Luận văn thạc sĩ ueh consumer analytics toward development of cross selling products at retail banking an approach on big data at eximbank

Nghiên cứu luận văn thạc sĩ về phân tích người tiêu dùng nhằm phát triển sản phẩm bán chéo tại ngân hàng Eximbank sử dụng big data.

• Tác giả: Tô Phúc Nguyên Khương
• Người hướng dẫn: Assoc. Tư Văn Bình
• Trường học: University of Economics Ho Chi Minh City
• Chuyên ngành: Business Administration
• Đề tài: Consumer Analytics Toward Development Of Cross Selling Products At Retail Banking: An Approach On Big Data At Eximbank
• Loại tài liệu: Master Thesis
• Năm xuất bản: 2020
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• COMMITMENT
• ABSTRACT
• TABLE OF CONTENTS
• LIST OF FIGURES
• LIST OF TABLES
• 1. CHAPTER 1: INTRODUCTION
• 1.1. RATIONALE OF RESEARCH
• 1.2. OBJECTIVES OF STUDY
• 1.3. RESEARCH QUESTIONS
• 1.4. SCOPE AND LIMITATION
• 1.5. RESEARCH METHODOLOGY
• 1.6. DATA COLLECTION
• 1.7. METHODS TO ANALYZE DATA
• 2. CHAPTER 2: CONCEPTS CONCERNED AND ITS FRAMEWORK
• 2.1. CONCEPTUAL FRAMEWORK
• 2.2. SERVICE RETENTION
• 2.3. LOYALTY IN RETAIL BANKING
• 2.4. CUSTOMER SATISFACTION
• 2.5. CUSTOMER RETENTION
• 3. CHAPTER 3: BIG DATA OF BANKING INDUSTRY AND CONCEPTS APPROACHED
• 3.1. SITUATION OF EXIMBANK AND ITS BUSINESS
• 3.2. BIG DATA AND ITS APPLICATION IN BANKING
• 3.3. PROFILE OF CUSTOMER
• 3.4. RMF AND MARKET SEGMENT
• 3.5. CROSS – SELLING STRATEGY
• 3.6. SUMMARY OF CHAPTER
• 4. CHAPTER 4: CONCLUSION AND SOLUTIONS
• 4.1. FINDING OF MARKET SEGMENTS
• 4.2. DETAILED CHARACTERISTICS BY MARKET SEGMENT
• 4.3. IDEAS OF MARKETING STRATEGY
• 4.4. IMPLICATION OF STRATEGY

Tóm tắt

I. Tổng Quan Về Phân Tích Người Tiêu Dùng Tại Eximbank

Phân tích người tiêu dùng là một yếu tố quan trọng trong việc phát triển sản phẩm bán chéo tại ngân hàng bán lẻ. Tại Eximbank, việc áp dụng dữ liệu lớn giúp ngân hàng hiểu rõ hơn về hành vi và nhu cầu của khách hàng. Điều này không chỉ giúp tối ưu hóa trải nghiệm khách hàng mà còn tạo ra cơ hội phát triển sản phẩm mới. Sự kết hợp giữa phân tích dữ liệu và chiến lược marketing sẽ mang lại lợi ích lớn cho ngân hàng.

1.1. Khái Niệm Về Phân Tích Dữ Liệu Khách Hàng

Phân tích dữ liệu khách hàng là quá trình thu thập và phân tích thông tin từ khách hàng để hiểu rõ hơn về hành vi tiêu dùng. Tại Eximbank, việc này giúp xác định các sản phẩm tài chính phù hợp với nhu cầu của từng nhóm khách hàng.

1.2. Vai Trò Của Dữ Liệu Lớn Trong Ngân Hàng

Dữ liệu lớn đóng vai trò quan trọng trong việc phân tích hành vi tiêu dùng. Eximbank sử dụng các công cụ phân tích dữ liệu để phát hiện xu hướng và nhu cầu của khách hàng, từ đó phát triển các sản phẩm bán chéo hiệu quả.

II. Thách Thức Trong Phân Tích Người Tiêu Dùng Tại Ngân Hàng Bán Lẻ

Mặc dù có nhiều cơ hội, nhưng việc phân tích người tiêu dùng tại ngân hàng bán lẻ cũng gặp phải nhiều thách thức. Các vấn đề như dữ liệu không đầy đủ, khó khăn trong việc phân khúc khách hàng và sự cạnh tranh gay gắt từ các ngân hàng khác là những yếu tố cần được giải quyết. Để thành công, Eximbank cần phát triển các chiến lược phù hợp nhằm tối ưu hóa việc sử dụng dữ liệu lớn.

2.1. Vấn Đề Về Dữ Liệu Không Đầy Đủ

Một trong những thách thức lớn nhất là dữ liệu không đầy đủ hoặc không chính xác. Điều này có thể dẫn đến những quyết định sai lầm trong việc phát triển sản phẩm và dịch vụ.

2.2. Cạnh Tranh Trong Ngành Ngân Hàng

Sự cạnh tranh giữa các ngân hàng ngày càng gia tăng, đòi hỏi Eximbank phải có những chiến lược phân tích và phát triển sản phẩm độc đáo để thu hút và giữ chân khách hàng.

