В качестве объектов географической сегментации выступают территориальные образования, экономические районы, административные единицы страны, города и микрорайоны городов. Банк обычно концетрирует свое внимание , в первую очередь, на ближайшие рынки.

Демографическая сегментация основывается на социально-профессиональном делении населения, на делении по возрасту, по доходам, по семейному положению и т.д. Банк выявляет интересующие его группы населения и работает с ними для максимального привлечения вкладов, оптимального размещения кредитов. Такого рода сегментация приобретает в России немалое значение в связи с непропорциональным разделением по доходам работников различных отраслей народного хозяйства (например, энергетика и образование, медицина).

Поведенческая сегментация проводится на основе изучения досье, имеющегося в банке на каждого клиента. При этом определяется состоянеие счета и характер операций, осуществляемых банком. По своему поведению население может классифицироваться следующим образом: люди, живущие сегодняшним днем; авантюристы; реалисты, недостаточно активные, однако относящиеся с уважением к материальным ценностям; лица, думающие о будущем; очень осторожные люди. Эту информацию можно получить, анализируя оборот по счетам клиентов. Так, недавний финансовый кризис поставил под сомнение надежность вкладов населения в банки, повысил рискованность, но в тоже время и доходность, ценных бумаг, снизил цены на государственные облигации. По поведению клиентов в эти месяцы можно было сказать, кто как реагировал на изменившуюся ситуацию, кто предпочел рисковать, вкладывая деньги, а кто предпочел забрать их из банка. Опять же при этом анализе очень поможет единая информационная система банка.

Сегментация открывает возможность:

- более точно оценить целевой рынок с точки зрения потребностей клиентов;

- выявить преимущества или недостатки деятельности банка в освоении конкретного рынка;

- более отчетливо поставить цели и прогнозировать реальность успешного осуществления маркетинговой программы.

Для проведения сегментации требуется соблюдение следующих условий:

- сегмент должен быть достаточно весомым, чтобы были оправданы операционные расходы банка, связанные с проведением кампании по продвижению новых услуг на рынок.

- ответная реакция на действия банка группы людей или компаний, выбранных в качестве целевого рынка, должна выгодно отличаться от реакции других сегментов.

В клиентурном рынке обычно выделяют пять сегментов:

1. Юридические и физические лица, открывающие счета в банке.

2. Корпорации, финансово-промышленные группы.

3. Банки-корреспонденты.

4. Правительственные и муниципальные органы ( рынок государственных долговых облигаций).

5. Юридические и физические лица как учредители доверительного управления имуществом.

После сегментации рынка банковских услуг банк проводит позиционирование своей услуги в определенном сегменте рынка.

В результате сбора маркетинговой информации отдел маркетинга банка подготавливается к анализу ситуации на рынке. Для проведения анализа отдел маркетинга может использовать самые современные средства исследования рынка, которые есть в распоряжении банка. Те банки, которые проводят на рынке активную политику, направленную на выживание, комплектуют свои аналитические отделы по последнему слову техники. Поскольку мне известны некоторые современные методы, применяемые для анализа в российских банках, то я о них немного расскажу.

НЕЙРОННЫЕ СЕТИ КАК СРЕДСТВО АНАЛИЗА

Что такое нейронная сеть, нейроплата и нейрокомпьютер? Прежде всего, пусть Вас не вводит в заблуждение употребление слова "нейро". Нейронная сеть похожа на мозг человека не более чем стакан коктейля на Северный Ледовитый океан. Словосочетание "теория нейронных сетей" - не более чем обобщенное название вполне конкретной и формальной области математики.

С математической точки зрения нейронная сеть представляет собой многослойную сетевую структуру, состоящую из однотипных (и сравнительно простых) процессорных элементов - нейронов. Нейроны, связанные между собой сложной топологией межсоединений, группируются в слои (как правило, два-три), среди которых выделяются входной и выходной слои. В нейронных сетях, применяемых для прогнозирования, нейроны входного слоя воспринимают информацию о параметрах ситуации, а выходной слой сигнализирует о возможной реакции на эту ситуацию. Перед постановкой на "боевое дежурство" нейронная сеть проходит специальный этап настройки - обучения.

Как правило, сети предъявляется большое количество (сотни и тысячи) заранее подготовленных примеров, для каждого из которых известна требуемая реакция сети. Если сеть реагирует на очередной пример неадекватно, т.е. состояние выходного слоя отличается от заданного, внутренняя структура сети подвергается некоторой модификации для минимизации ошибки (в большинстве случаев корректируются веса соединений).

После определенного периода обучения сеть достигает состояния, соответствующего минимальной суммарной ошибке. Для некоторых задач суммарная ошибка составляет 2-3%, для других может доходить до 10-15%, ряд задач вообще не поддается решению на нейронных сетях. К счастью, прикладные аспекты теории нейронных сетей сегодня настолько изучены, что практически для каждой пользовательской задачи можно найти описание наиболее подходящей для ее решения структуры нейронной сети, а также ожидаемое качество результатов.

Давайте теперь вкратце перечислим основные преимущества нейронных сетей:

1. Наиболее ценное свойство нейронных сетей - способность обучаться на множестве примеров в тех случаях когда неизвестны закономерности развития ситуации и какие бы то ни было зависимости между входными и выходными данными. В таких случаях (а к ним можно отнести до 80% задач финансового анализа) пасуют как традиционные математические методы, так и экспертные системы.

2. Нейронные сети способны успешно решать задачи, опираясь на неполную, искаженную, зашумленную и внутренне противоречивую входную информацию.

3. Для использования методов корреляционного анализа вам понадобится профессионал-математик.

Эксплуатация обученной нейронной сети по силам и старшекласснику.

4. Нейросетевые пакеты позволяют исключительно легко подключаться к базам данных, электронной почте и т.д. и автоматизировать процесс ввода и первичной обработки данных.

5. Внутренний параллелизм, присущий нейронным сетям, позволяет практически безгранично (насколько хватит кошелька) наращивать мощность вашей нейросистемы. Вы можете начать с простого и дешевого пакета, потом перейти на профессиональную версию, потом добавить одну-две-три платы-ускорителя, потом перейти на специализированный нейрокомпьютер - с гарантией полной преемственности всего ранее созданного программного обеспечения.

В маркетинге нейронные сети можно применять для прогнозирования изменения спроса на услуги в зависимости процентной ставки по депозитам. Для обучения сети достаточно представить реальные данные о соотношении количества, денежного объема, продолжительности вкладов и действовавшей на тот момент процентной ставки. Нейросеть хороша тем, что для маркетолога неважно, какая зависимость существует между входными данными, главное – что нейросеть может предсказать будущее значение спроса, зная сегодняшнее его значение, средний уровень цен, общий объем рынка.