3 对客户进行个性化服务需求推送
恒泰证券公司在以精细化大数据库的基础上对相似性客户群体进行细划分，并对相似性客户群体的特征进行分析，从而得出了每一类相似客户群体的大致交易特点、交易偏好等公司客户的宝贵信息，甚至得出极为珍贵的关于交易行为的客户心理学相关数据库并通过大数据分析技术得出各相似群体中客户交易行为模型。在此基础上，恒泰证券公司可以做到两个层面的个性化服务需求推送，如下：
（1）即时性服务推送。所谓即时性服务推送就是在得到客户交易某一股票的情况下，推送该信息的扩展信息以及与之相关的信息等。例如，客户在交易一只股票的情况下，恒泰证券公司可依据此股票为目标信息，通过自身的信息与讯息优势搜索与之相关的信息以及相关研究报告推送给客户，以帮助客户在第一时间了解大量与浏览股票相关的有价值讯息，甚至在第一时间得到恒泰证券公司分析师的操作建议。
（2）推测性服务推送。所谓推测性服务推送即为在相似群体分析数据库成型并成熟的情况下对客户进行分类，并且掌握大量该群体客户的投资习惯的情况下，对客户浏览的内容达到阀值后自动出发相关的信息、相关研究报告以及公司分析师的相关操作建议。例如，恒泰证券公司通过前期大数据记录、分析已经掌握到某相似客户群体的在十分钟内对某一股票的浏览量达到 5 次即要触发交易的情况下，群体中的某一客户在浏览某股票 5 次时，公司对该股票的相关信息、相关研究报告以及公司分析师的相关操作建议即可发出推送。
显然推测性服务推送难度更大，但从客户交易的角度来说推测性服务推送更具有意义。客户在购买股票前就能得到该股票的相关信息以及操作建议能使自己的操作更专业、更合理、更科学，相应地会减少很多不必要的低级失误。
4.1.4 建立投资者理财交互系统
目前我国证券公司甚至发达国家的证券公司所建立的客户关系管理系统或者未来一段时间内所要发展的方向都是信息单向输送给客户，只是在精确度和准确性上精益求精地不断推进。而绝大多数公司都有意识到双向理财信息交互的重要性，但都是通过分配专门理财咨询工作人员去解决这种较为复杂的客户理财需求，而理财咨询工作人员的业务能力参差不齐，所擅长的领域也不尽相同，因此很难给客户以全面资讯。
信息单向输送的客户关系管理系统在国外以及极为成熟，他们所掌握的数据以及参数已是中国证券公司难以企及的。因此，恒泰证券公司或者我国其他证券公司要想真正建立一个属于自己公司且能有独特优势的客户关系管理系统，信息双向的理财交互系统将是不二之选。即在建立客户大数据库的基础上再建立一个信息与咨询的大数据库，并依托先进的大数据分析系统将二者有机地结合起来。这样在客户提出一个需求后，信息与咨询大数据库会调出相应的数据源，再通过高度智能的分析系统加以分析得出一个智能化的结论提供给客户，这样的操作建议将会是非常全面、客观的。
而以往的传统，能够得到如此服务和平台的几乎都是大机构或超大户投资者。实际上，建立投资者理财交互系统就是建立一个高度智能的理财分析机器人，通过智能化的机器超越人脑的极限，为客户提供一个高度精确、全面的投资理财建议。
4.2 明确大数据提升客户关系管理系统的战略目标
4.2.1 建立公司应用大数据提升客户关系管理系统的总体目标
恒泰证券公司在制定自己的客户关系管理系统时所希望达到的总体目标，应该以国内证券行业的普遍共同点作为参考，并以此结合本公司的特点制定出符合自己公司实际情况的实施方案。客户关系管理系统的实施必须要有明确的总体目标。公司领导制定客户关系管理系统的总体方针策略时，不仅要全面了解恒泰证券公司内部的管理现实情况，还要时刻了解所处行业以外的市场可能出现的对公司形成的挑战。制定客户关系管理系统的总体搭建方针策略时，恒泰证券公司的有关人员还要清楚地了解自己公司在搭建客户关系管理系统的最初目的，是因为其他竞争对手采用了有效的客户关系管理系统而取得了显着效果的外因引起的，还是因为从公司自身角度为了加强客户服务而自发的，只有公司在建立客户关系管理系统之前就明确这些问题的初始原因，才能制定出适合公司自身的客户关系管理系统的总体规划和目标。
恒泰证券公司在制定出符合自己公司本身运营特点的方针策略后，全公司上下的有关人员应该及时思考该方针策略到底是不是符合自己公司的发展方向，最重要的是这个方针策略能否体现全公司所有员工的价值观，公司各层员工都能否认同这个目标，并为这一共同目标做好相应的准备。客户关系管理系统的言论，并及时将得到公司内部员工一致认同的明确目标形成文件。
