趙倩

【摘要】隨著信息技術(shù)飛速發(fā)展，大數(shù)據(jù)和云技術(shù)興起，數(shù)據(jù)存儲(chǔ)成本下降，商業(yè)環(huán)境中的數(shù)據(jù)量呈現(xiàn)爆炸性增長(zhǎng)。在大數(shù)據(jù)價(jià)值掘金的時(shí)代，商業(yè)銀行擁有多少數(shù)據(jù)量已經(jīng)不是重點(diǎn)，能夠有效地利用數(shù)據(jù)進(jìn)而挖掘出具有業(yè)務(wù)價(jià)值的信息才是關(guān)鍵。本文從商業(yè)銀行大數(shù)據(jù)挖掘應(yīng)用實(shí)踐出發(fā)，構(gòu)建客戶智能數(shù)據(jù)挖掘應(yīng)用體系。

【關(guān)鍵詞】數(shù)據(jù)挖掘 商業(yè)銀行 應(yīng)用體系

金融脫媒和利率市場(chǎng)化促使商業(yè)銀行改變經(jīng)營(yíng)策略，使?fàn)I銷哲學(xué)從“產(chǎn)品中心”向“客戶中心”轉(zhuǎn)變。同時(shí)，商業(yè)銀行數(shù)據(jù)倉(cāng)庫(kù)經(jīng)過(guò)長(zhǎng)期積累擁有了大量的客戶特征與行為數(shù)據(jù)，為運(yùn)用數(shù)據(jù)挖掘技術(shù)進(jìn)而實(shí)現(xiàn)“客戶中心”經(jīng)營(yíng)和客戶智能應(yīng)用創(chuàng)造了條件。

一、客戶智能數(shù)據(jù)挖掘應(yīng)用體系

客戶智能是指通過(guò)數(shù)據(jù)挖掘建模技術(shù)，進(jìn)行客戶細(xì)分、識(shí)別潛在流失客戶、判斷客戶提升可能性，并抓住一切機(jī)會(huì)對(duì)客戶進(jìn)行交叉銷售。商業(yè)銀行客戶智能應(yīng)用體系包括以下模塊：客戶全景畫像、客戶價(jià)值評(píng)價(jià)、客戶科學(xué)細(xì)分、客戶業(yè)務(wù)提升、客戶流失預(yù)測(cè)、客戶產(chǎn)品響應(yīng)、客戶關(guān)系網(wǎng)絡(luò)、客戶行為軌跡。

1.客戶全景畫像

客戶全景畫像本質(zhì)上是一個(gè)關(guān)于客戶屬性、特征、標(biāo)簽的寬表，是數(shù)據(jù)挖掘建模的基礎(chǔ)?？蛻羧爱嬒褚话惆韵聝?nèi)容：人口統(tǒng)計(jì)特征，資產(chǎn)相關(guān)特征，負(fù)債相關(guān)特征，結(jié)算相關(guān)特征，社交特征，行為軌跡特征，消費(fèi)偏好特征。

2.客戶價(jià)值評(píng)價(jià)

管理學(xué)定律表明，20%的客戶創(chuàng)造了80%的利潤(rùn)。銀行需要建立一套客戶綜合價(jià)值評(píng)價(jià)體系，有效識(shí)別高價(jià)值客戶?？蛻艟C合價(jià)值評(píng)價(jià)體系包括（但不限于）以下維度：經(jīng)濟(jì)價(jià)值、成長(zhǎng)價(jià)值、潛力價(jià)值、風(fēng)險(xiǎn)價(jià)值、忠誠(chéng)價(jià)值、網(wǎng)絡(luò)價(jià)值、活躍價(jià)值、創(chuàng)新價(jià)值、穩(wěn)定價(jià)值，具體的測(cè)量指標(biāo)項(xiàng)。

3.客戶科學(xué)細(xì)分

客戶科學(xué)細(xì)分屬于一種探索性建模過(guò)程，主要采用數(shù)據(jù)挖掘聚類算法，選擇銀行業(yè)務(wù)所關(guān)心的特征和變量，將客戶劃分為幾種類型，從而勾勒出不同客戶群體的特征，為后續(xù)針對(duì)不同客群開發(fā)與之匹配的產(chǎn)品服務(wù)和營(yíng)銷策略指明方向。