III. Phương Pháp Phân Tích Dữ Liệu Khách Hàng Tại Eximbank

Eximbank áp dụng nhiều phương pháp phân tích dữ liệu để hiểu rõ hơn về hành vi tiêu dùng của khách hàng. Các phương pháp như phân tích hồi quy, phân nhóm K-Means và phân tích liên kết được sử dụng để phát hiện các mẫu hành vi và nhu cầu của khách hàng. Những phương pháp này giúp ngân hàng phát triển các sản phẩm bán chéo hiệu quả hơn.

3.1. Phân Tích Hồi Quy Để Dự Đoán Hành Vi

Phân tích hồi quy giúp Eximbank dự đoán hành vi tiêu dùng của khách hàng dựa trên các yếu tố như thu nhập, độ tuổi và lịch sử giao dịch. Điều này cho phép ngân hàng phát triển các sản phẩm phù hợp hơn.

3.2. Phân Nhóm K Means Trong Phân Tích Khách Hàng

Phương pháp phân nhóm K-Means được sử dụng để phân loại khách hàng thành các nhóm dựa trên hành vi tiêu dùng. Điều này giúp ngân hàng xác định các nhóm khách hàng tiềm năng cho sản phẩm bán chéo.

IV. Ứng Dụng Thực Tiễn Của Phân Tích Người Tiêu Dùng Tại Eximbank

Việc áp dụng phân tích người tiêu dùng tại Eximbank đã mang lại nhiều kết quả tích cực. Ngân hàng đã phát triển thành công nhiều sản phẩm bán chéo, từ đó tăng cường sự hài lòng và giữ chân khách hàng. Các sản phẩm như thẻ tín dụng và dịch vụ vay vốn đã được tối ưu hóa dựa trên phân tích dữ liệu khách hàng.

4.1. Kết Quả Từ Việc Phát Triển Sản Phẩm Bán Chéo

Sự phát triển của các sản phẩm bán chéo đã giúp Eximbank tăng trưởng doanh thu và cải thiện mối quan hệ với khách hàng. Các sản phẩm như thẻ tín dụng VG và VC đã trở thành lựa chọn hàng đầu của khách hàng.

4.2. Tăng Cường Sự Hài Lòng Của Khách Hàng

Phân tích dữ liệu đã giúp Eximbank hiểu rõ hơn về nhu cầu của khách hàng, từ đó cải thiện dịch vụ và tăng cường sự hài lòng của khách hàng.

V. Kết Luận Về Phân Tích Người Tiêu Dùng Tại Eximbank

Phân tích người tiêu dùng là một công cụ mạnh mẽ giúp Eximbank phát triển sản phẩm bán chéo hiệu quả. Việc áp dụng dữ liệu lớn không chỉ giúp ngân hàng hiểu rõ hơn về khách hàng mà còn tạo ra cơ hội phát triển bền vững. Tương lai của ngân hàng sẽ phụ thuộc vào khả năng khai thác và sử dụng dữ liệu một cách hiệu quả.

5.1. Tương Lai Của Phân Tích Dữ Liệu Trong Ngân Hàng

Tương lai của phân tích dữ liệu trong ngân hàng sẽ ngày càng phát triển, với sự gia tăng của công nghệ và dữ liệu lớn. Eximbank cần tiếp tục đầu tư vào công nghệ để duy trì lợi thế cạnh tranh.

5.2. Khuyến Nghị Để Tối Ưu Hóa Phân Tích

Để tối ưu hóa phân tích người tiêu dùng, Eximbank cần cải thiện hệ thống dữ liệu và đào tạo nhân viên về phân tích dữ liệu. Điều này sẽ giúp ngân hàng phát triển các sản phẩm phù hợp hơn với nhu cầu của khách hàng.

Nội dung chính

Tổng quan nghiên cứu

Sự bùng nổ của công nghệ thông tin và dữ liệu lớn (Big Data) đang tái định hình toàn diện chiến lược kinh doanh của ngành tài chính - ngân hàng. Theo Báo cáo Chi tiêu Phân tích và Dữ liệu Lớn của IDC, ngành ngân hàng dẫn đầu với mức đầu tư 20,8 tỷ USD, chiếm 13% tổng vốn đầu tư phân tích dữ liệu toàn cầu, trong đó 22% ngân sách được phân bổ cho việc phát triển sản phẩm mới. Trong bối cảnh cạnh tranh gay gắt tại thị trường Việt Nam, Ngân hàng Thương mại Cổ phần Xuất Nhập khẩu Việt Nam (Eximbank) phải đối mặt với thách thức lớn về chi phí tìm kiếm khách hàng mới cao gấp nhiều lần chi phí duy trì khách hàng hiện hữu. Do đó, việc khai phá dữ liệu nội bộ để thấu hiểu hành vi tiêu dùng và tối ưu hóa chiến lược bán chéo (cross-selling) là yêu cầu cấp thiết.

