以下我们将简化一个电销外呼促激活策略,以体现策略设计全流程。
5.6.1 业务背景
5.6.1.1 业务流程
当前业务流程梳理,这里包括短信提示、电销外呼业务,可细化到短信内容明细、外呼筛选条件等。
5.6.1.2 现状分析
展开累积激活率分析,并细化电销现有促激活情况分析,找到业务机会和优化方向,属于策略设计重要前置工作。
5.6.1.3 业务痛点
电销外呼促激活筛选条件比较简单,即需满足年龄在55岁以下,额度在5000以上,无有效方法预测激活概率,未触达优质易激活客户,导致电销资源浪费,邀约失败率较高。
5.6.2 策略方案
经过前期数据分析和策略探索,为区分新户待激活客群,通过构建模型,预测其激活概率,结合激活概率和客户价值,形成初步新户促激活策略方案。
5.6.2.1 模型开发
同模型介绍部分,策略文档简化至以下内容:
- 客户定义
- 客群分析
- 排除条件
- 模型变量
- 模型分群
- 入模变量
- 模型验证
5.6.2.2 实验设计
略。
5.6.2.3 分组设计
根据实验设计,并参照电销新户促激活每月2400户的拨打量,设计客群特征分组如下:
组别 | 组别说明 |
---|---|
1 | 高激活概率、人行有贷款及贷记卡信息 |
2 | 中激活概率、人行有贷款及贷记卡信息 |
3 | 低激活概率、人行有贷款及贷记卡信息 |
4 | 高激活概率、人行只有贷记卡信息 |
5 | 中激活概率、人行只有贷记卡信息 |
6 | 低激活概率、人行只有贷记卡信息 |
7 | 无贷记卡信息(仅限制年龄、额度) |
如组7-无贷记卡信息(仅限制年龄、额度)即空白组。
5.6.2.4 效果预估
根据客群分布:(示例数据)
客群分组 | 201905 | 201906 | 201907 | 201908 |
---|---|---|---|---|
高激活概率、人行有贷款及贷记卡信息 | 2608 | 2735 | 3199 | 1946 |
中激活概率、人行有贷款及贷记卡信息 | 2276 | 2450 | 2490 | 1681 |
低激活概率、人行有贷款及贷记卡信息 | 3498 | 3794 | 3816 | 2495 |
高激活概率、人行只有贷记卡信息 | 2636 | 2673 | 2812 | 1908 |
中激活概率、人行只有贷记卡信息 | 1946 | 2102 | 2026 | 1349 |
低激活概率、人行只有贷记卡信息 | 1076 | 1235 | 1134 | 830 |
无贷记卡信息(仅限制年龄、额度) | 1543 | 1688 | 1616 | 1179 |
结合人员成本,进行电销外呼营销户均成本预估:
如上,增加1位电销员外呼营销户均成本相对最低。
5.6.3 策略实施
5.6.3.1 业务安排
(1)展开实验设计的生产落地,并保障分组的公平性,尤其所预留空白组;
(2)设计试验阶段具体的电销外呼人员安排表;
5.6.3.2 落地部署
这里不涉及系统较大改造,主要协调电销系统开发座席分配逻辑,根据SAS上线脚本,每日自动生成新户激活预测概率结果表,根据日拨打量、座席数、预留多增加15%客户数,由电销系统随机筛选对应数量均匀下发给座席,并配以A/B池策略备用方案。
新户激活预测概率结果表如下:
序号 | 字段名 | 字段中文名 | 字段类型 |
---|---|---|---|
1 | XACCOUNT | 账户号 | VARCHAR2(10) |
2 | ACT_PRO_LABEL | 激活预测概率标签 | VARCHAR2(50) |
3 | DATA_DT | 数据时间 | VARCHAR2(8) |
示例如下,如当前2位座席在呼,日拨打量100/人,策略名单量为200+200*15%,即230人,SAS作业每日按比例输出460人,即A/B池客户名单。
并作出异常设想,检测A/B池客户名单的可靠性。
日期 | 是否异常 | A池客户名单 | B池客户名单 | 电销外呼名单 |
---|---|---|---|---|
11.01 | 正常提供 | 正常提供 | A池客户名单 (11.01) |
|
11.02 | 异常 | 延迟提供 (需补刷) |
延迟提供 (需补刷) |
B池客户名单 (11.01) |
11.03 | 正常提供 | 正常提供 | A池客户名单 (11.03) |
|
11.04 | 正常提供 | 正常提供 | A池客户名单 (11.04) |
|
11.05 | 异常 | 延迟提供 (需补刷) |
延迟提供 (需补刷) |
B池客户名单 (11.04) |
11.06 | 异常 | 延迟提供 (需补刷) |
延迟提供 (需补刷) |
B池客户名单 (11.05) |
5.6.3.3 策略监控
后续策略效果通过监控报表形式进行持续监控。
客户分群 | 当月账户数 | 当月激活账户数 | 当月激活率 | 开户6个月逾期账户数 | 开户6个月户均收益 |
---|---|---|---|---|---|
A | |||||
… | |||||
G | |||||
空白 |
5.6.3.4 迭代方向
根据策略实验结果,调整激活概率预测模型,并结合客户价值模型(或调整),进一步细分客群,如下图所示: