韓宏穩(wěn)

（中山大學(xué)管理學(xué)院，廣州510275）

互聯(lián)網(wǎng)金融沖擊下銀行個(gè)人客戶分類管理研究

韓宏穩(wěn)

（中山大學(xué)管理學(xué)院，廣州510275）

由于成本和效率的優(yōu)勢，互聯(lián)網(wǎng)金融對商業(yè)銀行個(gè)人業(yè)務(wù)產(chǎn)生了較大的沖擊，個(gè)人客戶分類管理是銀行提高個(gè)人金融業(yè)務(wù)服務(wù)效率和降低服務(wù)成本的重要途徑，而實(shí)現(xiàn)個(gè)人客戶分類管理的基礎(chǔ)是基于客戶價(jià)值評價(jià)模型對基數(shù)龐大的個(gè)人客戶進(jìn)行分類。通過實(shí)地調(diào)研構(gòu)建了一個(gè)商業(yè)銀行個(gè)人客戶價(jià)值評價(jià)模型，以NS銀行作為應(yīng)用案例，運(yùn)用多元數(shù)據(jù)挖掘技術(shù)對收集到的個(gè)人客戶樣本進(jìn)行分類。研究發(fā)現(xiàn)，所構(gòu)建的評價(jià)模型能較好表征商業(yè)銀行個(gè)人客戶的價(jià)值，將層次分析、K均值聚類和判別分析三種方法相結(jié)合可對銀行規(guī)模龐大的個(gè)人客戶進(jìn)行高效精確分類，基于分類結(jié)果，對每類客戶群體提出相應(yīng)的分類管理策略，可為商業(yè)銀行維系個(gè)人客戶關(guān)系和應(yīng)對互聯(lián)網(wǎng)金融沖擊提供參考。

互聯(lián)網(wǎng)金融；商業(yè)銀行；客戶價(jià)值評價(jià)；數(shù)據(jù)挖掘；個(gè)人客戶分類管理

引 言

近年隨著互聯(lián)網(wǎng)技術(shù)不斷進(jìn)步和突破，加之金融市場供需失衡創(chuàng)造的契機(jī)，以及政府政策上的鼓勵(lì)與支持，互聯(lián)網(wǎng)金融以燎原之勢掀起井噴發(fā)展熱潮?；ヂ?lián)網(wǎng)金融通過網(wǎng)絡(luò)平臺(tái)推出低成本和低門檻的普惠金融服務(wù)，批量均等化滿足長期被商業(yè)銀行邊緣化的長尾小微客戶金融需求，強(qiáng)力沖擊和侵蝕著銀行個(gè)人業(yè)務(wù)［1］。面對互聯(lián)網(wǎng)金融的不斷沖擊，加上商業(yè)銀行業(yè)務(wù)結(jié)構(gòu)的轉(zhuǎn)型升級，商業(yè)銀行如何防止現(xiàn)有個(gè)人客戶流失和集聚更多客戶資源，守住和增加個(gè)人業(yè)務(wù)市場份額成為實(shí)務(wù)界和學(xué)術(shù)界共同關(guān)注的熱點(diǎn)話題。

相比商業(yè)銀行，互聯(lián)網(wǎng)金融具有成本和效率的優(yōu)勢［2］［3］。由于服務(wù)渠道的平臺(tái)化以及互聯(lián)網(wǎng)正向的外部效應(yīng)，互聯(lián)網(wǎng)金融服務(wù)支持成本相對較低。互聯(lián)網(wǎng)金融交易前，客戶借助互聯(lián)網(wǎng)平臺(tái)智能搜索引擎，可快速便捷地獲得到更多有價(jià)值的交易信息，這有助于提高交易完成速度和節(jié)約交易信息搜索成本；交易雙方可在網(wǎng)絡(luò)平臺(tái)上實(shí)現(xiàn)供需信息匹配，不需要經(jīng)過金融機(jī)構(gòu)中介而直接磋商達(dá)成交易，這樣可以降低簽約成本和加速交易完成；此外，互聯(lián)網(wǎng)金融網(wǎng)絡(luò)平臺(tái)通過公開違約信息、降信用等級等措施，約束交易雙方違約行為，這可以降低信息不對稱帶來的違約成本。為此，商業(yè)銀行需要融合互聯(lián)網(wǎng)金融的思維，優(yōu)化資源配置，提升自身個(gè)人業(yè)務(wù)的服務(wù)效率和降低服務(wù)的成本，以應(yīng)對互聯(lián)網(wǎng)金融的沖擊和侵蝕。