Luận văn tập trung giải quyết bài toán cốt lõi: Làm thế nào để phân đoạn khách hàng chính xác và xác định các tổ hợp sản phẩm bán chéo tối ưu nhằm gia tăng mức độ gắn kết của khách hàng bán lẻ tại Eximbank. Mục tiêu cụ thể của nghiên cứu bao gồm: nhận diện đặc điểm nhân khẩu học và thói quen giao dịch của khách hàng, phân cụm thị trường dựa trên giá trị khách hàng, và xây dựng các gói sản phẩm đóng gói (product bundles) phù hợp. Phạm vi nghiên cứu được thực hiện trên cơ sở dữ liệu nội bộ của Eximbank tại khu vực Thành phố Hồ Chí Minh, thu thập liên tục trong 12 tháng từ ngày 01/01/2019 đến ngày 31/12/2019. Tập dữ liệu bao gồm 130.000 dòng giao dịch từ 3.527 khách hàng cá nhân đang hoạt động có thời gian gắn kết trên 12 tháng. Ý nghĩa thực tiễn của đề tài là cung cấp căn cứ khoa học giúp Eximbank tối ưu hóa danh mục sản phẩm thẻ tín dụng (chiếm 43% tỷ trọng dịch vụ cá nhân), giảm thiểu tỷ lệ rời bỏ và gia tăng giá trị trọn đời của khách hàng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết quản trị quan hệ khách hàng (CRM) hiện đại, tập trung vào hai trụ cột chính: Duy trì khách hàng (Customer Retention) và Lòng trung thành của khách hàng (Customer Loyalty). Theo các nghiên cứu kinh điển về hành vi tiêu dùng ngân hàng, sự thỏa mãn đơn thuần không đồng nghĩa với lòng trung thành bền vững; ngân hàng cần chủ động đo lường khoảng cách trung thành thông qua ma trận thái độ - hành vi.

Mô hình Ma trận Giá trị Khách hàng (Customer Value Matrix) của Marcus (1998) được vận dụng để phân loại khách hàng dựa trên mối tương quan giữa tần suất giao dịch (Frequency), giá trị tiền tệ (Monetary), thâm niên sử dụng dịch vụ (Length of Stay - LOS) và tính gần đây của giao dịch (Recency). Bên cạnh đó, mô hình RFM định lượng giá trị vòng đời khách hàng (Customer Lifetime Value - CLV) thông qua thang đo 5 mức độ (từ 1 đến 5), giúp phân định ranh giới giữa nhóm khách hàng sinh lời cao nhất và nhóm có nguy cơ rời mạng. Khái niệm bán chéo (Cross-selling) và chiến lược đóng gói sản phẩm (Product Bundling) được áp dụng để xác định xác suất khách hàng chấp nhận sản phẩm bổ trợ khi đang sử dụng một hoặc nhiều dịch vụ hiện hữu.

Phương pháp nghiên cứu

Nghiên cứu sử dụng quy trình khai phá dữ liệu (Data Mining) trên cỡ mẫu 3.527 khách hàng với 130.000 bản ghi giao dịch trích xuất từ kho dữ liệu (Data Warehouse) của Eximbank trong giai đoạn 12 tháng của năm 2019. Phương pháp chọn mẫu có chủ đích được áp dụng với tiêu chí bắt buộc: khách hàng phải có thời gian sử dụng dịch vụ tối thiểu từ 12 tháng trở lên (thời gian gắn kết thực tế dao động từ 12 đến 81 tháng, tương đương 6,7 năm). Việc loại bỏ các giao dịch dưới 12 tháng giúp triệt tiêu các sai lệch thống kê do nhóm khách hàng ngắn hạn tạo ra.

Tập dữ liệu đầu vào bao gồm 25 biến số định lượng và định danh, bao gồm mã khách hàng, loại khách hàng, độ tuổi, giới tính, thu nhập, trình độ học vấn, chức vụ, tình trạng sở hữu nhà ở, số dư tài khoản, thâm niên công tác và loại thẻ tín dụng. Lý do lựa chọn các phương pháp phân tích định lượng nâng cao gồm:

• Thuật toán phân cụm K-Means: Được lựa chọn để phân đoạn 3.527 khách hàng thành các nhóm thuần nhất dựa trên 3 chỉ số chuẩn hóa của mô hình RFM (R, F, M).
• Thuật toán Cây quyết định C&R Tree (Classification and Regression Tree): Được ứng dụng để trích xuất các quy tắc phân loại hành vi tiêu dùng theo mức số dư tài khoản và cơ cấu nghề nghiệp.
• Phân tích Luật kết hợp (Association Analysis / Market Basket Analysis): Khai thác mối quan hệ tiền đề - hệ quả giữa 8 dòng sản phẩm thẻ tín dụng chính thông qua hai chỉ số định lượng: Độ tin cậy (Confidence ≥ 95%) và Độ nâng (Lift ≥ 1,0), đảm bảo các đề xuất bán chéo đạt ý nghĩa thống kê thực tế.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích thống kê mô tả trên 3.527 khách hàng cá nhân cho thấy cơ cấu sản phẩm tiếp cận bao gồm 54% khách hàng vay tiêu dùng cá nhân, 43% sử dụng thẻ tín dụng và 3% vay phục vụ kinh doanh hộ gia đình. Xét theo nghề nghiệp, nhóm công nhân chiếm 26,7%, nhân viên văn phòng chiếm 26,5%, cấp quản lý chiếm 22,3%. Trong 107 dòng thẻ tín dụng đang lưu hành, 8 nhóm thẻ chính chiếm lĩnh thị phần gồm: Visa Gold (VG - 24%, thu nhập bình quân 87,94 triệu đồng/tháng), Visa Classic (VC - 22%, thu nhập bình quân 64,84 triệu đồng/tháng), Master Gold (MG - 12%, thu nhập 131,38 triệu đồng/tháng), Master Standard (MS - 11%, thu nhập 19,63 triệu đồng/tháng), Visa Platinum (VP - 9%, thu nhập 347,49 triệu đồng/tháng), Visa Violet (VV - 7%, thu nhập 215,86 triệu đồng/tháng), Visa Auto (VA - 3%, thu nhập 33,58 triệu đồng/tháng) và các loại thẻ khác chiếm 10%.

