滕毅　陳麗君　朱和勝

為了提高郵政金融網(wǎng)點(diǎn)的營(yíng)銷(xiāo)能力，為營(yíng)銷(xiāo)經(jīng)理提供精準(zhǔn)營(yíng)銷(xiāo)的依據(jù)，本文采用數(shù)據(jù)挖掘的方法針對(duì)金融客戶(hù)的購(gòu)買(mǎi)行為進(jìn)行分析，找出購(gòu)買(mǎi)各類(lèi)金融產(chǎn)品的客戶(hù)群體特征。本文對(duì)廣東郵政某金融網(wǎng)點(diǎn)的客戶(hù)數(shù)據(jù)進(jìn)行了采集并建立起統(tǒng)一視圖，然后采用K-means聚類(lèi)算法對(duì)客戶(hù)數(shù)據(jù)進(jìn)行聚類(lèi)分析，所選用聚類(lèi)屬性是按照當(dāng)前客戶(hù)的各類(lèi)金融產(chǎn)品的百分比進(jìn)行分析，并且將算法的結(jié)果結(jié)合客戶(hù)的基本屬性對(duì)所有金融客戶(hù)進(jìn)行細(xì)分，并針對(duì)某些共性的客戶(hù)進(jìn)行精準(zhǔn)的產(chǎn)品推薦。

入世之后，銀行業(yè)內(nèi)的競(jìng)爭(zhēng)越來(lái)越激烈，如今銀行的核心競(jìng)爭(zhēng)力已經(jīng)轉(zhuǎn)化為對(duì)優(yōu)質(zhì)客戶(hù)的競(jìng)爭(zhēng)和搶奪。在新經(jīng)濟(jì)的規(guī)模和特征下，銀行業(yè)對(duì)數(shù)據(jù)中心及客戶(hù)分析的需求已經(jīng)形成。

興業(yè)銀行已經(jīng)通過(guò)對(duì)還款數(shù)據(jù)的分析比較區(qū)分優(yōu)質(zhì)客戶(hù)，根據(jù)客戶(hù)還款數(shù)額的差別，提供差異化的金融產(chǎn)品和服務(wù)方式。以興業(yè)證券為例，通過(guò)盈利率數(shù)據(jù)分析對(duì)客戶(hù)進(jìn)行分類(lèi)，分析出適合開(kāi)發(fā)或營(yíng)銷(xiāo)的目標(biāo)客戶(hù)群，市場(chǎng)團(tuán)隊(duì)根據(jù)分析結(jié)果采取針對(duì)性策略拓展客戶(hù)，成功率提高30% 以上。

2012 年，平安旗下各專(zhuān)業(yè)公司將陸續(xù)正式加入央行征信系統(tǒng)。征信系統(tǒng)的核心在于數(shù)據(jù)采集，數(shù)據(jù)樣本越大，規(guī)律性更強(qiáng)，價(jià)值也更大。平安集團(tuán)有7400 萬(wàn)客戶(hù)，這些個(gè)人信息數(shù)據(jù)累積起來(lái)，對(duì)于平安創(chuàng)新互聯(lián)網(wǎng)金融，將起到關(guān)鍵的作用。

當(dāng)前郵政代理金融客戶(hù)中，3.6%的客戶(hù)占了80.5%的資產(chǎn)，7.6%的客戶(hù)占用了17%的資產(chǎn)，88.8%的客戶(hù)占用了2.5%的總資產(chǎn)。如果忽略不同資產(chǎn)類(lèi)型帶來(lái)的收益率的不同，3.6%的客戶(hù)為郵政代理金融收入的80.5%。然而，我們目前針對(duì)這80.5%的客戶(hù)只有兩個(gè)細(xì)分群體，就是金卡客戶(hù)和鉆石客戶(hù)，且該細(xì)分群體除了資產(chǎn)級(jí)別之外，不帶有任何關(guān)于客戶(hù)個(gè)人喜好、行為等的分群，這顯然對(duì)于我們維護(hù)客戶(hù)關(guān)系是存在很大弊病的。