有研究指出，對銀行規(guī)模龐大的個(gè)人客戶進(jìn)行分類管理是實(shí)現(xiàn)這一目標(biāo)的重要途徑［4］，而實(shí)施個(gè)人客戶分類管理的基礎(chǔ)是基于客戶價(jià)值評價(jià)模型對基數(shù)龐大的個(gè)人客戶進(jìn)行分類［5］［6］。然而實(shí)踐中，國內(nèi)商業(yè)銀行多依賴客戶經(jīng)理經(jīng)驗(yàn)判斷來評價(jià)個(gè)人客戶價(jià)值，缺乏全面合理的評價(jià)模型，因而難以有效甄別出不同價(jià)值的客戶群體，無法為其提供需求相匹配的金融服務(wù)，致使資源配置的失位和浪費(fèi)［7］。理論研究中，閆會(huì)娟等［8］構(gòu)建了商業(yè)銀行個(gè)人客戶忠誠度的評價(jià)模型，并結(jié)合具體案例對銀行個(gè)人客戶進(jìn)行分類。楊彬等依據(jù)個(gè)人客戶對銀行利潤貢獻(xiàn)，通過構(gòu)建綜合貢獻(xiàn)評價(jià)模型，運(yùn)用數(shù)據(jù)挖掘技術(shù)對個(gè)人客戶進(jìn)行分類。這些研究僅聚焦于個(gè)人客戶價(jià)值的忠誠度或利潤貢獻(xiàn)方面，難以全面科學(xué)地評價(jià)商業(yè)銀行個(gè)人客戶價(jià)值，研究所得出的客戶分類結(jié)果可能會(huì)存在偏差。孫景等從歷史貢獻(xiàn)度、潛在貢獻(xiàn)度和風(fēng)險(xiǎn)水平方面構(gòu)建了商業(yè)銀行個(gè)人客戶價(jià)值評價(jià)模型，為分析個(gè)人客戶價(jià)值提供了一個(gè)研究框架，但該評價(jià)模型忽視了客戶價(jià)值中成長性等影響因素，同時(shí)該研究僅停留于理論探討層面，缺乏實(shí)證可行性檢驗(yàn)。鑒于此，本文試圖從理論與實(shí)踐相結(jié)合視角，構(gòu)建商業(yè)銀行個(gè)人客戶價(jià)值評價(jià)模型，以NS銀行作為具體的應(yīng)用案例，綜合運(yùn)用多元數(shù)據(jù)挖掘技術(shù)對商業(yè)銀行個(gè)人客戶進(jìn)行分類，最后依據(jù)分類結(jié)果提出相應(yīng)的管理策略，以期為國內(nèi)商業(yè)銀行維持與集聚個(gè)人業(yè)務(wù)市場份額以及有效應(yīng)對互聯(lián)網(wǎng)金融沖擊提供支持。

一、銀行個(gè)人客戶價(jià)值評價(jià)模型

（一）個(gè)人客戶價(jià)值要素的理論分析

實(shí)現(xiàn)商業(yè)銀行個(gè)人客戶分類管理的基礎(chǔ)是構(gòu)建一個(gè)綜合科學(xué)、可量化操作的個(gè)人客戶價(jià)值評價(jià)模型。基于客戶生命周期理論，商業(yè)銀行的個(gè)人客戶價(jià)值是指個(gè)人客戶與銀行建立交易關(guān)系期間，為銀行帶來的全部收益，主要包括當(dāng)前價(jià)值和潛在價(jià)值。

一是當(dāng)前價(jià)值。個(gè)人客戶當(dāng)前價(jià)值是指個(gè)人客戶從與銀行建立關(guān)系到目前為止給銀行帶來的收益。個(gè)人客戶當(dāng)前價(jià)值直接影響到商業(yè)銀行個(gè)人業(yè)務(wù)的當(dāng)前盈利能力，是銀行識別個(gè)人客戶價(jià)值最為重要的因素。借鑒作業(yè)成本習(xí)性分析中“本量利”思想，銀行個(gè)人客戶當(dāng)前價(jià)值可從利潤貢獻(xiàn)、業(yè)務(wù)量和成本節(jié)約方面體現(xiàn)。利潤貢獻(xiàn)直接反映個(gè)人客戶在與商業(yè)銀行關(guān)系保持期內(nèi)給銀行帶來的利潤。利潤貢獻(xiàn)指標(biāo)雖能較好表征個(gè)人客戶的直接貨幣價(jià)值，但卻不能客觀評價(jià)那些利潤不高卻業(yè)務(wù)量大的客戶價(jià)值貢獻(xiàn)。業(yè)務(wù)量大的個(gè)人客戶可以為商業(yè)銀行帶來規(guī)模經(jīng)濟(jì)效益，提高市場占有率，因而在利潤貢獻(xiàn)評價(jià)模型基礎(chǔ)上，需要加入業(yè)務(wù)量指標(biāo)來評價(jià)個(gè)人客戶的當(dāng)前價(jià)值。成本也是影響客戶當(dāng)前價(jià)值的重要因素，而利潤貢獻(xiàn)和業(yè)務(wù)量指標(biāo)沒有考慮到成本要素，忽視了對利潤貢獻(xiàn)和業(yè)務(wù)量不高、交易成本較小的個(gè)人客戶進(jìn)行價(jià)值評價(jià)。結(jié)合商業(yè)銀行個(gè)人業(yè)務(wù)的分類（負(fù)債類業(yè)務(wù)、資產(chǎn)類業(yè)務(wù)和中間業(yè)務(wù)），本文進(jìn)一步將利潤貢獻(xiàn)、業(yè)務(wù)量和成本節(jié)約三個(gè)評價(jià)指標(biāo)細(xì)分為九個(gè)子指標(biāo)。

