‘고액자산가 80/20 법칙’ 이해하자
적게 일하고 잘 사는 기술
서점에 가서 제목이 마음에 들어 읽어 본 책이 있다. “적게 일하고 잘 사는 기술”이라는 책인데 나 자신이 은행 생활을 하며 평소 이런 생각을 많이 하고 있었기에 바로 구매하지 않았을까 생각한다. 책에 제목에 중요성을 다시 한번 더 생각하며 책에 내용을 간단히 정리하면 경제 현상에서 볼 수 있는 파레토 8대 2법칙이 사회 현상에서도 적용되어 본인에게 가장 큰 만족과 성과를 주는 일에 집중하자는 내용인데 영업을 하고 이를 평가받는 은행원의 입장에 매우 공감되는 내용이었습니다.
은행의 고객 비중 대비 수익비중을 비교해 볼 때 그 분포가 상위 20% 고객이 수익의 80%을 차지하는 파레토 분포를 보이고 있으며 이는 은행 전체, 리테일 영업점, VIP 영업점 모두 나타나는 현상이다. 언뜻 보기에 리테일 영업점은 이 분포가 롱테일 분포를 보일 것 같은데 리테일과 VIP 영업점이 분포 형태가 유사하게 나오고 있으므로 은행원의 입장에서는 향후 상위 20%의 손님에게 집중해야 할 것으로 본다.
“일 적게 하고 은행 생활 잘하는 기술”을 말하라면 당연히 자산규모가 큰 손님을 관리하라고 말하고 싶습니다. 관리 비용을 감안한다면 1억 원 손님 100명을 관리하는 것보다는 100억 원 손님 1명을 관리하는 것을 선택해야 은행원으로서 워라벨을 유지하며 은행 생활을 잘하는 기술이라고 말하고 싶은데 은행 영업의 현실과 성과지표(KPI)의 내용을 본다면 1억 원 손님도 관리할 수밖에 없는 상황이다.
은행 영업을 하면서 대략 10억 원 이상의 유동자산을 소유한 High-net-worth individuals(HNWI)을 만나기도 쉽지 않은데 50억 원 이상의 Very high-net-worth individuals(VHNWI)나 300억 원 이상의 Ultra High-net-worth individuals(UHNWI)을 만나는 것은 더욱 어려운 일이다. 또한 은행의 KPI는 1억 원 이상 전체 손님을 신규로 개척하고 관리하도록 맞춰져 있기 때문에 영업하는 사람의 입장에서 접촉하기 힘들고 만나기 힘든 UHNWI 손님을 워크인 손님이 아니라면 굳이 개척하려는 동기부여가 잘 이루어지지 않는 것이다.
적게 일하고 은행 생활을 잘하기 위해서 이제 사고의 전환이 필요하다. 영업을 하는 은행원의 입장에서 왜 고객화가 가능하다면 UHNWI을 만나고 싶지 않겠는가. 이유는 간단하다 이런 손님은 만나는 것 자체가 어렵게 차단되어 있는 경우가 많고 설령 만난다 한들 그 손님의 NEEDS을 발견하고 이후 관계를 유지할 자신이 없기에 때문일 것이다. 이 책을 통해서 이러한 어려움을 해결할 수 있기를 간곡히 소원합니다.
다음으로 은행의 KPI의 문제점이다. 은행들에게 가장 큰 자산을 가지고 있는 가장 적은 수 손님을 관리하는 것이 은행의 관리 비용을 감안하면 최선이라는 시그널을 KPI에 담아야 한다. 예를 들어 관리 손님 대비 자산규모 및 수익성 지표들을 개발하여 은행원(PB)들이 가능하면 큰 자산규모 손님을 관리하도록 동기부여해야 할 것이다. 그런데 최근 금융기관 디지털화를 볼 때 이 같은 변화는 필연적으로 올 것 같으니 은행원들은 하루빨리 좀 더 큰 자산을 소유한 손님을 개척할 수 있도록 스스로 변해야 할 것이다.
최근의 금융기관 디지털화는 많은 영업점들을 없어지게 하고 있으며 향후 남아 있을 오프라인 영업점들은 좀 더 통합화되고 고급화되어 갈 것으로 금융기관에 충분한 수익을 창출해주는 손님 외에는 비용 측면에서 온라인으로 서비스가 이루어질 것이므로 앞으로 오프라인 금융영업 또한 최소 HNWI 이상의 손님을 타깃으로 해야 하는 것은 자명한 일일 것이다.
☞ 4대 시중은행(국민, 신한, 하나, 우리) 2019년 9월 기준 1억 원 이상 손님수는 대략 1백20만 명이며 5억 원 이상 손님수는 137,000명 10억 원 이상 손님수는 43,300명 정도 되는 것으로 집계되고 있으며 1억 원 이상 손님수는 국민은행 38%를 점유하고 있어 1위이고 10억 원 이상 손님수는 하나은행이 28.32%로 1위를 점하고 있다. 이 수치를 근거로 우리나라 High-net-worth individuals (>$1 million) 숫자는 대략 예측 가능할 것으로 본다.