客戶(hù)細(xì)分是了解客戶(hù)進(jìn)行市場(chǎng)細(xì)分和目標(biāo)市場(chǎng)營(yíng)銷(xiāo)的前提。準(zhǔn)確的細(xì)分市場(chǎng)和差異化營(yíng)銷(xiāo)策略是目前企業(yè)市場(chǎng)營(yíng)銷(xiāo)所必須面臨的難題[5]。數(shù)據(jù)挖掘的分類(lèi)和聚類(lèi)的方法都可應(yīng)用于客戶(hù)分群。本項(xiàng)目采用聚類(lèi)方法指導(dǎo)客戶(hù)分群，為郵政金融市場(chǎng)營(yíng)銷(xiāo)的客戶(hù)分群提供完整的解決方案，并以實(shí)際案例驗(yàn)證其可行性。

模型

問(wèn)題定義。本文某市某金融網(wǎng)點(diǎn)的客戶(hù)數(shù)據(jù)，根據(jù)客戶(hù)的基礎(chǔ)信息以及客戶(hù)金融產(chǎn)品購(gòu)買(mǎi)情況進(jìn)行分析、聚類(lèi)，并按照以網(wǎng)點(diǎn)為單位輸出當(dāng)前網(wǎng)點(diǎn)的營(yíng)銷(xiāo)客戶(hù)列表并帶有客戶(hù)的偏好的屬性標(biāo)簽。

數(shù)據(jù)選擇。本文以當(dāng)前郵政廣州市某代理金融網(wǎng)點(diǎn)數(shù)據(jù)為例，進(jìn)行說(shuō)明。根據(jù)所定義的問(wèn)題，該問(wèn)題涉及到客戶(hù)基礎(chǔ)表、產(chǎn)品表以及客戶(hù)產(chǎn)品關(guān)聯(lián)表。其中，客戶(hù)基礎(chǔ)表主要用來(lái)記錄客戶(hù)15個(gè)基礎(chǔ)屬性，分別為：客戶(hù)姓名、客戶(hù)號(hào)、身份證號(hào)、性別、年齡、籍貫、就業(yè)狀態(tài)、月收入、行業(yè)、崗位、學(xué)歷、單位性質(zhì)、客戶(hù)登記、客戶(hù)分類(lèi)、累計(jì)積分。產(chǎn)品表主要包含產(chǎn)品的種類(lèi)、名稱(chēng)、明細(xì)、客戶(hù)收益以及企業(yè)收益等信息。客戶(hù)產(chǎn)品關(guān)聯(lián)數(shù)據(jù)表，主要是將客戶(hù)與其所購(gòu)買(mǎi)的代理金融產(chǎn)品相關(guān)聯(lián)，主要包含以下屬性：月份、客戶(hù)號(hào)、客戶(hù)姓名、類(lèi)型、產(chǎn)品名稱(chēng)、月末余額、月均余額。

聚類(lèi)算法的實(shí)現(xiàn)。通過(guò)抽取的特征利用已有的數(shù)據(jù)聚類(lèi)算法（K-means）對(duì)數(shù)據(jù)進(jìn)行分析，計(jì)算每個(gè)客戶(hù)之間的相似情況（距離），根據(jù)距離的大小將特征屬性相近的客戶(hù)劃分為一個(gè)群體，而將特征屬性相差較大的客戶(hù)劃分為不同的群體，從而得到不同目標(biāo)客戶(hù)群。這些目標(biāo)客戶(hù)群（簇）具有共同的特征屬性，而不同群間特征差異較大，通過(guò)客戶(hù)群的劃分后再結(jié)合客戶(hù)群的共性特征進(jìn)行數(shù)據(jù)分析，得到相應(yīng)客戶(hù)群體共性特征的數(shù)字化描述。K-means算法是一種典型的分割聚類(lèi)算法，由于其算法的簡(jiǎn)單性以及算法實(shí)現(xiàn)的簡(jiǎn)便性，因此在數(shù)據(jù)挖掘中應(yīng)用最為廣泛[7]。

本文采用聚類(lèi)算法針對(duì)客戶(hù)數(shù)據(jù)進(jìn)行聚類(lèi)分析，主要是針對(duì)客戶(hù)按照選定的聚類(lèi)屬性進(jìn)行聚類(lèi)。聚類(lèi)算法的實(shí)現(xiàn)過(guò)程如下：1）選取K的取值（本文取值：12）；2） 選取初始質(zhì)心點(diǎn)，做為聚類(lèi)的簇心；3）讀取第每條記錄，計(jì)算第二條記錄到簇心的距離，并將其歸于距離質(zhì)心最近的簇，然后再重新更新簇心。然后重復(fù)計(jì)算第三條記錄到最后一條記錄；4）然后重復(fù)步驟2，直至質(zhì)心不再變化。