二是潛在價(jià)值。個(gè)人客戶潛在價(jià)值是指當(dāng)前階段到交易關(guān)系終止期間內(nèi)個(gè)人客戶可能會(huì)為商業(yè)銀行創(chuàng)造的收益。個(gè)人客戶潛在價(jià)值關(guān)系到商業(yè)銀行個(gè)人業(yè)務(wù)的長遠(yuǎn)利潤，也直接影響到銀行未來資源的配置?；诳蛻艚K身價(jià)值理論，商業(yè)銀行個(gè)人客戶潛在價(jià)值可從成長性、忠誠度、風(fēng)險(xiǎn)度方面進(jìn)行直接或間接評價(jià)。個(gè)人客戶內(nèi)在條件中的年齡和學(xué)歷以及外在條件中的職業(yè)可以衡量客戶成長性的主要指標(biāo)，個(gè)人客戶內(nèi)外在條件愈優(yōu)越，其成長價(jià)值愈高。忠誠度可正向預(yù)測客戶潛在價(jià)值的變化趨勢，主要體現(xiàn)為重復(fù)購買和交叉購買的意愿、態(tài)度和傾向等方面［9］。實(shí)踐中，商業(yè)銀行個(gè)人客戶重復(fù)交叉購買金融服務(wù)和產(chǎn)品的傾向難以直接量化，本文借鑒石冠峰等［10］的做法，采用個(gè)人客戶與銀行關(guān)系持續(xù)時(shí)間、業(yè)務(wù)量增長率和服務(wù)／產(chǎn)品使用率等三個(gè)指標(biāo)來衡量個(gè)人客戶的忠誠度。個(gè)人客戶風(fēng)險(xiǎn)度是商業(yè)銀行預(yù)測兩者間未來交易會(huì)給其帶來損失的可能性，可反映個(gè)人客戶對銀行的潛在價(jià)值。如果個(gè)人客戶被商業(yè)銀行感知到的風(fēng)險(xiǎn)度越小，個(gè)人客戶潛在價(jià)值的預(yù)期值就會(huì)上升。具體評價(jià)中，本文借鑒孫景等做法，用個(gè)人現(xiàn)有財(cái)富、信用等級兩個(gè)指標(biāo)來衡量個(gè)人客戶的風(fēng)險(xiǎn)度。

（二）個(gè)人客戶價(jià)值評價(jià)模型的確定

綜合上述分析，基于NS商業(yè)銀行實(shí)地調(diào)研，遵循全面客觀可量化原則，從當(dāng)前價(jià)值和潛在價(jià)值兩方面構(gòu)建了由17個(gè)底層指標(biāo)組成的商業(yè)銀行個(gè)人客戶價(jià)值評價(jià)模型（見下頁圖1）。

其中，負(fù)債類業(yè)務(wù)利潤X1是指個(gè)人客戶的儲(chǔ)蓄存款（借記卡存款、存折存款等）評價(jià)期內(nèi)為商業(yè)銀行創(chuàng)造的利潤；資產(chǎn)類業(yè)務(wù)利潤X2指個(gè)人客戶的銀行貸款（住房貸款、消費(fèi)貸款等）評價(jià)期內(nèi)為商業(yè)銀行帶來的收入利潤；中間業(yè)務(wù)利潤X3是指個(gè)人客戶的中間業(yè)務(wù)（轉(zhuǎn)賬結(jié)算、信托擔(dān)保、理財(cái)業(yè)務(wù)等）評價(jià)期間為商業(yè)銀行貢獻(xiàn)的利潤總和；負(fù)債類業(yè)務(wù)量X4、資產(chǎn)類業(yè)務(wù)量X5和中介業(yè)務(wù)量X6分別指的是個(gè)人客戶評價(jià)期間在商業(yè)銀行辦理各類業(yè)務(wù)量累計(jì)的總額；每筆負(fù)債業(yè)務(wù)量X7、每筆資產(chǎn)業(yè)務(wù)量X8和每筆中介業(yè)務(wù)量X9分別是指個(gè)人客戶評價(jià)期內(nèi)商業(yè)銀行各類業(yè)務(wù)總量與辦理筆數(shù)的比值；年齡X10、學(xué)歷X11和職業(yè)X12分別描繪個(gè)人客戶自身屬性特征，通過對不同屬性進(jìn)行賦值來反映個(gè)人客戶成長價(jià)值；關(guān)系持續(xù)時(shí)間X13是指個(gè)人客戶與銀行建立交易關(guān)系截止到評價(jià)期所持續(xù)的時(shí)間；服務(wù)／產(chǎn)品使用率X14是指個(gè)人客戶使用銀行產(chǎn)品／服務(wù)數(shù)量占銀行所提供產(chǎn)品和服務(wù)總數(shù)的比重；業(yè)務(wù)增長率X15指的是個(gè)人客戶評價(jià)期內(nèi)在銀行辦理的業(yè)務(wù)量與上期同比變動(dòng)的幅度；現(xiàn)有財(cái)富X16是指個(gè)人客戶截止評價(jià)期在銀行中擁有財(cái)富金額；信用等級X17指個(gè)人客戶在銀行信用評價(jià)中所屬等級，通過對不同等級進(jìn)行評分方式來反映個(gè)人客戶風(fēng)險(xiǎn)水平。

