银行交叉营销案例

㈠ 什么是交叉销售

什么是交叉销售？简单说来，就是向拥有本公司A产品的客户推销本公司B产品。它有两大功能：

其一，可以增强客户忠诚度。如果客户购买本公司的产品和服务越多，客户流失的可能性就越小。来自银行的数据显示：购买两种产品的客户的流失率是55%，而拥有4个或更多产品或服务的流失率几乎是0。

其二，交叉销售也可以增加利润。实践证明，将一种产品和服务推销给一个现有客户的成本远低于吸收一个新客户的成本。来自信用卡公司的数据显示：平均说来，信用卡客户要到第三年才能开始有利润。由此可见，吸收新客户的成本是非常高的，而对现有客户进行交叉销售，也自然成为许多公司增加投资回报的捷径。

找产品

如何有效地进行交叉销售？寻找合适的产品自然是第一步。目前有两种方法：业务灵感和数据挖掘。

有些时候，业务灵感可以告诉公司，哪些产品需要进行交叉销售。比如，房屋贷款自然是向抵押贷款者推销的下一个产品。再比如，一个公司最近新开发了一个具有战略意义的产品，那么该产品本身就是一个交叉销售的好选择。

业务灵感的确是一个快速确定交叉销售产品的方法。但是，仅仅依赖业务灵感可能会丧失许多商机，因为在某些情况下，一些好的交叉销售产品并不是直观可见的。因此，如果要寻找那些潜在的交叉销售商机，有一个最好用的工具——数据挖掘。

链接分析是数据挖掘中的一种方法，它可以从历史数据中找到产品和产品之间的相关关系，从而产生出最恰当的交叉销售产品或服务。但是，链接分析的结果必须依赖业务知识来审核其准确性和价值，因此，在实际应用中，又常常将业务灵感和数据挖掘结合起来，以确定合适的交叉销售产品。

寻下家

一旦确定了要推销的产品，下面的问题是——推销给谁？

数据挖掘有很多方法都能帮助解决这个问题。而采用链接准则来进行客户定位，便是其中之一。

链接分析主要是了解不同产品之间同时或前后发生的购买关系，从而为捆绑销售或交叉销售提供有价值的建议。

链接分析起源于零售业，它的一个典型例子就是啤酒和尿布的故事。数据挖掘人员通过对交易数据的分析，发现啤酒和尿布同时购买的相关程度很高。再经进一步的调查发现，原来是有孩子的父亲在给自己购买啤酒时，也常会给自己刚出生不久的子女购买尿布。根据以上信息，超市人员便及时调整了物品的摆放结构，从而让客户的购买更加方便。目前，类似的数据挖掘技术也已在国外许多银行中广泛使用，针对既有客户推销不同的产品和服务。

一个链接准则通常包括“准则体”、“准则头”、“支持度”、“置信度”以及“提升度”。

下表便是一个采用IBM Intelligent Miner进行数据挖掘的案例：

置信度(%)类型 提升度 准则体 准则头
0.85 28.5 + 10.7 VISA金卡 = > 房屋贷款

这个准则说明：有28.5%的VISA金卡用户购买了房屋贷款，它的购买率是平均的10.7倍。这个准则的客户数目占总客户群的0.85%(关于准则的详细定义请参考IBM Intelligent Miner的说明书)。根据这个准则我们可以知道，将房屋贷款交叉销售给VISA金卡用户是一个很好的选择。

第二种方法就是应用分类模型对所有客户购买该指定产品的可能性进行预测，从而发现谁最有可能购买该产品。

第三种方法可以结合链接分析和分类预测，对准则体所筛选出来的客户进行预测。每一种数据挖掘方案都各有所长，至于什么方案最优，要根据实际应用和模型结果来确定。

销售过程

通常来讲，如果具备客户的产品购买信息，就可以应用链接分析的方法来了解产品和产品之间的相关程度，从而确定交叉销售的对象。链接分析将产生许多链接准则，如何从众多的准则中挑选出有意义的部分，这就需要业务知识和数据挖掘的结合。

从数据挖掘角度看，主要是选择那些提升度、置信度、和支持度都比较高的准则；从业务角度看，主要是对数据挖掘挑选出的准则进行评估，从而挑选出正确的和有价值的一些交叉销售链接准则。

