分类
外汇交易平台该怎么选择

以此来提高市场的预测分析能力

图源:unsplash

3种方法让您的在线市场营销预测分析和个性化更有效

图源:unsplash

预测客户意向

图源:unsplash

图源:unsplash

发展客户关系,提高客户保留率

图源:unsplash

图源:unsplash

优化市场投资回报率

图源:unsplash

图源:unsplash

图源:unsplash

总结

图源:unsplash

如何做好行业分析?这里有框架和思路

小军师 ​

行业分析是做战略或商分同学经常开展的工作,一份好的行业分析报告不仅可以让人短时间内了解到整个行业的过去和现状,还可以让人抓住行业的关键成功要素准确预测行业未来的演进路线,提前知晓行业的终极形态。

整体来说,一份完整详尽的行业研究报告至少应该解决以下问题:

行业分析每个模块解决的具体问题如下。

一、宏观环境分析:宏观环境对行业有什么影响?

二、市场分析:市场规模有多大?未来增长空间如何?细分市场和区域市场有何机会和威胁?

1. 市场规模测算:规模有多大?未来有多少增长空间?

2. 细分市场结构的变化:细分市场机遇和威胁在哪里?

以此来提高市场的预测分析能力

3. 地域及城市结构变化:区域市场的机遇和威胁在哪里?

三、行业集中度分析:行业集中度如何?处于什么样的竞争环境中?

行业集中度(Concentration Ratio,CR)反映一个行业的整合程度,是指某行业前N家最大的企业所占市场份额的总和,是对整个行业的市场结构集中程度的测量指标。例如,CR 4是指四个最大的企业占有该相关市场份额,五个企业集中率(CR 5)、八个企业集中率(CR 8)均可以计算出来。

如果市场度曲线呈现的是较低的市场集中度,那么代表目前是一个散点竞争的市场,还没有形成行业领导品牌,通常都是大大小小的地方品牌在主导;此时企业应该采取区域和渠道扩张的策略,尽快扩大市场占有率。
如果市场集中度曲线呈现的是CR 3和CR 10都迅速上升的状态,说明目前市场是一个块状同质化的市场,部分企业在迅速扩张以占据领导低位;此时企业应该采取迅速扩张的销售策略。
如果市场集中度曲线呈现的是CR 3下降,但CR 10还在上升,说明目前市场是一个团状异质化的市场,市场上细分行业以其独特的卖点继续占领市场份额;此时企业应该差异化的市场策略抢占细分市场。

预测性分析: 客户体验的未来

随着海量数据的沉淀和新兴技术的不断涌现,全球的领先金融机构已经开始探索如何升级客户体验衡量体系,将“预测性分析”这一前沿性技术作为传统客户调研的重要补充,以获取更前瞻、更全面并与财务价值紧密挂钩的客户洞见。如今,公司可以定期、合法、无缝地从自身客户系统、财务系统和运营系统中收集智能手机和交互数据。领先企业正不断强化其数据和分析能力、利用预测性洞见与客户建立更紧密的联系、预判客户行为并实时锁定客户体验中的问题与机会。这些企业能更好地理解客户,甚至提前解决客户旅程中的问题,防患于未然。他们的客户也因此受益:比如银行可对客户渠道偏好进行预测;在保险业,患者在碰到问题时能得到保险公司的主动帮助。这预示着公司评估和塑造客户体验的方式将发生根本性转变。

本文将探讨数据和分析技术如何改变客户体验的理论与实践。我们将介绍最新研究,阐明预测性分析方法将如何与客户调研相辅相成,产生新的洞见。随后,我们将分析领先银行如何部署数据驱动的客户体验体系,从而减少客户流失、提高营收并降低服务成本。最后,我们将介绍启动方法,包括开展“由数据驱动的洞见与行动”转型的四个关键步骤。