圖1 商業(yè)銀行個(gè)人客戶價(jià)值評價(jià)模型

二、應(yīng)用案例的實(shí)證分析

（一）樣本數(shù)據(jù)

基于便利性原則，本文選取NS銀行作為應(yīng)用案例。在NS銀行數(shù)據(jù)中心的支持下，本研究以2015年第4季度為評價(jià)期，采集到NS銀行某片區(qū)600名個(gè)人客戶數(shù)據(jù)。依據(jù)以下標(biāo)準(zhǔn)對采集到的數(shù)據(jù)進(jìn)行篩選和預(yù)處理：（1）剔除評價(jià)指標(biāo)數(shù)據(jù)不完整以及存在極端值的研究樣本。（2）對年齡X10、學(xué)歷X11、職業(yè)X12和信用等級X17等4個(gè)屬性指標(biāo)進(jìn)行賦值。向NS銀行零售業(yè)務(wù)部門經(jīng)理、高級經(jīng)理以及金融研究領(lǐng)域?qū)＜叶喾秸髟儯詈蟠_認(rèn)將X10在18到23范圍內(nèi)取值為40分，在24到30范圍內(nèi)取值為60分，X10在46到60范圍內(nèi)取值為80分，X10在31到45范圍內(nèi)取值為100分，在其他范圍內(nèi)取值為20分；X11是初中及以下取值為20分，是高中、中專及大專取值為40分，是本科取值為60分，是碩士取值為80分，是博士取值為100分；X12是無業(yè)人員取值為20分，是農(nóng)民工取值為40分，是初級技術(shù)／管理人員取值為60分，是中級技術(shù)／管理人員取值為80分，是高級技術(shù)／管理人員取值為100分；X17是C等級取值為20分，是B等級取值為40分，是BB等級取值為60分，是BBB等級取值為70分，是A等級取值為80分，是AA等級取值為90分，是AAA等級取值為100分。（3）對余下X1、X2、X3等13個(gè)連續(xù)變量進(jìn)行無量綱化處理。借鑒趙萌、齊佳音［11］的做法，采用極差化處理方法對這些指標(biāo)進(jìn)行無量綱化，以消除指標(biāo)數(shù)據(jù)量綱對評價(jià)結(jié)果的影響。由于這些定量指標(biāo)均為正向指標(biāo)，所以運(yùn)用以下轉(zhuǎn)換公式：

上述式（1）中，Xij指的是原始數(shù)據(jù)中第i個(gè)樣本第j個(gè)指標(biāo)的數(shù)值；max和min Xj分別是指13個(gè)指標(biāo)集中j指標(biāo)中的最大值和最小值；Yij是無綱量化處理后的標(biāo)準(zhǔn)化數(shù)值，取值介于0－1之間。由于人們差異化比較的習(xí)慣，本文采用百分制將所有轉(zhuǎn)化后的數(shù)值乘以100，得出百分制評分值。經(jīng)過以上處理，最終得到519組NS銀行個(gè)人客戶的有效樣本數(shù)據(jù)，有效率為86．5%。

（二）分類方法的選取

由于商業(yè)銀行在長期經(jīng)營過程中積累的個(gè)人客戶資源基數(shù)龐大，要實(shí)現(xiàn)對該基數(shù)龐大的個(gè)人客戶進(jìn)行精確高效的分類管理，應(yīng)該選取何種分類方法？客戶分類方法研究中，學(xué)者們主要單一采用決策樹、層次分析、神經(jīng)網(wǎng)絡(luò)以及K均值聚類和貝葉斯網(wǎng)絡(luò)等方法對研究對象進(jìn)行分類。但遺憾的是，目前尚無單個(gè)分類方法可以實(shí)現(xiàn)大樣本客戶精確高效的分類，究其原因在于：決策樹方法處理評價(jià)模型指標(biāo)層次繁冗耗時(shí)，操作性不強(qiáng)；神經(jīng)網(wǎng)絡(luò)法雖分類預(yù)測準(zhǔn)確率高，但分類規(guī)則難以解釋，且計(jì)算效率偏低；貝葉斯網(wǎng)絡(luò)分類運(yùn)算效率高，但處理非線性關(guān)系或非正態(tài)分布樣本數(shù)據(jù)時(shí)，分類效果不太理想；層次分析雖能確認(rèn)評價(jià)指標(biāo)的權(quán)重，實(shí)現(xiàn)客戶精確分類，但客戶規(guī)模較大時(shí)分類效率低，而K均值聚類可快速對數(shù)量龐大的客戶進(jìn)行歸類，縮小層次分析評價(jià)范圍，但無法對客戶進(jìn)行精確分類，且聚類結(jié)果的正確率需要運(yùn)用判別分析進(jìn)行檢驗(yàn)。因而，將層次分析、K均值聚類與判別分析相結(jié)合，可對大樣本客戶數(shù)據(jù)進(jìn)行高效且相對精確的分類，但目前商業(yè)銀行鮮有綜合運(yùn)用這三種方法對個(gè)人客戶進(jìn)行分類研究。為實(shí)現(xiàn)大樣本高效精確的分類，本文綜合運(yùn)用層次分析、K均值聚類和判別分析方法對基數(shù)龐大的商業(yè)銀行個(gè)人客戶進(jìn)行分類，為商業(yè)銀行個(gè)人客戶分類管理提供依據(jù)。