在挑选完以后，那些在“准则体”中没有购买“准则头”的客户，就是潜在的客户。接下来，可以选择全部的潜在客户进行交叉销售，也可以采用数据挖掘中分类的方法进行评分，以便找出购买性大的客户，从而进一步提高购买率。

但是在有些情况下，我们可能不用去关心产品和产品之间的相关程度，而只需要从现有的客户中找出最有可能购买某指定产品的客户，并不限定这些客户是什么产品的客户。对于这种情形，我们直接应用分类模型就可以了。

对于指定产品A，我们将收集客户在购买A之前的背景信息和其它产品的交易数据。对于购买A的客户，可以将其赋值为1，而没有买A的客户，则可以将其赋值为0。

赋值完后，还要生成一系列的“集”，如：用于建模的训练集、用于测试的测试集以及用于应用的应用集。集合的生成可以采用时间窗口移动法或者随机采样法。

之后，便可以采用不同的分类方法(逻辑回归、神经网络、径向基函数、决策树等)进行建模，再由提升图来衡量模型的质量，最终来选择最佳预测模型进行实际应用。

在零售行业，因为利润和产品数量的密切相关，购买产品越多利润就越大，所以对于这类行业的交叉销售，只要采用上面的过程就可以了。

但是对于一些服务行业，比如银行业，由于有较大的日常维护和服务的开销，因此不是每个客户的每件产品都会有利润。如果银行在实施交叉销售一些产品后导致该客户的利润减少，将是一件“吃力不讨好”的事。如何避免这类事情的发生，一个好办法就是在挖掘过程中增加利润分析。

利润分析有很多思路。对于采用链接分析的方案，可以采用统计的方法来比较在购买产品前、后的利润变化情况，去掉那些在购买新产品后出现利润下降的交叉销售模式。对于分类模型，则可以在建模的时候只对那些购买了产品后出现利润增长的客户赋值为1，从而实现预测的目标导向有利润增长的交叉销售。再或者，可以另外建立一个利润预测模型，并将购买该产品的可能性和利润结合起来，从而选择那些可能性和利润都高的客户进行交叉销售。
参见什么是交叉销售？简单说来，就是向拥有本公司A产品的客户推销本公司B产品。它有两大功能：

其一，可以增强客户忠诚度。如果客户购买本公司的产品和服务越多，客户流失的可能性就越小。来自银行的数据显示：购买两种产品的客户的流失率是55%，而拥有4个或更多产品或服务的流失率几乎是0。

其二，交叉销售也可以增加利润。实践证明，将一种产品和服务推销给一个现有客户的成本远低于吸收一个新客户的成本。来自信用卡公司的数据显示：平均说来，信用卡客户要到第三年才能开始有利润。由此可见，吸收新客户的成本是非常高的，而对现有客户进行交叉销售，也自然成为许多公司增加投资回报的捷径。

找产品

如何有效地进行交叉销售？寻找合适的产品自然是第一步。目前有两种方法：业务灵感和数据挖掘。

有些时候，业务灵感可以告诉公司，哪些产品需要进行交叉销售。比如，房屋贷款自然是向抵押贷款者推销的下一个产品。再比如，一个公司最近新开发了一个具有战略意义的产品，那么该产品本身就是一个交叉销售的好选择。

业务灵感的确是一个快速确定交叉销售产品的方法。但是，仅仅依赖业务灵感可能会丧失许多商机，因为在某些情况下，一些好的交叉销售产品并不是直观可见的。因此，如果要寻找那些潜在的交叉销售商机，有一个最好用的工具——数据挖掘。

链接分析是数据挖掘中的一种方法，它可以从历史数据中找到产品和产品之间的相关关系，从而产生出最恰当的交叉销售产品或服务。但是，链接分析的结果必须依赖业务知识来审核其准确性和价值，因此，在实际应用中，又常常将业务灵感和数据挖掘结合起来，以确定合适的交叉销售产品。

寻下家

一旦确定了要推销的产品，下面的问题是——推销给谁？

数据挖掘有很多方法都能帮助解决这个问题。而采用链接准则来进行客户定位，便是其中之一。

链接分析主要是了解不同产品之间同时或前后发生的购买关系，从而为捆绑销售或交叉销售提供有价值的建议。

链接分析起源于零售业，它的一个典型例子就是啤酒和尿布的故事。数据挖掘人员通过对交易数据的分析，发现啤酒和尿布同时购买的相关程度很高。再经进一步的调查发现，原来是有孩子的父亲在给自己购买啤酒时，也常会给自己刚出生不久的子女购买尿布。根据以上信息，超市人员便及时调整了物品的摆放结构，从而让客户的购买更加方便。目前，类似的数据挖掘技术也已在国外许多银行中广泛使用，针对既有客户推销不同的产品和服务。