Đặc biệt, 22% khách hàng đang sử dụng đồng thời thẻ chính và thẻ phụ, trong đó nhóm Giám đốc chiếm tỷ lệ áp đảo với 35%, tiếp đến là công nhân (27%), quản lý (25%) và nhân viên (13%). Về thời gian gắn kết (LOS), nhóm khách hàng từ 12 đến 31 tháng chiếm tỷ trọng cao nhất với 37,0% (1.323 khách hàng).

Kết quả phân cụm RFM chia tập khách hàng thành 5 phân khúc rõ rệt:

• Cụm 1 - Nhóm Chi tiêu lớn (Spender: R thấp, F thấp, M cao): Chiếm 38,99%.
• Cụm 2 - Nhóm Mua sắm (Shopper: R cao, F cao, M thấp): Chiếm 10,93%.
• Cụm 3 - Nhóm Thường xuyên (Frequent: R thấp, F cao, M thấp): Chiếm 14,77%.
• Cụm 4 - Nhóm Chưa xác định (Uncertain: R thấp, F thấp, M thấp): Chiếm 27,16%.
• Cụm 5 - Nhóm Tốt nhất (Best: R cao, F cao, M cao): Chiếm 8,65%.

Cơ cấu 5 phân khúc khách hàng RFM tại Eximbank:
+-----------------------------------------------------------+
| Spender (38.99%)  | Uncertain (27.16%) | Frequent (14.77%)|
+-----------------------------------------------------------+
| Shopper (10.93%)  | Best (8.65%)       |
+----------------------------------------+

Thảo luận kết quả

Khi đối chiếu kết quả ma trận kết hợp giữa Thâm niên (LOS) và Tính gần đây (Recency), bức tranh kinh doanh của Eximbank bộc lộ hai thái cực đối lập. Nhóm Quan hệ thân thiết (Close Relationship - LOS cao, Recency thấp) chiếm 50,38% (1.777 khách hàng), trong đó dòng thẻ được ưa chuộng nhất là Visa Gold (26,1%) và Visa Classic (16,6%). Tuy nhiên, có tới 49,22% (1.736 khách hàng) rơi vào nhóm Quan hệ có nguy cơ mất mát (Lost Relationship - LOS thấp, Recency thấp), tập trung vào thẻ Visa Classic (28,2%) và Visa Gold (22,4%). Đây là dấu hiệu cảnh báo nguy cơ rời bỏ dịch vụ rất lớn nếu ngân hàng không có các giải pháp can thiệp kịp thời.

Mô hình Cây quyết định C&R Tree với 5 nút phân nhánh chỉ ra rằng tại Nút 1 (nhóm số dư tài khoản cao), khách hàng Chi tiêu lớn (Spender) chiếm tới 61,55% (770 khách hàng). Ngược lại, tại Nút 5 (nhóm số dư tài khoản thấp), khách hàng Chưa xác định (Uncertain) chiếm áp đảo với 69,24% (916 khách hàng), phản ánh đặc tính của nhóm công nhân và nhân viên có mức thu nhập thấp.

Kết quả Phân tích Luật kết hợp (Association Analysis) đã xác định được 3 quy tắc bán chéo có giá trị thực tiễn cao nhất:

• Quy tắc 2: Khách hàng sử dụng Master Standard (MS) có xu hướng mở thêm thẻ phụ Visa Auto (VA), đạt Độ tin cậy 95,00% và Độ nâng Lift là 1,007 trên tập 3.030 khách hàng.
• Quy tắc 7: Khách hàng sở hữu đồng thời Visa Platinum (VP) và Master Standard (MS) sẽ tiếp tục mở thẻ Visa Auto (VA), đạt Độ tin cậy 95,14% và Lift là 1,002 trên tập 2.636 khách hàng.
• Quy tắc 10: Khách hàng sử dụng Master Gold (MG) và Visa Violet (VV) có xu hướng chọn thêm Visa Auto (VA), đạt Độ tin cậy 95,01% trên tập 2.666 khách hàng.

Sự xuất hiện của thẻ Visa Auto (VA) như một sản phẩm hệ quả trong cả 3 quy tắc chứng minh nhu cầu sở hữu thẻ tiện ích thanh toán tự động, phí thấp là rất cao ở mọi phân khúc thu nhập.