（三）層次分析結(jié)果與討論

基于上述構(gòu)建的個(gè)人客戶價(jià)值評價(jià)模型，邀請NS銀行零售業(yè)務(wù)部門經(jīng)理、高級經(jīng)理以及金融領(lǐng)域研究專家共6人，讓他們依據(jù)子指標(biāo)對母指標(biāo)重要程度對各層指標(biāo)依次進(jìn)行評分。對所得出的評分取均值來確定各層指標(biāo)的判斷矩陣，選擇和值法，運(yùn)用yaahp7．5統(tǒng)計(jì)軟件得出各層指標(biāo)的權(quán)重（見表1—表9）。

表1 個(gè)人客戶價(jià)值評價(jià)指標(biāo)的判斷矩陣與權(quán)重

表2 當(dāng)前價(jià)值評價(jià)指標(biāo)的判斷矩陣與權(quán)重

表3 潛在價(jià)值評價(jià)指標(biāo)的判斷矩陣與權(quán)重

表4 利潤貢獻(xiàn)評價(jià)指標(biāo)的判斷矩陣與權(quán)重

表5 業(yè)務(wù)量評價(jià)指標(biāo)的判斷矩陣與權(quán)重

表6 成本節(jié)約評價(jià)指標(biāo)的判斷矩陣與權(quán)重

表7 成長性評價(jià)指標(biāo)的判斷矩陣與權(quán)重

表8 忠誠度評價(jià)指標(biāo)的判斷矩陣與權(quán)重

表9 風(fēng)險(xiǎn)度評價(jià)指標(biāo)的判斷矩陣與權(quán)重

由上表1至表9分析結(jié)果可得出，所有評價(jià)指標(biāo)判斷矩陣的一致性比率CR值均遠(yuǎn)遠(yuǎn)小于臨界值0．1，這就表明上述表中判斷矩陣具有較好的一致性，運(yùn)用層次分析方法計(jì)算出的各層評價(jià)指標(biāo)權(quán)重是合理可接受的。由表1可看出，個(gè)人客戶當(dāng)前價(jià)值與潛在價(jià)值的判斷矩陣系數(shù)為3／2。也就是說，對于商業(yè)銀行個(gè)人客戶價(jià)值而言，當(dāng)前價(jià)值較于潛在價(jià)值更為重要。依據(jù)所建立的判斷矩陣，運(yùn)用和值算法得出當(dāng)前價(jià)值權(quán)重為0．6，潛在價(jià)值權(quán)重為0．4。對表2至表9可依次類推，看出同一結(jié)構(gòu)層下指標(biāo)對所直屬上層指標(biāo)的重要程度，得出同一層各指標(biāo)的權(quán)重。運(yùn)用層次分析法確定這些指標(biāo)的權(quán)重，可以算出商業(yè)銀行個(gè)人客戶價(jià)值、當(dāng)前價(jià)值和潛在價(jià)值，結(jié)合聚類分析結(jié)果可實(shí)現(xiàn)大樣本個(gè)人客戶的精確分類。

（四）聚類分析結(jié)果與討論

基于預(yù)處理后的519組銀行個(gè)人客戶樣本，通過對比不同聚類方法的差異，本研究選取K均值聚類法，運(yùn)用SPSS22．0統(tǒng)計(jì)軟件對個(gè)人客戶價(jià)值評價(jià)數(shù)據(jù)進(jìn)行逐步聚類分析，得出6類個(gè)人客戶群的價(jià)值評價(jià)指標(biāo)聚類中心與數(shù)量（見表10）。

表10 個(gè)人客戶聚類分析結(jié)果

由表10可知，個(gè)人客戶群1的利潤貢獻(xiàn)和業(yè)務(wù)量中子評價(jià)指標(biāo)得分比較高，成本節(jié)約、成長性、忠誠度和風(fēng)險(xiǎn)度中子指標(biāo)得分處于中等水平。依次類推，可看出其他5類客戶群的價(jià)值評價(jià)子指標(biāo)特征。從個(gè)人客戶數(shù)量上來看，客戶群3和群5中個(gè)人客戶數(shù)目比較多，客戶群2、群4和群6中個(gè)人客戶數(shù)目一般，客戶群1中個(gè)人客戶數(shù)目較少。K均值聚類分析結(jié)果縮小了運(yùn)用層次分析評價(jià)個(gè)人客戶價(jià)值的范圍，但聚類效果具體如何有待于使用判別分析方法進(jìn)一步驗(yàn)證。

