证券行业 | 客户生命周期运营方案全解析

本文将从服务过 7 家 TOP10 券商客户的实战经验，为你讲解证券客户全生命周期运营方案。

上图直观地展示了客户全生命周期管理的概念。客户的生命周期主要分为获客期、成长期、成熟期、维护/流失期四个阶段。一般来说，券商公司会对所有的客户进行分级分类，并对不同的客户进行针对性的服务。

相比其他领域，证券客户的生命周期有个显著特点，因为中国证券市场同样存在着周期，客户的周期和市场的周期会发生叠加，如一群处于成熟期的客户，遇到市场低潮期，就直接停止交易，从数据来看，该群客户的价值就终结了，但若市场情况好转，客户可能会再回来。

针对证券行业的这种特殊情况，券商开始进行财富管理转型，即去市场周期化，如当股票行情不好，推荐客户做债券基金或理财等，通过资产配置的方式，让用户的资产仍留在体系内，实现客户在系统内创造的价值大于客户的获客成本和维护成本，最大化客户全生命周期价值。

为了实现客户全生命周期运营，我们将客户划分在三个阶段，同时将运营活动划分为客户运营、活动运营、内容运营三类，如下图：

1. 客户运营

客户运营主要指通过运营手段实现客户的拉新、促活、留存和转化。

（1） 在客户新开期，进行开户引流、促活跃、促入金的引导；

（2） 在客户活跃期，进一步促进客户的业务转化，如一个普通的股票用户，使其开通两融账户；会员活动在证券和基金公司都是常见的运营手段；客户心理按摩，即在股市波动较大时，安慰用户；智能推荐是一个新的课题，基于客户属性推荐其可能感兴趣的理财或基金产品，实现千人千面，是未来比较有发展前景的运营方式；

（3） 在客户衰退期，进行客户流失预警和客户激活。

2. 活动运营

活动运营主要指做一些专门活动进行促活、促销售等。如导流活动、产品销售、新业务开通专项活动、老拉新活动、路演与策略会。

3. 内容运营

券商之前做的比较多的是业务提醒、投资者教育、资讯服务，现在也会做线上公开课、投顾服务、投顾社区，这三个之所以标红，是因为这方面互联网做的比较好，券商可以借鉴一些互联网的场景，有特别大的发展前景。

最近，我们也与很多头部券商客户进行交流，讨论券商运营的一些场景和核心需求，做了一个涵盖客户运营和活动运营的全生命周期运营方案简化版，未来神策数据将不断完善该方案。如下图。

下图是根据方案做的 demo，可以清楚地从运营计划看板监控运营计划、类型、内容及执行数据情况，对于很多公司来说，这个运营计划看板省去了大量的繁杂工作量，可以实时监测运营活动进展，采取有效的干预、预防、挽留措施。

对于运营我们先讲一下方法论，我们以购买基金为例，通过典型客户的决策过程，来具体讲解运营方法论。

首先，我们先来看消费者决策模型，如下图。

消费者决策模型用了描述消费者购买决策的过程，分为关键的 5 步，认知问题、信息获取、评估选择、动作、事后评价。

举个例子，张三计划理财，在认知阶段，首先会评估资产状况，当发现有 10 万元可作为流动资金购买，同时又发现市场行情良好，觉得购买基金产品不错，但又不知道具体购买哪个，便进入信息获取阶段，通过熟人、网络、客户经理等获取信息，获取信息之后就可以进行产品类型、销售渠道的评估选择，若最终在一家证券公司中购买，便要进行注册开户、预约等动作，购买后张三肯定还会对整体的购买感受和产品收益等进行一个评价反馈，同时为下次购买基金积累经验。

在以上消费者决策模型的背景下，便衍生出了基于方法论的运营闭环，如下图。

就购买基金来说，券商的核心目标是基金交易金额提升。

首先，企业要洞察客户，通过人口统计特征找到可能买基金的人，如有购买基金习惯或没有购买过基金但在学习理财的人等。当找到对的人后便需要通过设计策略在合适的时机传达对的信息，如针对刚接触的小白进行新手引导；借助大 V 传播，让更多理财用户了解产品特色等。

