<menuitem id="fbl3r"></menuitem>
      <var id="fbl3r"><ol id="fbl3r"><nobr id="fbl3r"></nobr></ol></var>
      <menuitem id="fbl3r"></menuitem>

        <var id="fbl3r"><ol id="fbl3r"></ol></var>
          <meter id="fbl3r"><ol id="fbl3r"></ol></meter>

          <menuitem id="fbl3r"></menuitem>
              <var id="fbl3r"><ol id="fbl3r"><nobr id="fbl3r"></nobr></ol></var>
              <menuitem id="fbl3r"></menuitem>

                <var id="fbl3r"><ol id="fbl3r"></ol></var>
                  <meter id="fbl3r"><ol id="fbl3r"></ol></meter>

                  <menuitem id="fbl3r"></menuitem>
                      <var id="fbl3r"><ol id="fbl3r"><nobr id="fbl3r"></nobr></ol></var>
                      <menuitem id="fbl3r"></menuitem>

                        <var id="fbl3r"><ol id="fbl3r"></ol></var>
                          <meter id="fbl3r"><ol id="fbl3r"></ol></meter>

                          細分市場下,金融產品怎么做數字化匹配?

                          15天0基礎極速入門數據分析,掌握一套數據分析流程和方法,學完就能寫一份數據報告!了解一下>>

                          當我們的客戶以金融產品的方式購買車輛的時候,每個人都有不同的選擇,在我們提供的金融產品的范圍內,有的客戶滿意,有的客戶并不如心意。如何讓每一個客戶都能夠開心的選擇到自己的產品?如何能夠滿足所有客戶的需求?怎樣精細化金融產品的配置?我們可以一起來聊一聊。

                          一、市場細分維度

                          當我們在有針對性的制定金融產品的時候,我們需要有不同的細分維度。恰當的維度細分能夠幫我們更好的進行每個客戶的畫像。

                          1. 地理細分

                          地理細分是指,按汽車金融產品購買者所處的地理位置,自然環境來細分市場。

                          處在不同地理位置的購買者對于同一類汽車金融產品有著不同的需求和偏好。他們對價格,銷售渠道,廣告等市場營銷措施的反應也有所不同。

                          2. 人口細分

                          人口細分其實就是我們平日最熟悉的年齡,職業,收入,教育,家庭規模等。維度很多,但是卻不難衡量,這些因素與汽車金融產品的需求存在著密切關系。

                          3. 社會階層細分

                          這個的終點站加與對社會的不同財富有層次的劃分,受教育水平和社會地位的劃分。不同社會階層的人的消費能力,服務需求等都會有所差異。

                          二、客戶畫像助力市場細分

                          我們有了上面的劃分維度,我們可以給我們的用戶進行畫像:

                          1. 數據收集

                          對于汽車金融公司來講,上面涉及到的數據其實都是在申請過程中需要審核的數據,因此對于所有的公司來講,收集數據并不是困難的事情。困難的在后面的抽象上。根據上面的列出來的維度,我們進行后續的客戶分類

                          2. 數據分類

                          當我們有了足夠的數據收集,我們需要有自己的分類細則。從我們的數據中,根據我們劃分的維度,來進行數據的分類。

                          舉例來講:

                          • 家庭情況:單身的,和父母同住的,已婚有孩子的等
                          • 職業:程序員,包工頭,自媒體人等

                          這些細分都是根據我們自己得到的客戶數據,以及我們經驗推測的劃分,同時也可以去看我們的同類數據的聚集情況,然后在每一個維度里面進行細分維度的劃分。

                          3. 畫像

                          選擇我們認為合適的粒度進行數據分類之后,整理每一個細分維度,進行整理組合,讓我們的客戶有一個初步的分類。

                          每一個客戶的分類都能對應到具體的金融產品和服務上面。如果沒有真正的對應。我們需要看看,這類客戶的劃分是否有問題,這類客戶是否有一定的數量,之后,也許我們就發現了我們需要補充的金融產品類型了。

                          三、數字化匹配金融產品

                          當我們定義好每一類的用戶之后,我們定義此類客戶最適合的金融產品。

                          1. 金融產品要素

                          要做客戶和金融產品的匹配,我們分析完了客戶,還需要看看金融產品中有什么樣的要素,對于一款金融產品,常規的要素有:

                          • 首付比例
                          • 利率
                          • 還款周期和頻率
                          • 尾款情況

                          2. 要素匹配客戶特征

                          • 首付你比例:常規的首付比例大于20%,對于老客戶可以有些零首付產品,同時對于資金波動大的也適合零首付產品
                          • 利率:所有的人都喜歡低利率產品,當然也要根據信用風險,以及客戶收入,還款能力進行利率的匹配
                          • 還款周期和頻率:對于月薪族,月還款,對于不定的,可以有靈活選配調整
                          • 尾款:周期性不規律,例如工程類人群,可以推薦尾款方式
                          • 租賃產品:只想有車開不想占用資金的可以推薦租賃。當然租賃也有多種的推薦

                          舉例來講:

                          • 有固定收入,有規律還款能力的人,常規的金融產品可以滿足要求
                          • 收入不固定,按照工程分紅,需要有靈活周期還款類型
                          • 工作繁忙,沒有時間的,錢并不是障礙的,需要有更好的金融服務來幫助打理,汽車金融理財等
                          • 做生意,需要撐門面但是不能占用過多流動資金的,低首付,高尾款,租賃型更加適合

                          根據每一個客戶的特性,我們進行金融產品的匹配,當我們能夠滿足每一種細分的時候,當高意愿的客戶走進來,我們就不會讓他成為流失。

                           

                          作者:兔小吱 (微信:Shine_in_Winter 冬眠小記)

                          本文由@兔小吱 原創發布于人人都是產品經理,未經許可,禁止轉載

                          題圖來自Unspalsh, 基于CC0協議

                          給作者打賞,鼓勵TA抓緊創作!
                          評論
                          歡迎留言討論~!
                          用手机怎么挣钱靠谱的 870| 422| 354| 600| 307| 350| 242| 512| 503| 800| 98| 244| 883| 986| 311| 66| 811| 971| 687| 272| 968| 747| 750| 934| 773| 119| 379| 705| 308| 59| 694| 494| 505| 480| 600| 569|