（五）判別分析結(jié)果與討論

為對K均值聚類效果進(jìn)行檢驗(yàn)，本研究采用Fisher判別分析方法，基于K均值聚類分析得出的個(gè)人客戶類別，運(yùn)用SPSS22．0統(tǒng)計(jì)軟件，以519組個(gè)人客戶數(shù)據(jù)作為訓(xùn)練樣本，用客戶群標(biāo)識為組變量，對同時(shí)漸入模型的所有個(gè)人客戶數(shù)據(jù)（全模型法）進(jìn)行判別分析。SPSS軟件自動(dòng)選取有客戶群標(biāo)識的樣本數(shù)據(jù)進(jìn)行判別，獲得到6個(gè)Fisher判別函數(shù)，據(jù)此分別將519組樣本的17個(gè)評分指標(biāo)得分?jǐn)?shù)值代入這6個(gè)判別函數(shù)計(jì)算其函數(shù)值，哪個(gè)函數(shù)值最大就說明個(gè)人客戶歸屬于哪類客戶群，最后得到Fisher判別結(jié)果（見下頁表11）。

表11 個(gè)人客戶Fisher判別分析結(jié)果

由表11可得出，F(xiàn)isher判別分析識別出的個(gè)人客戶群1的數(shù)量是21組，K均值聚類結(jié)果中客戶群1的數(shù)量是22組，兩者結(jié)果一致率為95．5%。以此類推，可判斷出其他5類個(gè)人客戶群的聚類結(jié)果與判別結(jié)果一致情況。整體來看，F(xiàn)isher判別分析結(jié)果檢驗(yàn)出K均值聚類分析結(jié)果的準(zhǔn)確率為95．4%，折半率也超過90%，這說明聚類分析效果所得出的6類個(gè)人客戶群是比較合理的。

（六）個(gè)人客戶分類結(jié)果

結(jié)合聚類分析和層次分析結(jié)果，依次算出6類客戶群價(jià)值、當(dāng)前價(jià)值和潛在價(jià)值（見表12）。

表12 個(gè)人客戶當(dāng)前價(jià)值和潛在價(jià)值

基于表12分析結(jié)果，依據(jù)二八準(zhǔn)則，與NS銀行零售業(yè)務(wù)部門高級經(jīng)理共同協(xié)商，按當(dāng)前價(jià)值以60和50分為分界點(diǎn)，潛在價(jià)值以65分為分界點(diǎn)，將NS銀行519名個(gè)人客戶細(xì)分為6類（見圖2）。同時(shí)，根據(jù)綜合價(jià)值將細(xì)分的6類客戶群中個(gè)人客戶降序排列，以此實(shí)現(xiàn)更為精確的分類。最終將519名個(gè)人客戶分類結(jié)果反饋到NS銀行零售部，得到了他們的認(rèn)可。

三、管理建議與研究展望

本文基于分類結(jié)果（圖2），融合互聯(lián)網(wǎng)金融的思維與創(chuàng)新，提出以下相應(yīng)的分類管理策略：

圖2 個(gè)人客戶分類結(jié)果

一是“低價(jià)值個(gè)人客戶群”當(dāng)前價(jià)值和潛在價(jià)值都低，但數(shù)目最多。這些低價(jià)值個(gè)人客戶群體的金融需求同質(zhì)化程度較高，為此銀行可汲取和融合互聯(lián)網(wǎng)金融服務(wù)渠道所長，通過自助銀行和電子銀行渠道提供標(biāo)準(zhǔn)化、高效率的金融服務(wù)，推出低成本和低門檻的普惠金融產(chǎn)品，不斷拓展業(yè)務(wù)范圍和服務(wù)口徑，滿足商業(yè)銀行這些低價(jià)值客戶的金融需求。這樣，一方面可避免低價(jià)值個(gè)人客戶流失，另一方面可實(shí)現(xiàn)業(yè)務(wù)分流，提升銀行金融服務(wù)效率和降低服務(wù)成本。

二是“次價(jià)值個(gè)人客戶群”當(dāng)前價(jià)值處中等水平、潛在價(jià)值較低。該類客戶群數(shù)量眾多，因而整體上可為銀行帶來較多現(xiàn)金流和利潤收益。為此銀行可借鑒互聯(lián)網(wǎng)金融平臺(tái)化的運(yùn)作模式，打造金融服務(wù)、信息管理、數(shù)據(jù)應(yīng)用等多重服務(wù)綜合化的電商平臺(tái)，通過線上和線下服務(wù)無縫整合，實(shí)現(xiàn)銀行業(yè)務(wù)線上線下的協(xié)同，為這些次價(jià)值個(gè)人客戶群體提供綜合化金融服務(wù)，提高他們價(jià)值潛力，循序漸進(jìn)讓其成為銀行的高價(jià)值客戶。

三是“潛價(jià)值個(gè)人客戶群”當(dāng)前價(jià)值偏低，但潛在成長空間較大。這意味著該類客戶群體現(xiàn)階段難為商業(yè)銀行創(chuàng)造更多收益，但由于可塑性強(qiáng)，未來可能會(huì)成為銀行重要客戶。為此銀行應(yīng)用長遠(yuǎn)眼光對待潛價(jià)值個(gè)人客戶群，給予適時(shí)資源配置，維持和發(fā)展其與銀行交易關(guān)系。銀行可運(yùn)用互聯(lián)網(wǎng)思維，通過移動(dòng)端和線上平臺(tái)建立客戶社區(qū)，向這些客戶群體推送金融服務(wù)和產(chǎn)品信息、優(yōu)惠活動(dòng)等，增強(qiáng)潛價(jià)值個(gè)人客戶對銀行金融服務(wù)的熟知程度，并配備銀行業(yè)務(wù)人員對其進(jìn)行引導(dǎo)和推廣，提升其在銀行辦理個(gè)人業(yè)務(wù)數(shù)量和金額，為銀行創(chuàng)造更多當(dāng)前價(jià)值。