Đề xuất và khuyến nghị

Từ kết quả phân tích dữ liệu thực nghiệm, bốn nhóm giải pháp chiến lược được đề xuất cho Eximbank:

1. Triển khai chiến lược đóng gói sản phẩm thẻ liên kết (Product Bundling Strategy): Khối Khách hàng Cá nhân cần ngay lập tức thiết kế 3 gói sản phẩm thẻ tích hợp:

   • Gói phổ thông: Kết hợp thẻ Master Standard và Visa Auto (MS - VA), miễn 100% phí thường niên năm đầu cho thẻ phụ VA, nhắm vào nhóm khách hàng Thường xuyên có thu nhập dưới 500 triệu đồng/tháng.
   • Gói cao cấp: Tích hợp bộ ba thẻ Visa Platinum, Master Standard và Visa Auto (VP - MS - VA) dành riêng cho nhóm khách hàng Tốt nhất (Best) có thu nhập từ 300 triệu đồng/tháng trở lên.
   • Gói phong cách: Kết hợp Master Gold, Visa Violet và Visa Auto (MG - VV - VA) dành cho khách hàng có thu nhập bình quân 130 đến 215 triệu đồng/tháng. Mục tiêu nâng tỷ lệ sở hữu đa thẻ từ 22% lên 35% trong vòng 12 tháng.

2. Kích hoạt chương trình can thiệp khẩn cấp cho nhóm nguy cơ rời bỏ (Lost Relationship): Phòng Marketing và Chăm sóc Khách hàng cần triển khai chiến dịch giữ chân chuyên biệt cho 1.736 khách hàng (chiếm 49,22% tổng mẫu) đang trong trạng thái suy giảm tương tác. Áp dụng chính sách tặng điểm thưởng tích lũy (loyalty points) và hoàn tiền 5% cho các giao dịch thanh toán hóa đơn tiện ích phát sinh trong 60 ngày tiếp theo, hướng đến mục tiêu kéo giảm tỷ lệ rời bỏ xuống dưới 25% trong năm kế hoạch.

3. Cá nhân hóa tiếp thị tự động qua nền tảng Core Banking và Trợ lý ảo AI: Đội ngũ Công nghệ Thông tin cần tích hợp sâu dữ liệu phân cụm RFM vào hệ thống Infosys Finacle Core Banking và Chatbot "Mai". Hệ thống sẽ tự động kích hoạt thông điệp tiếp thị cá nhân hóa qua Email Marketing và SMS Banking cho 38,99% khách hàng thuộc nhóm Spender khi số dư tài khoản vượt ngưỡng 100 triệu đồng, tăng tỷ lệ chuyển đổi giao dịch vay tiêu dùng thêm 18% mỗi quý.

4. Chuẩn hóa quy trình làm sạch và phân tích dữ liệu lớn định kỳ: Trung tâm Dữ liệu Eximbank cần thiết lập cơ chế tự động cập nhật 25 trường dữ liệu khách hàng theo chu kỳ hàng tháng. Tổ chức đào tạo nâng cao năng lực khai phá dữ liệu (Data Mining) cho 100% chuyên viên phân tích kinh doanh nhằm duy trì độ chính xác của các mô hình dự báo hành vi trên 92%.

Đối tượng nên tham khảo luận văn

Nội dung luận văn mang lại giá trị thực tiễn và học thuật sâu sắc cho 4 nhóm đối tượng:

• Ban Lãnh đạo và Giám đốc Khối Bán lẻ tại các Ngân hàng Thương mại: Cung cấp khung phương pháp luận thực chứng để tối ưu hóa danh mục sản phẩm thẻ tín dụng, xây dựng các gói bán chéo sản phẩm dựa trên dữ liệu giao dịch thực tế, giúp nâng cao tỷ lệ giữ chân khách hàng và tối đa hóa doanh thu phí dịch vụ.
• Chuyên viên Phân tích Dữ liệu (Data Analysts) và Khoa học Dữ liệu (Data Scientists) ngành Tài chính: Tham khảo quy trình xử lý dữ liệu lớn toàn diện từ 25 biến số, kỹ thuật làm sạch dữ liệu giao dịch, và cách thức kết hợp linh hoạt giữa phân cụm K-Means, cây quyết định C&R Tree và luật kết hợp Association Analysis.
• Giảng viên, Học viên Cao học và Nghiên cứu sinh ngành Quản trị Kinh doanh, Tài chính - Ngân hàng: Làm tài liệu tham khảo giá trị về ứng dụng mô hình RFM, Ma trận Giá trị Khách hàng (Customer Value Matrix) và các thuật toán học máy trong đề tài chuyển đổi số ngân hàng bán lẻ.
• Chuyên viên Marketing và Quản trị Quan hệ Khách hàng (CRM): Khai thác các phát hiện về 5 phân khúc hành vi tiêu dùng và cơ chế triển khai Chatbot AI để thiết kế các chiến dịch tiếp thị tự động hóa, cá nhân hóa trải nghiệm người dùng theo từng nấc thang thu nhập.

Câu hỏi thường gặp

1. Luận văn sử dụng mô hình nào để phân đoạn khách hàng tại Eximbank?

Luận văn kết hợp mô hình RFM (Recency - Frequency - Monetary) với thuật toán phân cụm K-Means để chia 3.527 khách hàng thành 5 phân khúc: Spender (38,99%), Uncertain (27,16%), Frequent (14,77%), Shopper (10,93%) và Best (8,65%). Mô hình này được kiểm chứng bổ trợ bằng Ma trận Giá trị Khách hàng của Marcus kết hợp giữa thâm niên gắn kết (LOS) và tính gần đây của giao dịch.