一个链接准则通常包括“准则体”、“准则头”、“支持度”、“置信度”以及“提升度”。

下表便是一个采用IBM Intelligent Miner进行数据挖掘的案例：

置信度(%)类型 提升度 准则体 准则头
0.85 28.5 + 10.7 VISA金卡 = > 房屋贷款

这个准则说明：有28.5%的VISA金卡用户购买了房屋贷款，它的购买率是平均的10.7倍。这个准则的客户数目占总客户群的0.85%(关于准则的详细定义请参考IBM Intelligent Miner的说明书)。根据这个准则我们可以知道，将房屋贷款交叉销售给VISA金卡用户是一个很好的选择。

第二种方法就是应用分类模型对所有客户购买该指定产品的可能性进行预测，从而发现谁最有可能购买该产品。

第三种方法可以结合链接分析和分类预测，对准则体所筛选出来的客户进行预测。每一种数据挖掘方案都各有所长，至于什么方案最优，要根据实际应用和模型结果来确定。

销售过程

通常来讲，如果具备客户的产品购买信息，就可以应用链接分析的方法来了解产品和产品之间的相关程度，从而确定交叉销售的对象。链接分析将产生许多链接准则，如何从众多的准则中挑选出有意义的部分，这就需要业务知识和数据挖掘的结合。

从数据挖掘角度看，主要是选择那些提升度、置信度、和支持度都比较高的准则；从业务角度看，主要是对数据挖掘挑选出的准则进行评估，从而挑选出正确的和有价值的一些交叉销售链接准则。

在挑选完以后，那些在“准则体”中没有购买“准则头”的客户，就是潜在的客户。接下来，可以选择全部的潜在客户进行交叉销售，也可以采用数据挖掘中分类的方法进行评分，以便找出购买性大的客户，从而进一步提高购买率。

但是在有些情况下，我们可能不用去关心产品和产品之间的相关程度，而只需要从现有的客户中找出最有可能购买某指定产品的客户，并不限定这些客户是什么产品的客户。对于这种情形，我们直接应用分类模型就可以了。

对于指定产品A，我们将收集客户在购买A之前的背景信息和其它产品的交易数据。对于购买A的客户，可以将其赋值为1，而没有买A的客户，则可以将其赋值为0。

赋值完后，还要生成一系列的“集”，如：用于建模的训练集、用于测试的测试集以及用于应用的应用集。集合的生成可以采用时间窗口移动法或者随机采样法。

之后，便可以采用不同的分类方法(逻辑回归、神经网络、径向基函数、决策树等)进行建模，再由提升图来衡量模型的质量，最终来选择最佳预测模型进行实际应用。

在零售行业，因为利润和产品数量的密切相关，购买产品越多利润就越大，所以对于这类行业的交叉销售，只要采用上面的过程就可以了。

但是对于一些服务行业，比如银行业，由于有较大的日常维护和服务的开销，因此不是每个客户的每件产品都会有利润。如果银行在实施交叉销售一些产品后导致该客户的利润减少，将是一件“吃力不讨好”的事。如何避免这类事情的发生，一个好办法就是在挖掘过程中增加利润分析。

利润分析有很多思路。对于采用链接分析的方案，可以采用统计的方法来比较在购买产品前、后的利润变化情况，去掉那些在购买新产品后出现利润下降的交叉销售模式。对于分类模型，则可以在建模的时候只对那些购买了产品后出现利润增长的客户赋值为1，从而实现预测的目标导向有利润增长的交叉销售。再或者，可以另外建立一个利润预测模型，并将购买该产品的可能性和利润结合起来，从而选择那些可能性和利润都高的客户进行交叉销售。
什么是交叉销售？简单说来，就是向拥有本公司A产品的客户推销本公司B产品。它有两大功能：

其一，可以增强客户忠诚度。如果客户购买本公司的产品和服务越多，客户流失的可能性就越小。来自银行的数据显示：购买两种产品的客户的流失率是55%，而拥有4个或更多产品或服务的流失率几乎是0。

其二，交叉销售也可以增加利润。实践证明，将一种产品和服务推销给一个现有客户的成本远低于吸收一个新客户的成本。来自信用卡公司的数据显示：平均说来，信用卡客户要到第三年才能开始有利润。由此可见，吸收新客户的成本是非常高的，而对现有客户进行交叉销售，也自然成为许多公司增加投资回报的捷径。

找产品

如何有效地进行交叉销售？寻找合适的产品自然是第一步。目前有两种方法：业务灵感和数据挖掘。

有些时候，业务灵感可以告诉公司，哪些产品需要进行交叉销售。比如，房屋贷款自然是向抵押贷款者推销的下一个产品。再比如，一个公司最近新开发了一个具有战略意义的产品，那么该产品本身就是一个交叉销售的好选择。

业务灵感的确是一个快速确定交叉销售产品的方法。但是，仅仅依赖业务灵感可能会丧失许多商机，因为在某些情况下，一些好的交叉销售产品并不是直观可见的。因此，如果要寻找那些潜在的交叉销售商机，有一个最好用的工具——数据挖掘。

链接分析是数据挖掘中的一种方法，它可以从历史数据中找到产品和产品之间的相关关系，从而产生出最恰当的交叉销售产品或服务。但是，链接分析的结果必须依赖业务知识来审核其准确性和价值，因此，在实际应用中，又常常将业务灵感和数据挖掘结合起来，以确定合适的交叉销售产品。

寻下家

一旦确定了要推销的产品，下面的问题是——推销给谁？

数据挖掘有很多方法都能帮助解决这个问题。而采用链接准则来进行客户定位，便是其中之一。

链接分析主要是了解不同产品之间同时或前后发生的购买关系，从而为捆绑销售或交叉销售提供有价值的建议。

链接分析起源于零售业，它的一个典型例子就是啤酒和尿布的故事。数据挖掘人员通过对交易数据的分析，发现啤酒和尿布同时购买的相关程度很高。再经进一步的调查发现，原来是有孩子的父亲在给自己购买啤酒时，也常会给自己刚出生不久的子女购买尿布。根据以上信息，超市人员便及时调整了物品的摆放结构，从而让客户的购买更加方便。目前，类似的数据挖掘技术也已在国外许多银行中广泛使用，针对既有客户推销不同的产品和服务。

一个链接准则通常包括“准则体”、“准则头”、“支持度”、“置信度”以及“提升度”。

下表便是一个采用IBM Intelligent Miner进行数据挖掘的案例：

置信度(%)类型 提升度 准则体 准则头
0.85 28.5 + 10.7 VISA金卡 = > 房屋贷款

这个准则说明：有28.5%的VISA金卡用户购买了房屋贷款，它的购买率是平均的10.7倍。这个准则的客户数目占总客户群的0.85%(关于准则的详细定义请参考IBM Intelligent Miner的说明书)。根据这个准则我们可以知道，将房屋贷款交叉销售给VISA金卡用户是一个很好的选择。

第二种方法就是应用分类模型对所有客户购买该指定产品的可能性进行预测，从而发现谁最有可能购买该产品。

第三种方法可以结合链接分析和分类预测，对准则体所筛选出来的客户进行预测。每一种数据挖掘方案都各有所长，至于什么方案最优，要根据实际应用和模型结果来确定。

销售过程

通常来讲，如果具备客户的产品购买信息，就可以应用链接分析的方法来了解产品和产品之间的相关程度，从而确定交叉销售的对象。链接分析将产生许多链接准则，如何从众多的准则中挑选出有意义的部分，这就需要业务知识和数据挖掘的结合。

从数据挖掘角度看，主要是选择那些提升度、置信度、和支持度都比较高的准则；从业务角度看，主要是对数据挖掘挑选出的准则进行评估，从而挑选出正确的和有价值的一些交叉销售链接准则。

在挑选完以后，那些在“准则体”中没有购买“准则头”的客户，就是潜在的客户。接下来，可以选择全部的潜在客户进行交叉销售，也可以采用数据挖掘中分类的方法进行评分，以便找出购买性大的客户，从而进一步提高购买率。