然后，再采取多渠道触达的方式进行有效的信息传递，如单次、例行进行栏位、短信、Push 的触达等。

当运营动作执行完之后便基于监控&反馈做一个整体的复盘，包括对目标效果的评估、用户反馈的响应、策略规则的迭代等。

1. 新客户运营

新客户运营包含两个主要课题：

• 如何全面提高获客的「质」与「量」？

• 如何提高新客价值？

新客户的运营目标一般为开户率、入金金额、促成新客理财客户数、留存率等指标的提升。很多证券公司获取一个客户的成本在 1000 元，还无法保证获取的用户为有效客户，即不保证用户年末留资在 10000 元以上，因为流量昂贵，企业获客的质需要被重视起来。

针对获取高质量的新客户的运营目标，企业该如何做呢？

• 第一步客户洞察，客户可以划分为新开客户、不活跃的新客户、不入金的新客户；

• 第二步策略选择，针对不同类型的客户可以做差异化策略，如对新用户进行引流监控，新开客户做开户中断的干预，对不活跃的新客户进行促活跃等；

• 第三步针对性触达，包括 App 推送、短信营销、人工触达等，根据具体需要进行单一触达或组合触达，如新用户只是进行手机注册，还未开户时，我们便会采取短信触达方式；用户开户中断时，我们会用客户经理进行触达；用户开户后，我们会用短信或 Push 进行触达等；

• 第四步监控&评估，包括开户率、入金金额、新客理财客户数等。

那么客户从哪来，又该如何监控分析呢？

引流的渠道有很多，如在百度上购买关键词；与财经媒体合作做广告引流开户，如雪球；使用今日头条、信息流平台引流等。针对愈来愈多的引流渠道和不断攀升的获客成本，对于企业来说，做好监控分析的第一步是将渠道参数补充完善，如下图。

完善后的监控追踪条理清晰，可促进企业更有效的把控引流渠道质量和引流效果。

神策数据的工具具备较便捷的渠道追踪和分析功能，如下图，可以清晰的看到不同渠道来源的引流用户规模、用户质量及激活、注册用户数趋势等。

虽然图中为模拟数据，但是仍然具备现实意义。整体来看，引流开户比率达到 40%，但现实数据往往根本不到 40%，次日留存和周留存都比较低。现实中，我了解到很多证券公司新客户的周留存率可能 10% 不到，这说明网络引流的客户可能只开了户就结束了，这对券商来说是巨大的损失。

客户来了之后，又该如何促进客户开户呢？

引流后的第一个关键动作就是开户，但股票账户开户有一个很现实的问题，——开户流程太长，约 12 个步骤左右，包括客户的主动填写，被动的点击确认，单向视频拍摄或双向视频交流等，繁琐的流程导致开户中断率特别高。针对这种情况，有一个较好的解决办法，如下图，使用漏斗分析各个页面的转化率。

如图中模拟的开户流程分析步骤，从进入开户到最后开户提交完成共需要 12 步，用漏斗分析很清晰地看到每一步的转化率，若发现转化率低于预期可以进一步分析原因。

如某券商在漏斗分析过程中，发现开户视频见证的转化率和身份信息的转化率较低，进一步分析后，原因可能是拍摄身份证时边缘识别效果不好，造成了多次拍摄不成功，使转化率变低，便可以针对拍摄的功能进行针对性改进。当然原因也可能是，开户页面在安卓上正常，但在 iOS 上会跳出，就需要针对机型适配进行改进。

具体原因可以结合其他分析模型一起验证，最终可以通过不断地分析迭代验证让整个流程更友好，使整体转化率提升。

针对仍旧流失的用户，我们可以将其流失用户的相关信息通过数据中台发送给客户经理，如果没有客户经理就可以通过短信、Push 等干预，一个中型券商可通过这种召回方式挽回 20~30 个客户。

开户后，客户活跃又成了关键问题，企业该如何做呢？

新客户开户后若在 APP 上不活跃，企业获取到的业务数据和行为数据均比较少，此时要求业务数据和行为数据结合起来做运营活动，神策数据的产品有一个流程画布的功能，可以按照顺序把多个活动，如促入金和促活跃结合起来引导用户。

在流程画布的头部是客户进入流程的触发条件，尾部是要做的运营活动。

以新客运营为例，筛选已经注册但 2 小时内未进入开户页面的客户，对其进行及时的触达，在流程画步上很轻松的可以筛选人群。

筛选完成后到运营活动设置，针对这群用户发送促开户的短信，若部分用户三天之后仍旧没开户，可以使用短信再做一次触达；若有些用户在这三天之内开户了，但 App 启动次数少，我们可以做促活跃的动作，如送积分，提醒其换购商品，促进用户的使用；也可能部分用户已开户也活跃，但是并没有入金，企业就可以发一个新客理财的福利，促入金。