四是“成長型個(gè)人客戶群”當(dāng)前價(jià)值處中等水平、潛在價(jià)值較高。該類客戶群，商業(yè)銀行應(yīng)要重點(diǎn)關(guān)注，配置和投入較多資源來加強(qiáng)其與銀行交易強(qiáng)度，提高當(dāng)前價(jià)值。為此，商業(yè)銀行可學(xué)習(xí)互聯(lián)網(wǎng)金融，創(chuàng)新金融服務(wù)模式，促進(jìn)零售銀行業(yè)務(wù)縱深改革，突破金融交易物理邊界，為成長型個(gè)人客戶提供全天候無間斷的綜合金融服務(wù)，增強(qiáng)交易的頻率、數(shù)量、金額和銀行利潤收益。如加快推出K碼、近場支付等新興支付手段，為客戶提供安全便捷的在線理財(cái)和消費(fèi)等業(yè)務(wù)。

五是“金牛型個(gè)人客戶群”當(dāng)前價(jià)值很高，但潛在價(jià)值較低。對于該類個(gè)人客戶群，銀行一方面持續(xù)其與銀行交易時(shí)間，另一方面充分挖掘其潛在價(jià)值。為此，商業(yè)銀行可吸收互聯(lián)網(wǎng)金融的思維和創(chuàng)新，運(yùn)用云計(jì)算和大數(shù)據(jù)等互聯(lián)網(wǎng)技術(shù)，充分整合利用內(nèi)部信息，加工分析金牛型個(gè)人客戶金融交易過程和結(jié)果的數(shù)據(jù)，深度挖掘和錨定他們未得到滿足的金融需求，并有的放矢地為其提供相符合的金融服務(wù)和產(chǎn)品，培育他們新的增值空間。

六是“高價(jià)值個(gè)人客戶群”當(dāng)前價(jià)值和潛在價(jià)值都高。該類個(gè)人客戶群是銀行零售部門獲取持續(xù)競爭優(yōu)勢和長期利潤的重要源泉。為此，銀行需重點(diǎn)維護(hù)兩者間交易關(guān)系，為銀行持續(xù)創(chuàng)造價(jià)值。渠道是獲得客戶和維護(hù)客戶關(guān)系的重要紐帶，而營業(yè)網(wǎng)點(diǎn)和電子銀行渠道是并存互補(bǔ)的關(guān)系。對此銀行可整合服務(wù)渠道，強(qiáng)化銀行與高價(jià)值個(gè)人客戶的關(guān)系。一方面，借助物理營業(yè)網(wǎng)點(diǎn)的優(yōu)勢，為高價(jià)值個(gè)人客戶提供專業(yè)化和差異化的金融服務(wù)，同時(shí)強(qiáng)化情感交流，提升其對銀行金融服務(wù)的認(rèn)可度和忠誠度；另一方面，通過銀行電商平臺(tái)設(shè)置VIP線上服務(wù)通道，為高價(jià)值個(gè)人客戶提供安全、便捷的綜合化和智能化金融服務(wù)，提高他們對銀行服務(wù)的滿意度。

本文基于理論與實(shí)踐相結(jié)合的視角構(gòu)建了商業(yè)銀行客戶價(jià)值評價(jià)模型，以NS銀行為應(yīng)用案例，綜合運(yùn)用多種數(shù)據(jù)挖掘方法對收集到的個(gè)人客戶樣本進(jìn)行了分類，最終的分類結(jié)果和管理建議得到了NS銀行的認(rèn)可。本文可能存在以下方面的貢獻(xiàn)：第一，擺脫過去研究中從單一方面考察客戶價(jià)值的局限，并對所構(gòu)建的個(gè)人客戶價(jià)值評價(jià)模型進(jìn)行了實(shí)踐運(yùn)用檢驗(yàn)，說明本文構(gòu)建的個(gè)人客戶價(jià)值評價(jià)模型是較為綜合全面且可量化操作的，能夠較好表征商業(yè)銀行個(gè)人客戶的價(jià)值，將不同價(jià)值個(gè)人客戶甄別出來，可為銀行客戶價(jià)值評價(jià)研究提供理論依據(jù)；第二，本文彌補(bǔ)單一分類方法的短板，將層次分析、K均值聚類和判別分析方法相結(jié)合運(yùn)用，對基數(shù)龐大的商業(yè)銀行個(gè)人客戶實(shí)現(xiàn)了高效且精確的分類，識別出相鄰客戶群的邊緣區(qū)域（如成長型客戶群中哪些個(gè)人客戶比較接近高價(jià)值客戶群），有助于優(yōu)化銀行有限資源的合理配置；第三，本文依據(jù)分類結(jié)果，融合互聯(lián)網(wǎng)金融思維，針對不同客戶群體提出的分類管理策略，可為商業(yè)銀行提升個(gè)人客戶服務(wù)效率和降低服務(wù)成本，緩沖互聯(lián)網(wǎng)金融沖擊提供有價(jià)值的參考。