4.2.2 细化大数据提升客户关系管理系统业务目标
恒泰证券公司项目组建负责人应对客户关系管理系统的总目标进行充分的论证和细化，使得项目整体目标条理变得越来越清晰和可操作。同时客户关系管理系统作为一个复杂的信息系统工程，绝非一朝一夕就可完成的，而是需要有计划有逻辑顺序地分阶段实施。根据客户所关注的产品质量、服务时间、响应速度等，拟定客户关系管理系统实施进程中的各阶段目标。从客户关系管理系统的总体目标和效果来看，我们可以把它们按照三个层次进行分析，即技术、客户以及财务。评估的具体内容如下：
客户原始数据的收集。恒泰证券公司建立具有自己公司特点的客户关系管理系统最主要的原因就是对客户的原始数据进行有效的搜集，即尽可能多地搜集更多的客户原始数据，在此基础上加工处理、分析，从而有效建立一个有机的客户数据库。对以上涉及内容的评估指标应该但不限于包括客户数据收集的准确率、客户数据的丰富性以及客户数据的关联度等。可以不定期对客户数据库进行多角度、全方面抽样检测，从而较全面地得出客户关系管理系统在管理、分析客户数据方面的作用。
锁定客户关系管理大数据化所需的相关指标。首先需要把恒泰证券公司下属的各家证券营业部分散存储的客户各种相关资料按相应的顺序重新整理并集中存储，如资金流水、委托、成交等资料，从这些相关指标中锁定几项与公司总目标所需的数据。
比如，一个客户的资金流水情况往往决定了随后其买卖股票的额度。对系统所网罗到的海量原始数据进行加工分析处理。另外，确定一些系统没有但符合大数据需要的指标，如客户浏览股票的次数，浏览时间等。
客户关系管理系统的可用性。恒泰证券公司全体员工对客户关系管理系统的接受程度同样是一个重要的评估指标，可以不定期地对不同被服务客户进行满意度调查，并以每次的调查结果为统计数据构建统计学相关曲线图，从而清晰明了地对评估指标有更直观的掌握。
业务流程的优化整合。通过对恒泰证券公司客户关系管理系统成型后的客户流程进行分析，并得出每一流程的信息断点以及流程之间的滞后时间，从而对客户营销、客户服务等各业务领域流程的优化程度进行分析。
公司的财务情况。公司的财务情况是衡量客户关系管理系统的最终评价，前几项都是间接的作用，因为客户关系管理系统以及客户满意程度最终都是需要体现到财务利润上。恒泰证券公司通过建立客户关系管理系统最终实现的投资回报过程主要就是体现在公司财务业绩的增加上。相应的指标包括但不限于：
单客户开发成本--公司成功开发一名新客户的平均成本。
营销活动节省成本--公司因新系统导致营销活动方案执行的优化而节省的费用。
产品种类参与程度--客户在某一个或多个产品分类上所认购的量。
销售总量--在特定时间段内某个产品的总销售额。
以上是一些客户关系管理系统的项目评估中常用的一些指标。众所周知，同一个财务指标对不同公司的意义不一样。同理，一家公司在不同时期对考察指标的侧重也有所不同。比如处于发展期的公司可侧重客户增加额、网站点击量等相关指标，而对客户开发成本和销售费用等方面关注程度较弱；相反，处于成熟期的公司对客户的流失率以及各种降低成本的指标更感兴趣，而往往忽视与客户开发相关的指标。这也恰好印证了以大数据为技术依托的客户关系管理系统为公司经营目标服务的宗旨，抛开公司所真正关心的经营热点是不可能制定出客户关系管理系统项目的正确目标的， 客观地评估客户关系管理系统更是不可能的。
一般说来，项目技术人员对技术类指标比较感兴趣，财务人员以及公司领导对财务类最为在意，而客户关系管理系统的业务操作人员则对系统使用体验与客户服务效用更感兴趣。对恒泰证券公司而言，以大数据技术为依托的客户关系管理系统的实施是否能够帮助公司实现管理观念的转变。
实施过程中需要量化评估客户关系管理系统项目各阶段目标实施的效果。采取以客户在意程度所占比例来评估客户满意度，客户忠诚度，公司运营效率等等。由此便可以量化制定的各阶段目标。最终要关注的内容就是，是否增加了公司的利润，增加公司利润的同时是否有效地提高了客户的满意程度、忠诚度。
4.3 建立客户关系管理行为分析模型