在注册后三天的时间点针对三类用户做针对性的运营，依此类推，在 7 天后也可进一步做针对性的运营，通过流程画布，将精细化化运营闭环真正跑起来。如下图，做了一个简单的概括。

值得注意的是，相对于交易数据、资产数据、产品数据、人口属性数据作分析，大部分券商很少发挥用户线上行为数据的价值。行为数据会更关注客户的兴趣偏好，更适合用于了解客户体验和用户潜在金融需求，利用用户在产品中的行为数据进行营销，会对范围和兴趣更具有针对性。

以上，解决了券商企业的渠道追踪和提高开户率的两个关键问题。这些都经过神策数据的券商客户实践案例验证过，很多券商的新客交易率仅为 5~10%，希望通过神策数据的运营工具配合客户的运营计划将新客交易率提高 5% 或更多，以覆盖引流成本。

2. 活动运营

关于券商企业的活动运营有很多种，下面主要分享老拉新活动和产品销售活动两大类。

（1）老拉新活动

利用存量用户邀请拉新，常见策略有：

分享活动给好友即可获得抽奖机会；邀请好友助力；邀请好友注册各自都得奖等。如：微信读书的抽卡活动、携程的邀请好友助力抢火车票、瑞幸咖啡的给好友送咖啡的活动。

随着互联网化，越来越多的金融类企业，如基金、证券企业也在做存量客户的老拉新活动运营，包括客户转介绍开户，特定活动日的抽奖活动等。

下面介绍一个真实案例。

某基金公司做了一场老拉新活动，活动简介为：抽奖时间为每周五，用户账户于本周五账户确认的资产达到***元就有一次抽奖资格，100% 有奖，奖品为现金红包。如果将抽中的现金红包页面分享给其他新用户，新用户完成注册，则现金红包可以“膨胀”增值。

针对这个活动，企业如何让其价值最大化呢？进行活动过程和结果的分析，优化投入产出比。

企业针对邀请者主要的监测指标可以是分享率，分享次数，引流用户留存以及客户的参与度的分布情况；针对被邀请者的监测指标是注册率，App 激活率、留存情况。如下图，通过模拟数据还原真实场景：

如上图所示，参与抽奖的客户的周留存提升，因为 App 周五定时抽奖有效促进用户的 App 使用率，证明该活动起到一定的促活作用。但是，抽奖活动的注册用户的开户效果却不太好。

我们针对这一情况进一步分析后，针对分享者建议把页面的按键去掉，缩减交互路径，客户抽完奖，不用发图炫耀，只需点击就直接分享给好友，以提高分享转化率，如下图。

针对被邀请者在点击助力后没有注册成功的原因之一是很多人已经是现有客户，原因之二是用户手机号输入错误，这两类原因占比 85% 以上，这说明大家并不清楚规则，再者其社交裂变能力差，因为活动的奖励小，对于老客户和新客户在最后的参与意愿都不太高，如下图。

那么券商企业针对存量客户的老拉新活动应该怎么做呢？企业需要综合考量客户愿意分享什么、奖励模式如何具备激励性，活动的难易程度等。

（2） 产品销售活动

产品销售活动在证券公司是一个热门活动形式，可以说，企业想做财富管理转型，产品销售是不可或缺的一步。同样，销售活动也可以按照运营闭环来做，如下图，我们将其分为了 7 个步骤：

第一步是销售策划，如计划基金销售，需要进行产品分析，找到主推基金的亮点进行产品文案的包装，然后再进行销售任务的分解；

第二步是客户筛选，如可以在神策用户画像中根据客户风险、客户资产、客户偏好以及客户在 APP 中的行为（如产品的浏览频次）等进行主要销售人群的筛选；

第三步销售预热，如通过短信 &Push、APP 广告&资源位、人工等方式提前将售卖信息触达用户，当然，这可以在神策智能运营中进行自定义的组合设置；

第四步线索收集，在销售预热的过程中，客户点击广告、浏览详情页等方式就可以收集线索，并可将线索推送到 CRM，以便客户经理对线索进行跟踪；

第五步进度监控，为保证销售效果，会进行销售总体情况、分区域销售、客户销售转化情况等监控；

第六步销售推动，根据销售跟进情况，针对性采取客户再次触达、分区域督导、延长募集期等方式促进销售；

第七步效果评价，券商企业一般会结合销售完成率、线索成单率、宣传效果评价、客户反馈等指标进行整个销售活动效果的评估总结。

经过这 7 步便形成了一个销售活动的完整闭环，一般一个销售活动过程会持续约一个月的时间。其中较关键的一步是客户筛选，选择正确的目标人群，销售活动就事半功倍了，下面我将结合神策用户画像来解答如何进行有效的客户筛选，如下图。