本文的局限和展望如下：第一，本文所構(gòu)建的商業(yè)銀行個(gè)人客戶價(jià)值評價(jià)模型是較為全面且可量化操作的，但隨著商業(yè)銀行數(shù)據(jù)“倉庫”建設(shè)的完善，該評價(jià)模型中尤其潛在價(jià)值中成長性與風(fēng)險(xiǎn)度，能否用更多的客觀指標(biāo)來衡量有待于后續(xù)研究者進(jìn)行補(bǔ)充和完善；第二，本文基于分類結(jié)果，提出相應(yīng)的分類管理策略，可為商業(yè)銀行管理實(shí)踐中如何有效應(yīng)對互聯(lián)網(wǎng)金融沖擊提供思路，但具體細(xì)化的應(yīng)對措施有待于結(jié)合商業(yè)銀行自身特征進(jìn)一步深入探討。

［1］鄭志來．互聯(lián)網(wǎng)金融對我國商業(yè)銀行的影響路徑——基于“互聯(lián)網(wǎng)＋”對零售業(yè)的影響視角［J］．財(cái)經(jīng)科學(xué)，2015，（5）：34－43．

［2］楊東．互聯(lián)網(wǎng)金融的法律規(guī)制——基于信息工具的視角［J］．中國社會(huì)科學(xué)，2015，（4）：107－126．

［3］李繼尊．關(guān)于互聯(lián)網(wǎng)金融的思考［J］．管理世界，2015，（7）：1－7．

［4］FAROKHI S，TEIMOURPOUR B，SHEKARRIZ F，et al．A New Application of Clustering for Segmentation of Banks’e－payment Services Based on Profitability［J］．Uncertain Supply Chain Management，2016，4（1）：55－60．

［5］孫景，李莉，胡宏力．商業(yè)銀行個(gè)人客戶價(jià)值評價(jià)模型研究［J］．金融論壇，2013，（1）：29－35．

［6］HAN H W，ZHANG J L．Application of AHP and Cluste?ring，Discriminant Analysis in Categorization of Cigarette Retailers［J］．Acta Tabacaria Sinica，2014，20（6）：119－126．

［7］楊彬，尹為．商業(yè)銀行個(gè)人客戶貢獻(xiàn)度評價(jià)及實(shí)證分析［J］．學(xué)術(shù)論壇，2010，（9）：135－138．

［8］閆會(huì)娟，張醒洲，劉子瑞，等．基于交易行為的個(gè)人客戶忠誠度評價(jià)模型［J］．管理現(xiàn)代化，2015，（6）：70－72．

［9］王文賢，金陽，陳道斌．基于RFM模型的個(gè)人客戶忠誠度研究［J］．金融論壇，2012，（3）：75－80．

［10］石冠峰，韓宏穩(wěn)，肖靜．基于層次分析與聚類方法的商業(yè)企業(yè)零售戶分類研究［J］．商業(yè)研究，2014，（9）：152－157．

［11］趙萌，齊佳音．基于購買行為RFM及評論行為RFMP模型的客戶終身價(jià)值研究［J］．統(tǒng)計(jì)與信息論壇，2014，（9）：91－98．

Research on Individual Customer Classification Management of Commercial Banks under the Impact Effect of the Internet Finance

HAN Hong?wen
（School of Business，Sun Yat?Sen University，Guangzhou 510275，China）

To effectively deal with the impact effect of the Internet finance，individual customer classifi?cation management is an important way to improve the efficiency of financial services and reduce the cost of service for commercial banks，and the basis for individual customer classification managementis to classify the huge number of individual customers based on a customer value evaluation model．Combined with the existing theoretical researches，the value evaluation modelof individualcustomers of commercial banks was established through field research．Taking NS bank as the specific study case，based on the evaluation index system，this paper employs data mining techniques to classify individual customers sample collection．The results indicate that the evaluation index system constructed for commercialbanks can better characterize the value of individu?al customers，and the comprehensive methods of hierarchical analysis，K－means clustering analysis and dis?criminant analysis could be used to accurately classify the large－scale individual customer samples．In addi?tion，based on the classification results，the corresponding differentiated classification management strategies，which were proposed according to each type of customer base with different characteristics，can provide a ref?erence for commercial banks to achieve individual customer relationship management．

Internet finance；commercial bank；customer value evaluation；data mining；individual cus?tomer classification management

F830．49

A

1009－1971（2017）03－0123－08

［責(zé)任編輯：王 春］

2017－01－17

國家自然科學(xué)基金面上項(xiàng)目（71672204）；廣西哲學(xué)社會(huì)科學(xué)重點(diǎn)項(xiàng)目（15AGL001）

韓宏穩(wěn)（1990—），男，安徽合肥人，博士研究生，從事公司金融研究。