但是在有些情况下，我们可能不用去关心产品和产品之间的相关程度，而只需要从现有的客户中找出最有可能购买某指定产品的客户，并不限定这些客户是什么产品的客户。对于这种情形，我们直接应用分类模型就可以了。

对于指定产品A，我们将收集客户在购买A之前的背景信息和其它产品的交易数据。对于购买A的客户，可以将其赋值为1，而没有买A的客户，则可以将其赋值为0。

赋值完后，还要生成一系列的“集”，如：用于建模的训练集、用于测试的测试集以及用于应用的应用集。集合的生成可以采用时间窗口移动法或者随机采样法。

之后，便可以采用不同的分类方法(逻辑回归、神经网络、径向基函数、决策树等)进行建模，再由提升图来衡量模型的质量，最终来选择最佳预测模型进行实际应用。

在零售行业，因为利润和产品数量的密切相关，购买产品越多利润就越大，所以对于这类行业的交叉销售，只要采用上面的过程就可以了。

但是对于一些服务行业，比如银行业，由于有较大的日常维护和服务的开销，因此不是每个客户的每件产品都会有利润。如果银行在实施交叉销售一些产品后导致该客户的利润减少，将是一件“吃力不讨好”的事。如何避免这类事情的发生，一个好办法就是在挖掘过程中增加利润分析。

利润分析有很多思路。对于采用链接分析的方案，可以采用统计的方法来比较在购买产品前、后的利润变化情况，去掉那些在购买新产品后出现利润下降的交叉销售模式。对于分类模型，则可以在建模的时候只对那些购买了产品后出现利润增长的客户赋值为1，从而实现预测的目标导向有利润增长的交叉销售。再或者，可以另外建立一个利润预测模型，并将购买该产品的可能性和利润结合起来，从而选择那些可能性和利润都高的客户进行交叉销售。
参见http://www.itpub.net/322061.html

㈡ 如何创新零售业务交叉联动和综合营销

公私联动的主要措施： 一是代收代付业务公私联动措.代收代付业务是公私联动的重中之专重，必须属长期坚持不懈。
二是个人贷款业务公私联动措施。个人贷款是一种紧缺的市场资源。各经营单位要抓住这个契机，加强公私联动，开展交叉营销，一方面通过个。

㈢ 怎么写银行营销案例

二、如何进行新产品的铺货 企业为了使新产品能在竞争激烈的市场上脱颖而出，往往特别强调其产品的市场铺货率。在公司销售人员受市场铺货、销售指标和考核等因素的影响下，一时间以到处能看到自己的产品为荣，殊不知盲目的铺货会给企业造成很大的资金沉淀，坏账和呆账就会增加。因此，新产品的铺货一定要结合市场业务员、经销商、产品、促销和市场等情况综合考虑。 训练有素的销售人员是有效铺货的关键。有效的铺货应该由相当了解市场零售点和直销点状态的“熟手（销售人员）”来进行。“熟手”的要求是：有一定的市场运作经验，了解客户的信用状况、销售情况、资金实力及来源、相关的管理人员及习性，甚至有没有赖帐前科记录等都要考虑。如果所在区域的市场业务人员为新手，在铺货前必须向熟悉该地区的批发商、直销商或相关领域的企业同行销售人员请教。市场销售人员对把握不准的经销商，可采用“少量多次”、“让利现款”和签订“供货合约”等方式进行铺货，切忌不要急于求成。 细致的市场调查是进行有的放矢铺货的重要前提。生意较好的直销点或零售点进货的条件都比较苛刻，可先观察其进货的渠道，了解其分销商供货的原因。如果经销商信誉有问题，占用其他企业资金较大，但进货还很重要，可以其他企业的分销商为载体进入，降低资金风险；相反，可考虑直接进入新的产品。销售人员特别要警惕那些从头到尾一点不对你的产品价格讨价还价，但一点都不管新铺货货款回笼问题的经销商。有时，寻找多家代理商引进竞争意识，有意识地让他们了解一些彼此相互竞争的内幕，多举出铺货销售成功的实例，以便给经销商形成一种压力和动力，这也是业务人员在铺货时常用的一种办法，这样可以变被动局面为主动控制。 新产品进入市场初期，促销将成为实现铺货的最直接手段。以白酒市场产品促销和铺货的关系为例，可概括为以下三种情况： 三、如何消除消费者的顾虑，使其尝试新产品 如何让消费者尝试企业的新产品，应在企业新产品投放市场之前加以考虑。有很多企业通常通过让消费者免费品尝、免费使用得方式来推广新产品，但其工作量太大，有时企业的“免费使用或品尝”、“包退包换”等行为，还会给企业带来不可弥补的损失。 为达到降低成本，顺利地让消费者尝试新产品的目的，只有从不同的角度更多地了解消费者对新产品的顾虑，并使新产品尽量得到完善，才能有的放矢地引导消费者消费。 消费者对新产品的顾虑，往往是建立在以老产品为参照物的基础上，要么对老产品的某些性能（或功能）不满，不知新产品能否改进；要么对新产品的新增性能（或功能）是否真的像推广人员说的那么好感到怀疑。在产品性能或功能相差不多的情况下，消费者更会从质量和实惠的角度考虑尝试新产品。此时，企业新产品虽然不可能让所有的消费者满意，