如图，结合业务数据、用户行为数据等筛选出目标用户，同时结合过去的用户营销记录来进行用户喜好的营销方式进行触达，此外，还可以通过 Lookalike 技术，做已知目标用户群体的相似人群扩散找到更多的潜在目标用户等。

目标用户确定下来之后，便可以进行销售预热&线索收集，如下图。

在销售预热&线索收集阶段，数据的打通极为重要，如图中右半部分将 CRM、数据中台、精细化运营平台有机结合后，营销动作和销售动作才能更有机的结合。

这里特别强调一个分析模型——归因分析，可以有效的帮助企业进行预热效果分析，从而不断精准地优化营销战略，提高投入产出比，放大收益效果，概况来说，归因分析有 4 个核心特征和可解决 3 个核心痛点，如下图：

举个例子，在一次基金产品的销售过程中，会进行 Push、广告页、搜索、栏位等营销触达并收取线索，每个触达方式的成本不一，收取线索因产品不同效果也会千差万别，那么如何知道那种触达方式效果更好呢？归因分析就可以起到关键性的作用。如下图，为神策分析的归因分析模型界面：

如图 demo 界面所示，我们可以选择不同的归因分析模型进行归因，其分析的重点不一样，产生的归因效果也不一样，如下图。

3. 智能运营

产品拉新成本高，只有实现产品内存量流量价值最大化，才能提升业务价值收益。但传统栏位（产品列表、Banner 位（轮播图）、iCON（功能））运营采用千人一面的运营投放，既不能提升持续业务价值，也无法满足更细的用户偏好与体验要求。

面对如何排序才能实现业务价值的问题，业务人员既没有多维度的排序工具、也无法灵活调整排序权重和跟踪效果和迭代优化。

因此，神策数据推出了支持精细化栏位运营的规则推荐产品。比如，今日头条会不断推荐你愿意看的内容，是一种基于算法的推荐，而规则推荐是选取一些客户的属性，在特定栏位上展现客户可能感兴趣的内容。

如下图以邮储手机银行为例，跟产品接口打通后，可以在各个模块可以实现个性化推荐。

规则推荐的实现过程为：从 Banner、iCON 等栏位选择实行推荐的特定栏位；根据用户属性、用户行为等筛选目标受众；再根据物品属性、关联用户属性等选择可推荐产品；再设置推荐规则，比如用户第一次打开 APP 和第二次打开 APP 看到的页面要不要一样，哪个产品首先露出等设置相应的展示权重，可采取单维度排序、多维度排序、人工编排等方式；最后必不可少的效果评估，可观察的指标有 CTR、人均点击次数、促成转化次数等，如下用一张图概括。

神策数据智能推荐支持智能规则创建栏位和计划管理，适用于理财推荐、基金推荐、个性化专题；可推产品数量范围在几十-几万；根据用户群和用户偏好做产品推荐；实时查看栏位效果；快速确认策略质量等，几乎满足大多数券商的推荐需求。

前面讲了较多的应用层面，但做客户全生命周期运营非常重要的一环还有数据基础建设，如下图，我做了一个简单的概括。

如图所示，展示了券商做好数字化运营财富管理所要具备的数据框架，如做 ID-Mapping，券商存在一个手机号会出现多个客户号进行交易的情况，因此非常难做好 ID-Mapping，而数据管理又是数据分析的基石，不过在神策数据服务众多头部券商企业时，不断摸索和迭代已经总结出了较好的数据采集、管理、分析及应用的落地方案。

以上，是神策数据服务众多头部券商总结出来的宝贵经验，事实上，Top10 券商中有 7 家已经是我们的优质客户，把这些经验毫无保留地分享出来，希望神策数据的一些行业实践总结和产品能真正帮到更多证券基金企业突破瓶颈，加速发展。