2. Cơ cấu sử dụng thẻ chính và thẻ phụ của khách hàng Eximbank có đặc điểm gì nổi bật?

Kết quả nghiên cứu chỉ ra 78% khách hàng chỉ dùng 1 thẻ chính, trong khi 22% sở hữu đồng thời thẻ chính và thẻ phụ. Tỷ lệ sở hữu 2 thẻ cao nhất thuộc về nhóm Giám đốc (35%), tiếp theo là công nhân (27%), cấp quản lý (25%) và nhân viên văn phòng (13%), mở ra cơ hội lớn cho các chiến dịch bán chéo thẻ phụ.

3. Phương pháp Phân tích Luật kết hợp (Association Analysis) mang lại giá trị gì cho chiến lược bán chéo?

Phân tích Luật kết hợp giúp xác định mối quan hệ tương quan giữa 8 dòng sản phẩm thẻ. Cụ thể, nghiên cứu đã phát hiện 3 quy tắc kết hợp tiêu biểu (MS sang VA, VP-MS sang VA, và MG-VV sang VA) đều đạt độ tin cậy vượt trội trên 95,00% và chỉ số Lift lớn hơn 1,0, chứng minh tính khả thi tuyệt đối của việc bán kèm thẻ Visa Auto.

4. Nhóm khách hàng nào tiềm ẩn rủi ro rời bỏ cao nhất tại Eximbank?

Phân tích ma trận LOS và Recency chỉ ra 49,22% khách hàng (1.736 người) thuộc nhóm Quan hệ có nguy cơ mất mát (Lost Relationship). Nhóm này chủ yếu sử dụng thẻ Visa Classic (28,2%) và Visa Gold (22,4%) nhưng có tần suất và thời gian phát sinh giao dịch gần nhất rất thấp, đòi hỏi ngân hàng phải có chính sách chăm sóc khẩn cấp.

5. Cỡ mẫu và khung thời gian nghiên cứu của đề tài được xác định như thế nào?

Dữ liệu nghiên cứu được trích xuất từ kho dữ liệu nội bộ Eximbank trong trọn vẹn năm 2019 (từ ngày 01/01/2019 đến 31/12/2019), bao gồm 130.000 dòng giao dịch của 3.527 khách hàng cá nhân có thời gian sử dụng dịch vụ liên tục từ 12 đến 81 tháng nhằm đảm bảo tính chuẩn xác và loại trừ sai lệch dữ liệu ngắn hạn.

Kết luận

• Luận văn đã khai thác thành công tập dữ liệu lớn gồm 130.000 giao dịch từ 3.527 khách hàng cá nhân tại Eximbank để làm sáng tỏ các quy luật hành vi tiêu dùng dịch vụ ngân hàng bán lẻ.
• Xác lập 5 phân khúc thị trường dựa trên mô hình RFM, trong đó nhóm khách hàng Chi tiêu lớn (Spender) chiếm tỷ trọng cao nhất 38,99% và nhóm Khách hàng tốt nhất (Best) chiếm 8,65%.
• Nhận diện nguy cơ rời bỏ dịch vụ nghiêm trọng từ 49,22% khách hàng thuộc nhóm Quan hệ mất mát (Lost Relationship), tạo cơ sở cảnh báo sớm cho ban điều hành.
• Khám phá 3 quy tắc kết hợp sản phẩm thẻ chủ lực (MS - VA, VP - MS - VA, MG - VV - VA) với độ tin cậy vượt trên 95%, cung cấp giải pháp đóng gói sản phẩm bán chéo mang tính đột phá.
• Đề xuất lộ trình 4 bước hoàn thiện hạ tầng dữ liệu và ứng dụng trí tuệ nhân tạo (AI Chatbot Mai) trên nền tảng Core Banking nhằm nâng cao năng lực cạnh tranh trong kỷ nguyên số.

Đề tài đã đóng góp một khung phân tích dữ liệu thực chứng hoàn chỉnh cho Eximbank nói riêng và hệ thống ngân hàng thương mại Việt Nam nói chung. Trong giai đoạn tiếp theo từ năm 2021 đến 2023, các ngân hàng thương mại cần nhanh chóng mở rộng mô hình phân tích sang các sản phẩm bảo hiểm liên kết ngân hàng (Bancassurance) và dịch vụ ngân hàng số. Hãy áp dụng ngay các phương pháp khai phá dữ liệu tiên tiến này để nâng tầm trải nghiệm khách hàng và bứt phá doanh thu bán lẻ!

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING UNIVERSITY OF ECONOMICS HO CHI MINH CITY TO PHUC NGUYEN KHUONG CONSUMER ANALYTICS TOWARD DEVELOPMENT OF CROSS SELLING PRODUCTS AT RETAIL BANKING: AN APPROACH ON BIG DATA AT EXIMBANK MASTER THESIS Ho Chi Minh City – 2020 LUAN VAN CHAT LUONG download : add [e-mail] MINISTRY OF EDUCATION AND TRAINING UNIVERSITY OF ECONOMICS HO CHI MINH CITY TO PHUC NGUYEN KHUONG CONSUMER ANALYTICS TOWARD DEVELOPMENT OF CROSS SELLING PRODUCTS AT RETAIL BANKING: AN APPROACH ON BIG DATA AT EXIMBANK Specialization: Business Administration Executive Business Administration Code : 8340101 TUTOR: ASSOC. TU VAN BINH Ho Chi Minh City - 2020 LUAN VAN CHAT LUONG download : add [e-mail] COMMITMENT I assure you this is my own research. The figures and results stated in the thesis are honest and have not been published in any other works. I would like to assure you that all of the help for the implementation of this dissertation was thanked and the information cited in the thesis has been traced.

