企业为什么要做分级基金?为什么要做数据分类分级

jijinwang
热榜上1300亿分级基金月底谢幕的话题引起热议,12月20日晚间,多家基金公司公告了相关分级基金份额终止运作的风险提示。那么什么是分级基金、分级基金为何要退出历史舞台,持有者应该如何应对?对此,我们做一些简单分析。
1、A股市场的分级基金产品诞生于2007年,它是指在一个投资组合下通过对基金收益(或净资产)的分解,形成两级(或多级)风险收益表现有一定差异化基金份额的基金品种。最典型的分级基金是将一只母基金分成AB两个子基金,B向A借钱投资股票,持有A份额的人按照约定标准坐收利息,等于是保本保息,而持有B份额的人,则相当于在进行杠杆投资。这种模式本来一直不温不火,但是2015年杠杆牛的时候,分级基金B大火,整体规模接近5000亿,随后几年因为A股走势疲弱,分级基金的优势也就没有了,而且分级B因为涨跌都比较猛,所以风险比较大,一直被监管部门重点关注,规模也就越来越小了。
2、分级基金谢幕是因为不符合监管政策。众所周知,2018年出台的资管新规明确要求:保本保息的理财产品必须要在2020年年底之前退出市场。而分级A属于保本保息的理财产品,是必须要整改的,此外,分级B因为杠杆属性太大,收益和风险波动太大,原则上也不符合保护中小投资者的要求,在这样的情况下,尽管有不少投资者对分级B比较喜欢,而且今年有不少分级基金的收益也不错,但是分级基金退出历史舞台却已经是不可避免。
3、持有分级基金的投资者怎么办?距离分级基金的清盘整改的时间大限只有10天时间了,不过投资者也必要担心,如果我们是在场外持有母基金份额,那么整改后的分级基金将转型为LOF,也就是一只普通基金了,收益风险特征基本上不受影响,但是按照各家基金公司的公告,分级基金子份额终止上市时,A份额和B份额都将按净值折算为母基金份额,因此,如果场内成交价格有溢价的,那么折算后就会面临损失,所以持有高溢价率B份额的投资者,选择结算之前卖出更划算。

一:企业为什么要对客户进行分级

客户分级管理是指根据客户对於企业的贡献率等各个指标进行多角度衡量与分级,最终按一定的比例进行加权。企业在依据客户带来利润和价值的多少对客户进行分级的基础上,依据客户级别高低的不同设计不同的客户服务和关怀项目。
一般企业绝大多数收益的主要来源自小部份大客、常客,针对这群金字塔顶端的客户,企业不仅要花心思经营,而且还要找对方法、策略在同类顾客中根据销售信息进行统计分析,发现共同特点,开展交叉销售,做到在顾客下定单前,就能瞭解顾客需要,有针对性地进行商品推荐,实现营销。

二:简要回答企业为什么要对客户分级

很多店对顾客管理或者分级管理并没有太多认知,凡事凭感觉,无章无法,导致业绩极不稳定,顾客规划和顾客价值做的并不是想得那么好,特别在做活动的时候,做的一地鸡毛,一场寂寞。坦白讲,很多门店也会有大致顾客分类:A、B、C客,然而徐老师对顾客分级与常规的分级认知有点不一样:

A类顾客:对门店信任度非常高,匹配门店目标会员定位

B类顾客:匹配门店目标会员定位、信任度一般

C类顾客:暂时不匹配目标会员定位、缺乏信任度

为什么要把匹配门店目标会员定位与对门店的信任度作为主要评判标准呢?怎么理解匹配不匹配呢?在之前徐老师写过专门的文章可以作为参考:什么叫缺乏信任度呢:徐老师可以给大家三个维度判断指标:第一、彼此相处是否舒服,记住是彼此舒服;第二、平时顾客是否与门店有深度沟通;第三、彼此是否敞开的关系。

所以达成我们想要的目的就是最优质的A客了,倘若她消费达到了,但是与门店关系并不是那么好,这也最多算B客,因为没有信任基础,顾客也会表现得很不稳定,顾客长期价值也做不高,我们管理的重点就是如何构建与顾客亲和信任关系,如何向A客晋级,这就是我们工作重点了;那么C客呢?怎么定义:暂时无法匹配门店定位,之所以加上暂时两字,是担心门店误判,因为信任做得不好,所以我们拿到顾客信息也不多,误判还是有很大概率,可以作为潜在B客进行孵化。

很多店家通常把消费金额和到店频次作为主要判断指标,即使如此但是也没有明确地进行真正的分级管理,甚至相关材料都没有整理过,请问店家:顾客消费3万给你,作为A客,因为当时是被威逼利诱成交,过段时间这个顾客找你退卡,或者明年不来了,这算A客吗?徐老师认为;顾客分级目的是为了更高效地构建门店与优质顾客关系,实现持续消费,做高顾客价值,顾客分级管理的价值就在于提醒我们不同分级顾客是需要提升的,而不是歧视待客,理解成三六九等。


三:为什么要做数据分类分级

分类的目的是:分析输入数据,通过在训练集中的数据表现出来的特性,为每一个类找到一种准确的描述或者模型。这种描述常常用谓词表示。由此生成的类描述用来对未来的测试数据进行分类。尽管这些未来的测试数据的类标签是未知的,我们仍可以由此预侧这些新数据所属的类。注意是预测,而不能肯定。我们也可以由此对数据中的每一个类有更好的理解。也就是说,我们获得了对这个类的知识。