客户体验洞察:从1.02.0

与此同时,随着数据生成、聚合与分析能力显著进步,洞见挖掘领域正发生巨大变革。如今,公司可以获取各种各样的数据集:客户交互的内部数据、交易和个人资料;广泛可用的第三方数据集,涵盖客户态度、客户购买行为与偏好以及数字行为,包括社交媒体活动;以及各个行业的特定数据,如通过物联网(IoT)产生的有关客户健康状况、态度和位置的新数据集(例如网点数据)。上述海量数据的聚合与分析已经为各个业务领域(包括市场营销和收入管理)带来了重要机会:在客户体验方面,该类互动数据能够有效预测客户满意度以及客户留存、流失或增加业务使用的概率,成为传统调研方式的有力补充。具体而言,预测性分析可以直接在三方面升级监测体系:

  1. 更精确的体验洞见:典型的客户体验调查抽取约7%~10%的客户样本,在客户代表性方面可能出现偏差。预测性分析方法所采集的数据则可覆盖全量客户,在保证全面性的同时,甚至可提供1对1的个性化分析。
  2. 前瞻性干预客户希望快速解决问题,而调研作为事后工具,其局限性在所难免。预测性分析可通过整合大量行为数据,预判客户可能出现的情绪和行为,从而更及时地推送线索,避免价值损失。
  3. 与业绩紧密挂钩:某家大型金融服务公司的高管表示:“基于调查获得的客户体验得分与业务成果之间的相关性非常重要,我们通过将其与运营数据进行比较分析,判断业务成效,但缺乏更直接的证据”以此来提高市场的预测分析能力 。对此,基于数据的分析方法可通过大数据引擎,更直接地将客户态度与购买行为进行连接,从而生成业务结果导向的客户洞见。

打造预测性客户体验平台

  1. 客户级数据湖
    首先,公司收集客户数据、财务和运营数据,包括聚合数据和单个客户数据。随后,公司对数据进行处理并将其存储在云平台。综合、互联以及动态的客户级数据集让公司可以在交互、交易和运营等各个维度梳理并跟踪客户行为。传统调查仅能反映过去某个时点部分客户的观点,而这些丰富的数据集则包含全部客群并覆盖完整的客户旅程,从而能有效揭示出引起客户体验绩效变化的根因。数据湖是充分了解客户体验的基础。该平台面向全组织开放,且所有数据源的映射关系应清晰一致,客户、产品线和其他关键业务输入信息有各自的特定标识。
  1. 预测性客户评分
    公司通常会使用一些机器学习算法进行数据分析,以便了解和跟踪影响客户满意度和业务绩效的因素,并检测客户旅程中的特定事件。这些算法根据旅程特征为每个客户进行预测性评分。公司能基于评分预测每个客户的满意度和相应的价值,例如收入、忠诚度和服务成本。更大范围来看,客户体验负责人可以评估某项客户体验投资的ROI,并将客户体验计划直接与业务结果挂钩。

如何将数据转化为洞见与行动

  1. 转变观念:转型不可避免会带来挑战,包括对团队和客户体验高管观念上的挑战。客户体验负责人可能会认为预测性系统不在其职权范围内,而是IT部门或数据科学团队的职责。但时代不断变化,客户体验负责人需要关注数据,正如他们之前关注客户体验评分一样。一些人可能认为公司已经对一些关键绩效指标进行了回归分析。然而,现在他们应该把步子迈得更大,建立一套系统,而不是停留在数据层面。客户体验负责人的角色正在变化,他们应重塑自己在组织中的定位。当被问及当前系统面临的最大挑战时,一位首席体验官回答:“提到客户体验,人们往往联想到市场营销,而非技术。”但这种情况正在改变,越来越多的公司已经启用预测性分析,客户体验负责人应该带头改变人们的固有看法。
  1. 打破孤岛,建立跨职能团队:客户体验职能常犯的一个错误就是在公司内部自建孤岛。为成功启动转型,客户体验负责人需要与其他部门加强合作。数据所有方包括运营、营销、财务和技术等部门,因此高管间的沟通对于建立有效的数据访问和管理至关重要。数据科学家负责编写算法。客户体验团队应负责制定战略方向和策略,确保获得利益相关方认同是扩大成效的关键。
  2. 从核心旅程数据集入手,边建设边提高准确性大多数金融机构都面临数据质量低、可用数据不足的挑战,如果没有数据,上述转型就无从开始。好消息是,即使数据不够完美,银行依然可以从基本的客户数据入手。第一步是收集单个客户的运营和财务数据,再结合客户资料以及数字和模拟交互数据进行完善,这样一来通常能实现项目启动。
  3. 首先聚焦能够快速产生价值的用例:由数据驱动的预测性系统能让客户体验战略与实际业务价值挂钩。在早期,企业应清楚如何应用预测性系统生成的洞见,并聚焦短期能创造回报的用例,这点非常重要。通过简单的框架,公司可以审视当前客户旅程中的主要机会点或痛点,并思考预测性系统如何创建新的解决方案或增强现有解决方案,以直接影响客户的忠诚度、服务成本、交叉销售和追加销售行为。