Trainees implement the thesis (Sign and write full name) TÔ PHÚC NGUYÊN KHƯƠNG LUAN VAN CHAT LUONG download : add [e-mail] ABSTRACT Based on internal database as big data of the Eximbank, 3,527 active customers with the initial length of service more than 12 months, the method of data mining is concerned, in which the mathematic methods of K-Means of cluster, Tree Decision, and Association Analysis are applied. The findings show that consumers’ characteristics using services at EXIMBANK are various, in which staffs, directors as individual customers occupy a high proportion in total customers. Based on descriptive statistics, there are eight main products, such as VG (Visa Gold), VC (Visa Classis), MG (Master Gold), MS (Master Standard), VP (Visa Platinum), VV (Viva Violet Card), VA (Visa Auto Card), and others are concerned most by the customer, in which VG and VC are the two top cards used. Directors are more interested in VG card, while staffs concern VC card.

In addition, using two cards, called the main card and the extra card, is popular. This is a potential chance for the bank to develop cross-selling products, which the product bundle strategies are packed into groups. Based on the method Association Analysis, propobality of using two cards or three cards at the same time of customers are derived. This finding basically supports the bank to address cross-selling products of cards to customers.

To do this, recommendations of the strategies of bundle products are suggested in the thesis, together with implementation plans LUAN VAN CHAT LUONG download : add [e-mail] TABLE OF CONTENTS COMMITMENT ABSTRACT TABLE OF CONTENTS LIST OF FIGURES LIST OF TABLES CHAPTER 1: INTRODUCTION. RATIONALE OF RESEARCH. OBJECTIVES OF STUDY. SCOPE AND LIMITATION.

3 Methods to analyze data. 5 CHAPTER 2: CONCEPTS CONCERNED AND ITS FRAMEWORK. 7 Remaining good relationships between the customer and retail banking .The concept of big data and its consideration in banking. Big data in Banking and its contribution.

9 Application of Big Data to investigate the customer’s spending habits. 10 Customer segmentation and review customer’s records. 10 The sales includes other services (service cross-selling). 11 Building a system to record customer feedback.

12 Flexible suggesting good services to customers. 12 LUAN VAN CHAT LUONG download : add luanvanchat@agmail. CONCEPTS RELATED TO APPROACHED QUANTITATIVE METHODS. Customer Value Matrix Model.

Customer lifetime value based on RFM. Cross-selling products. 19 CHAPTER 3: BIG DATA OF BANKING INDUSTRY AND CONCEPTS APPROACHED………………………………………………………………………21 I. SITUATION OF EXIMBANK AND ITS BUSINESS.

BIG DATA AND ITS APPLICATION IN BANKING.PROFILE OF CUSTOMER.RMF AND MARKET SEGMENT. 33 Cross – Selling strategy. 38 Summary of chapter. 43 CHAPTER 4: CONCLUSION AND SOLUTIONS.

FINDING OF MARKET SEGMENTS. DETAILED CHARACTERISTICS BY MARKET SEGMENT. IDEAS OF MARKETING STRATEGY. EMPLICATION OF STATEGY.

LUAN VAN CHAT LUONG download : add [e-mail] LIST OF FIGURES Figure 2.1: Customer value matrix and its description .2: Customer value matrix and its description.3: The diagram of proposed model .1: Share of investment in big data analytics by sector.2: Share of investment in big data analytics by sector.3: Position of customer .4: Type of products that consumers concerned .5: Length of service of active customers .6: Type of customers using services at the bank .7: Type of products that consumers concerned .8: Matrix of LOS and Recency .9: Market segments based on RFM .10: Result of Tree Decision of five market segments .11: Result of Association Analysis and its potential bundles.12: Characteristics of potential bundle product between MS and VA.13: Potential bundle strategy (MS-VA) by customer income.14: Characteristics of potential bundle product among VP, MS, and VA.15: Potential bundle strategy (VP-MS-VA) by customer’s income .16: Characteristics of potential bundle product among MG, VV, and VA .17: Potential bundle strategy (MG-VV-VA) by customer’s income .1: Ranges of account balance of customers .2: Marketing strategies suggested to the bank. 46 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.3: Type of product.4: Top prestigious banks in Vietnam. 48 LIST OF TABLES Table 1.1: Information of variables concerned 4 Table 2.1: Recency, Frequency and Monetary Score Description 14 Table 2.2: Presentation of customer value matrix 15 Table 4.1: Interest rate of top ten prestigious bank in Vietnam 49 Table 4.2: Plan of strategic implication 53 LUAN VAN CHAT LUONG download : add [e-mail] 1 CHAPTER 1: INTRODUCTION I. RATIONALE OF RESEARCH Rapid development of information technology in the banking industry has created a big concern that the banks must think of how to explore internal data to serve competitive strategies.