㈣ 有哪些银行吸收存款的优秀营销案例

中国的商复业银行不能制将其吸收的存款用于股市的投资。
我国《商业银行法》规定：
第四十三条 商业银行在中华人民共和国境内不得从事信托投资和证券经营业务，不得向非自用不动产投资或者向非银行金融机构和企业投资，但国家另有规定的除外。
“不得向非自用不动产投资或者向非银行金融机构和企业投资”，这个规定基本杜绝了银行投资房市和股市的可能。之所以这样规定，主要原因是分业经营、风险隔离的考虑，就是为保护储户存款的安全，防止股市等投资风险向储户存款蔓延，因此禁止银行将储蓄资产投资于高风险的领域，包括股票市场。

㈤ 如何有效地进行交叉销售

CDP客户数据平台能帮助企业对客户进行精准分群

㈥ 求一份简单的银行营销方案

核心理念：

1．以客户为中心的理念。这是客户经理制的最核心理念。商业银行必须把客户的需求和利益放在优先考虑的地位，调动所有资源让客户感到满意，以客户的满意度作为评价工作质量和工作效果的标尺。要通过提供专业水准的服务，使客户资产价值增加，让客户享受增值服务，使其经营风险降低，运营效率提高，从而提高客户对商业银行的信赖度、依赖度和忠诚度。

2．营销一体化理念。目前服务业的市场营销早已超越了产品的生产，范围扩展到市场调研、营销战略、营销组织、公共关系、技术指导、售后服务等诸多领域和环节。商业银行实施客户经理制，也就是要把金融产品的营销作为一种专门化的事业，将各种营销资源进行整合，以满足各种营销活动要素，实现营销的专业化。

3．核心客户综合开发理念。对为商业银行创造80％的业务和利润，且占客户总量20％的优质、核心客户，商业银行必须给予高度重视，实行差别化服务，最大程度地满足核心客户的金融需求。只有核心客户的金融需求得到有效开发，才能更好的为客户提供高品位、专业化的金融服务，才能谋取更大的经济效益。

4．个性化产品和服务理念。客户经理必须能够综合运用各种知识和技能，根据客户的需求提供“量体裁衣”式的金融服务，通过对客户进行调查和评价，提供客户服务方案，在金融产品和各种可以借助的外部资源中进行组合设计，最大限度地为客户提供专业化服务。

5．金融服务创新理念。客户经理制本身是制度创新，客户经理本身又是金融产品创新的主体。作为桥梁和纽带，客户经理应对客户的需求和变化异常敏感，及时进行提炼和总结，反馈到产品部门，和产品部门联手进行产品创新设计，以最快的速度把最新的金融产品提供给客户。

㈦ 银行如何使用客户数据进行交叉销售的

银行可以为每一个产品开发一个独立的倾向性模型，用于估计客户购买的可能性。通常会使用逻辑回归、决策树和神经网络等模型，最终得出每个客户最倾向的产品进行推荐。除了客户信息之外，更精细化的倾向性模型还可以同时计算倾向性分值和收益率分值，为客户提供匹配度最高的产品。目前，创略科技为银行搭建多种模型共同预测客户偏好，其交叉销售的准确度处于行业领先水平。

㈧ 银行营销实战案例的介绍

银行营销实战案例是银行营销实战宝典丛书之一，是一部银行行长和业务主管有效拓展市场的制胜宝典，也是银行客户经理快速提高营销能力的必备参考书。