欲获取报告更多信息,请联系:
Mike Thompson是麦肯锡全球董事合伙人,驻达拉斯分公司
[email protected]

David Malfara是麦肯锡资深专家,驻迈阿密分公司
[email protected]

Kevin Neher是麦肯锡全球资深董事合伙人,驻丹佛分公司
[email protected]

Maxence Vancauwenberghe是麦肯锡全球董事合伙人,驻纽约分公司
[email protected]

Rachel Diebner是麦肯锡顾问,驻达拉斯分公司
[email protected]

周宁人(Nicole Zhou)是麦肯锡全球董事合伙人,驻北京分公司
[email protected]

张允宜(Denise 以此来提高市场的预测分析能力 Zhang)是麦肯锡项目经理,驻上海分公司
[email protected]

作者感谢Victoria Bough,Harald Fanderl,Abhishek Gupta,Oliver Jakubiec,Marc Levesque,Nicolas Maechler,Evelyn Milde,Iwan Tanuwidjaja,Kelly Ungerman和Elsa Yan对本文的贡献。

以此来提高市场的预测分析能力

市场层面指标

由此形成的文献按照因子的所属类型可以分为三方面:一是挖掘市场层面因子,二是挖 掘公司层面因子,三是挖掘技术层面因子。市场层面因子主要包含市场收益指标和市场波动指标。首先,来看市场收益因子的研究。其认为个股收益与市场组合风险溢价密切相关,并利用风险敏感系数来计算股票的期望收益率。 CAPM 模型的出现为预测股票收益提供了新的方法,因此其也被视为现代价格理论的基础。

更关键的是,该理论揭示了市场收益对个股收益的重要影响。尽管随后的资产定价研究十分丰富,但我们可以看到的是,根据市场收益来解释股票预期收益的思想一直保留了下来,主要表现为刻画市场收益的 MKT 因子几乎包含在每一个相关的资产定价模型中。而后越来越多的资产定价实证研究发现,市场上的投资组合存在着无法用 CAPM 模型解释的超额收益,这就意味着除了 MKT 因子外,还有其他基础因子会对股票收益产生影响。

借鉴 CAPM 模型构建了跨期资本资产定价模型,提出资产均衡收益除了受市场收益的影响,也与潜在的未来投资机会集变化相关,即投资者在决策时既会考虑当期资产的收益,也会考虑未来选择可能的变化。将跨期资本资产定价模型进行动态化延展,指出投资者对市场收益的风险和预期市场收益变化的风险十分在意,未来投资机会集的变化会影响资产期望收益。

使用预期的市场收益变化和预期的市场收益波动率变化来度量参与者投资机会集的变化,其提出股票的预期收益不仅取决于市场收益和预期的市场收益变化,还与预期的市场收益波动率变化有关,这意味着若投资者是风险厌恶的,则收益与预期的市场收益波动率变化负相关的资产将获得一个风险补偿。以美国股票市场为研究对象,分析波动率风险溢酬问题。文章证实了的观点,指出市场波动率具有时变性,其会影响投资者的收益预期,从而改变未来的投资机会集。通过在模型中增加市场波动指数 VIX 的变化,其揭示了市场波动率对股票期望收益的影响,结果表明市场波动率应该被作为解释股票收益率的风险因子。