聚類(lèi)結(jié)果。分析聚類(lèi)后的客戶(hù)分類(lèi)，將具有相似屬性的簇進(jìn)行合并，最終歸并為7個(gè)簇，其中：

針對(duì)簇1的客戶(hù)，營(yíng)銷(xiāo)人員可以重點(diǎn)進(jìn)行保險(xiǎn)、理財(cái)產(chǎn)品的銷(xiāo)售，這部分屬于高端客戶(hù)，且年齡在54歲左右，注重自身的報(bào)賬且具有一定的理財(cái)意識(shí)，是當(dāng)前該網(wǎng)點(diǎn)基金理財(cái)產(chǎn)品的購(gòu)買(mǎi)主力。

簇2屬于老齡客戶(hù)，相對(duì)于其他的老齡客戶(hù)來(lái)說(shuō)，這部分屬于高端老齡客戶(hù)。他們的資產(chǎn)相對(duì)較多，營(yíng)銷(xiāo)人員如果有意想要引導(dǎo)他們購(gòu)買(mǎi)理財(cái)?shù)脑?，建議分紅型的保險(xiǎn)是最合適的。

簇3屬于理性的高端客戶(hù)，一般儲(chǔ)戶(hù)，可以引導(dǎo)的購(gòu)買(mǎi)一些理財(cái)和保險(xiǎn)，但難度相對(duì)來(lái)說(shuō)較大。

簇4屬于當(dāng)前該網(wǎng)點(diǎn)保險(xiǎn)產(chǎn)品的主要購(gòu)買(mǎi)力，但從數(shù)據(jù)上分析，購(gòu)買(mǎi)保險(xiǎn)具有一定隨機(jī)性，即營(yíng)銷(xiāo)人員“逮一個(gè)算一個(gè)”，且從年齡結(jié)構(gòu)上看，屬于偏年輕，主要分布在40-44歲。

簇5屬于50歲以上老人群體，主要偏向于儲(chǔ)蓄，但可以適當(dāng)?shù)耐扑]保險(xiǎn)。

簇6屬于資產(chǎn)在2w以下，主要集中于儲(chǔ)蓄，可引導(dǎo)的進(jìn)行理財(cái)，例如基金定投。

簇7主要是流失客戶(hù)。

針對(duì)以上七類(lèi)客戶(hù)，本文統(tǒng)計(jì)其客戶(hù)區(qū)間分布，88.3%客戶(hù)主要分布在簇3， 4， 5， 6。高端人數(shù)較少（簇1，2），對(duì)網(wǎng)點(diǎn)日常營(yíng)銷(xiāo)來(lái)說(shuō)，建議網(wǎng)點(diǎn)針對(duì)簇3，4，5，6推出特定的營(yíng)銷(xiāo)策略。在注重高端客戶(hù)的同時(shí)，重點(diǎn)開(kāi)展對(duì)網(wǎng)點(diǎn)主力客戶(hù)的針對(duì)性營(yíng)銷(xiāo)。

廣東省郵政目前正在針對(duì)客戶(hù)大數(shù)據(jù)進(jìn)行初步分析，已經(jīng)針對(duì)客戶(hù)購(gòu)買(mǎi)的代理金融產(chǎn)品進(jìn)行數(shù)據(jù)預(yù)處理，根據(jù)客戶(hù)購(gòu)買(mǎi)的產(chǎn)品的差別以及客戶(hù)為網(wǎng)點(diǎn)利潤(rùn)的貢獻(xiàn)額度進(jìn)行綜合考慮，對(duì)郵政代理金融客戶(hù)進(jìn)行客戶(hù)細(xì)分，同時(shí)為客戶(hù)提供差異化的金融產(chǎn)品和服務(wù)方式。為了進(jìn)一步應(yīng)用大數(shù)據(jù)，我省郵件計(jì)劃將銀聯(lián)刷卡的數(shù)據(jù)與客戶(hù)進(jìn)行匹配，掌握客戶(hù)日常的消費(fèi)行為，同時(shí)挖掘潛在的大客戶(hù)。將客戶(hù)匹配到網(wǎng)點(diǎn)，將數(shù)據(jù)進(jìn)行下發(fā)，網(wǎng)點(diǎn)的營(yíng)銷(xiāo)團(tuán)隊(duì)在分析數(shù)據(jù)的基礎(chǔ)上采取針對(duì)性的策略拓展客戶(hù)。