In fact, currently, most banking institutions, insurances and financial services are attempts to adopt a new approach toward data mining to the development and innovation of services that they provide to customers. Like most other industries, big data analytics are going to be a major change to support business units to generate campaigns for a short term and long term strategies to attract more new customers, retain existing ones and fight against the competitors. Investing a big data system cause simulation that data mining is much concerned in the banking industry, because it supports to extract valuable information form huge amounts of data. Particularly it contributes into finding out consumer behavior and present a market situation picture of a firm.

However, it is not easy to explore big data of firms. Data scientists developed quantitative methods as mathematic approaches, such as descriptive and predictive analytics, etc. Nowadays, banks have realized the importance of customer relation, this is one of successful factors. However, challenges of how to retain most profitable customers and to reduce a churn rate are problematic.

To solve this problem, consumer behavior should be investigated and analyzed, which big data are a worth resource and quite helpful to measure and predict consumer behavior correctly. Therefore, the power of data is to derive utility across various spheres of their functioning, product across selling, regulatory compliance management, risk management, and customer service management. As we know, particularities of banks’ activities generate a huge amount of data from unstructured data, such as transaction history, customer to the unstructured data such as the customer’s activities on the website, or the mobile banking application on social networks. However, how to explore big data available is the most problem.

Although there are not few banks who recognize that and want to turn the big data available to the most effective weapon for the market competition, they are seemly facing problems of new system, skills, and so on. With changes in integration policies of Vietnam through information technology system, together with fire competition, more and more banks in Vietnam have paid more attention to investing a huge money for big data system and people capacity. For example, EXIMBAK is one of the banks, who is willing to pay money to structure data LUAN VAN CHAT LUONG download : add [e-mail] 2 system very early. It realizes benefits of data warehouse to support business strategies.

In fact, the benefits of internal brought not the raise of the internal management efficiency, but also help increase the competitive advantages, maximize profits. Currently, the banks must be flexible for their plan toward activities of innovation, in term of capturing needs of customers and improving satisfaction and retention of customer. By the way, CRM is quite helpful and recognized for acquisition and retention of customers. As a result, the bank can get more opportunism to make long lasting and profitable relationships with customers.

To investigating big data system of the bank, Eximbank has offered a program of building capacity for staffs, who are directly related to data analytics and business development. In addition, the department of database is established to exploit internal database, which the role of an employee is placed in the ecosystem talent development. However, everything is seemly concerned and exploited more and more toward data mining, predictive analytics on customer behavior. OBJECTIVES OF STUDY - Presenting characteristics of consumers who are using services of banking - Analyzing history of transaction behavior of consumers - Identifying and developing market segments through consumer behavior - Developing developments of cross-selling products to increase benefits of customers toward customer retain.

RESEARCH QUESTIONS There are some questions concerned as follows (1) What are characteristics of consumer toward service usage at banking? (2) How do customers take transaction at the bank? (3) How is the market segment developed? (4) What are cross-selling product developments to increase benefits of customers to retain them? LUAN VAN CHAT LUONG download : add luanvanchat@agmail. SCOPE AND LIMITATION The thesis only concerns on internal database as well as big data of Eximbank located in a district of Ho Chi Minh City. Due to the confidential information and secret information requirements, the name of district is asked to hidden. Even the study is not taken qualitative method into the study, because the author is the head/leader of the branch of Eximbank, what the thesis is done it is based on actual demand of the bank.

Its finding is actual expectation for the Eximbank’s business plan in the time coming. RESEARCH METHODOLOGY Data collection Data used are extracted from data warehouse of the bank. Because of security requested, this thesis is seriously asked to be confidential. Using information as well as findings of this study is not convinced, it must be responsible for who going to use that.

Data pre-processing is taken into account of the data mining process, because it improves the accuracy and efficiency of subsequent modeling (Han & Kamber, 2006). Activities of data pre-processing techniques are data cleaning, data transformation, data integration and data reduction, these are concerned, due to data quality. The database used in the study is extracted from data warehouse of the bank, which the period of study is 12 months, from January 1, 2019 to December 31, 2019. Accordingly, the database selected has 130,000 rows, equivalent to 3,527 customers.

This means one individual customer has more transactions during study, so the rows are more than the customer amount. As presented in table 1.1, 25 fields or variables are taken into account of the current study. Each one has a defined measurement, such as nominal, continuous, date, categorical. LUAN VAN CHAT LUONG download : add luanvanchat@agmail.1: Information of variables concerned Name of variable Definition Measurement 1.

CIF ID of customer 2. Branch ID of branch 3.document ID of customer document 4. Type of customer Type of customer Nominal + Credit customer variable + Individual customer + family business customer 5. Access date Date to register service of customer date 6.

Approved date Date of documents approved date 7. Document score Score on initial documents of customer Continuous that the staff evaluates 8. Gender Gender of customer Nominal 9. Age Age in years Continuous 10.

Education Education of customer Nominal 11. Community Behavior community relations Nominal + Prestige + Good enough + Unknown 12. Marital status Marital status: Single and married Nominal 13. Job position Positions Nominal + Manager + Worker + Director + Office staff 14.