这意味着投资者愿意为规避市场收益波动率上升而舍弃一部分股票收益,该结果反映出市场收益波动率能够解释股票的预期收益。在国内,一些学者也注意到了波动率风险因子。利用我国 A 股股票数据,对市场波动率风险的定价效果做出考察,研究表明,市场波动率是一个显著的横截面资产定价因子,并且其风险价格为负,在加入流动性、偏度以及模型设定考量后,该结果仍然成立。

探究了高阶矩的风险溢酬,发现波动率风险在台湾资本市场上是独立的定价因子。选取了包含沪深 300 指数波动率在内的 8 个预测因子对市场组合、行业组合、账面市值比组合以及市值组合进行预测,结果显示,市场波动率因子不仅能在样本内显著预测股票的收益率,在样本外其同样有效。以上研究表明,市场波动率是股票收益预测中一个重要的定价因子。

公司层面指标

公司层面因子主要包含描述公司运营状况的预测指标。考察收益预测性中公司层面因子代表性的成果提出的三因子模型,其在 CAPM 模型市场因子的基础上,增加了规模因子和价值因子,在对纽交所、美交所以及纳斯达克的上市公司进行定量研究后发现,公司市值和账面市值比具有显著的股票横截面收益率解释能力。

将公司盈利指标细化,探究公司的股权收益率、毛利率和资产收益率对股票收益的预测能力,结果显示,盈利指标与股票收益显著正相关,同时指标的预测性会随着市场摩擦的增加而减弱。国内研究方面,利用沪深 A 股上市公司数据,探究了我国股市价值反转投资策略的有效性,研究发现,企业的账面市值比能够显著正向预测股票收益。从企业应计利润异象入手,结合 A 股上市公司数据展开研究,结果表明,企业的应计利润与其未来股票收益存在显著的负相关关系。

根据企业盈利规模、盈利质量和成长性指标构造了会计投资价值指数,并以该指数来构建投资组合,结果显示,会计投资价值指数越高,对应的股票投资组合未来收益越大。剖析了公司基本面对股票投资收益的影响,结果看到,企业净资产收益具有显著的收益预测能力。基于季度财务报表构造了六组企业基本面指标,分别是异常存货、异常应收款、异常其他应收款、异常预收款、异常销售管理费用以及异常毛利润,将这 以此来提高市场的预测分析能力 6 个指标标准化求和后得到企业基本面综合指标,以此指标构建的股票投资策略能够获得年化 12.7% 的收益。

技术层面指标

技术层面因子主要包含围绕股票历史价格构建的预测指标。将主流的技术面指标按照构造方法差异分成六大类,探究其对收益的解释能力,研究发现,技术分析指标在 1960 年到 1987 年间获利非常有限,但在 1988 年到 2004 年间,这些指标表现出显著的收益预测性。

随着数据的不断汇集、技术的不断进步,技术分析的应用研究也逐步深入。依托中国股票市场背景,利用技术分析工具,验证短期趋势跟踪的超额收益,判断我国股市同样存在价格趋势效应,短期趋势指标能够显著的预测收益。利用一般均衡模型分析技术指标对股票收益的影响渠道,其构造的反映价格变化的趋势因子被证明在股票横截面收益中具有预测作用。基于 Sharpe 指数构造的胜算指标在我国 A 股市场的适用性,结果表明,胜算指标具有显著的超额收益。

构建异质主体的经济跨期模型,试图从技术指标视角分析主体异质性对市场理性预期均衡的影响,其结论为技术指标会长期影响股票的市场均衡价格。使用 28000 多种技术面指标进行收益预测能力检验,看到许多技术面指标存在显著的预测作用,这一现象在控制数据挖掘和过度拟合问题后仍然成立。提出使用机器学习法能够优化技术面指标的收益预测能力,其拥有较好的样本外预测成效。