恒泰证券公司建立以大数据技术为依托的客户关系管理系统涉及到已有客户关系管理系统的大数据化流程再造。这其中有一些内容是之前的客户关系管理系统中没有的，如根据客户反复浏览一只股票的分时走势图、财务报表等行为推送一些相关信息以及买卖建议等。有一些是之前具有但不完善的，如客户持有股票的平均时间，以往只是对该信息有所记录，并没有以此作为客户下一次买卖该股的参考指标等。因此需要注意客户关系管理大数据化流程再造与当前客户关系管理系统的有效结合，具体如下：
（1）建立大数据化的分析模型。通过植入客户关系管理系统中一些新的参考指标，以及对公司已有的海量数据源分析，将二者相结合后，恒泰证券公司相关人员不难发现公司客户行为的一些特点以及习惯。以大数据技术为依托的客户关系管理系统还应该结合公司自身特点进行一些独有的设计，以便能够提供足够的多角度的分析工具，以更好地服务公司。
浏览股票次数模型。该模型主要以客户单位时间内反复浏览查询同一只股票的价格走势的次数为主要研究参数，将其与随后对应的买卖操作进行相关性分析得出模型。
例如，通过前期对客户浏览股票次数及其买卖相应股票的大数据记录、分析，恒泰证券公司已经掌握到某相似客户群体的在单位时间内对某一股票的浏览量达到 X 次后有较大概率触发交易的情况下，群体中的某一客户在浏览某股票的次数达到该触发次数后，公司便可以对该股票的相关信息、相关研究报告以及公司分析师的相关操作建议即可发出推送。
阅读财务报表时间模型。该模型主要以客户阅读一只股票相关财务报表的累计有效时间为主要研究参数，将其与随后对应的买卖操作进行相关性分析得出模型。例如，通过前期对客户阅读股票财务报表的累计有效时间及其买卖相应股票的大数据记录、分析，恒泰证券公司已经掌握到某相似客户群体的在累计有效时间达到两小时后有较大概率触发交易，其中该客户群体的累计有效时间为单次阅读时间一分钟以上三十分钟以下，累计达到两小时。公司便可以对触发该模型启动条件的客户发送该股票的相关信息、相关研究报告以及公司分析师的相关操作建议。
持有股票时间模型。该模型主要以客户持有一只股票的习惯时间为主要研究参数，得出持有股票时间与相应买卖操作的相关性模型。该模型对短线操作风格的客户尤为有效。例如，某相似客户群体习惯性对热点股票进行“追涨杀跌”似的买卖操作，那么当该客户群体有人买入股票后，恒泰证券公司即可发送该股票的相关信息以及公司分析师对该股票的建议卖出价位。
银证转账模型。该模型主要以客户由银行向股票账户转账之时起，到客户买入股票的时间为主要研究参数，得出银证转账后的间隙时间与相应买卖操作的相关性模型。
该模型几乎适应于所有投资者，因为绝大多数的客户把资金从银行转入到股票账户都是对股票或债券有买卖需求的。因此，恒泰证券公司可以依据这个重要的模型对所有发生银证转账的客户发送相应的债券买入建议或者股票买入建议。
综合模型。将两种或两种以上的大数据分析模型综合到一起对客户进行相应行为研究。该模型相比较单一参数的分析模型更为精确，往往会取得惊人效果。恒泰证券公司可以通过对各个群体特点的研究选择哪几种参数作为各类客户的主要参考依据，并分配好各参数的相应系数。
（2）验证大数据化分析模型。在恒泰证券公司将大数据技术融入到客户关系管理系统，得出相应的分析模型后，还需要对该模型进行有效性验证，以及参数的持续调整测试。
恒泰证券公司实施以大数据技术为依托的客户关系管理系统分析出客户的行为特点后，根据系统分析结果将客户分类，并将分析结果与形成的模型与客户行为持续跟进一段时间，对客户的行为进行内部验证测试，当准确率达到公司战略目标的标准后方可推出。（具体准确率需要公司领导层达成一致的战略目标后定出，准确率要求过高往往会付出较高的时间成本、人力成本、资源成本等）在大数据化的客户关系管理系统以及大数据模型建成之后，还应该将相应参数做持续测试、验证工作。证券公司与客户的关系是公司运营的根本内容，因此大数据化的客户关系管理系统参数持续验证应该是长久的，而不是一劳永逸的。大数据化的客户关系管理系统需要有一个参数持续验证的体系，由于很多大数据化的客户关系管理系统所带来的效果与作用往往需要在相当长的时间才会慢慢体现，因此恒泰证券公司所搭建的大数据化客户关系管理系统的参数持续验证与改进应该在资源条件允许下长期地开展下去。