4.客戶業(yè)務(wù)提升

客戶業(yè)務(wù)提升主要是指對(duì)銀行客戶金融資產(chǎn)的提升，通常采用數(shù)據(jù)挖掘分類技術(shù)，旨在分析一定時(shí)間段內(nèi)，具備什么樣特征的客戶其金融資產(chǎn)提升的概率較高。識(shí)別出高提升概率的客戶后，銀行一般會(huì)進(jìn)一步使用數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則模型，對(duì)不同類型的客戶配置不同的產(chǎn)品，從而有效引導(dǎo)客戶業(yè)務(wù)提升。

5.客戶流失預(yù)測(cè)

商業(yè)銀行對(duì)于客戶流失預(yù)測(cè)主要關(guān)注三類客戶群體：無(wú)貸戶、有貸戶、結(jié)算戶。不同客戶群體的流失定義存有顯著差異。客戶流失預(yù)測(cè)采用生存分析的技術(shù)，重點(diǎn)關(guān)注在未來(lái)某時(shí)點(diǎn)的客戶流失情況，針對(duì)存在流失傾向的客戶，將名單交由客戶經(jīng)理進(jìn)行回訪，了解客戶流失原因，例如貸款流失可能是因?yàn)槔瘦^高、貸款額度較低、服務(wù)質(zhì)量較差、經(jīng)營(yíng)地址發(fā)生變動(dòng)、暫時(shí)沒(méi)有資金需求等。另外，針對(duì)存在資金流失傾向的客戶，客戶經(jīng)理可向客戶推送一些高收益的中收或理財(cái)產(chǎn)品，或通過(guò)回訪了解客戶需求，設(shè)計(jì)有針對(duì)性的產(chǎn)品，實(shí)現(xiàn)客戶挽留。

6.客戶產(chǎn)品響應(yīng)

客戶產(chǎn)品響應(yīng)通常使用分類技術(shù)中的邏輯回歸或決策樹模型，計(jì)算出客戶對(duì)某種產(chǎn)品的響應(yīng)概率。例如，當(dāng)銀行計(jì)劃推廣一些能夠獲取中收利潤(rùn)的產(chǎn)品時(shí)（如基金、保險(xiǎn)、結(jié)售匯等），這時(shí)需要通過(guò)模型尋找可能對(duì)相關(guān)產(chǎn)品感興趣的客戶，生成相應(yīng)的客戶營(yíng)銷名單，然后通過(guò)電話營(yíng)銷等方式，激活潛在客戶需求，達(dá)成真實(shí)的購(gòu)買和交易行為。

7.客戶關(guān)系網(wǎng)絡(luò)

實(shí)際上，每名客戶都處于不同的社會(huì)關(guān)系網(wǎng)絡(luò)中，都或多或少與他人發(fā)生聯(lián)系。以往社交網(wǎng)絡(luò)研究表明，客戶在網(wǎng)絡(luò)中所處的位置、網(wǎng)絡(luò)自身的一些特征（網(wǎng)絡(luò)大小、網(wǎng)絡(luò)密度）等會(huì)影響新產(chǎn)品的擴(kuò)散和客戶的流失等。商業(yè)銀行客戶關(guān)系網(wǎng)絡(luò)包含以下幾種類型：客戶交易網(wǎng)絡(luò)、擔(dān)保網(wǎng)絡(luò)、股東網(wǎng)絡(luò)、同事和朋友網(wǎng)絡(luò)、家庭網(wǎng)絡(luò)等。

8.客戶行為軌跡

客戶行為軌跡來(lái)源于兩類地址：靜態(tài)地址和動(dòng)態(tài)地址。前者指客戶在辦理各種業(yè)務(wù)時(shí)填錄的家庭地址、公司地址和賬單地址等;后者是客戶刷卡、取現(xiàn)、消費(fèi)時(shí)遺留下的位置信息和行動(dòng)軌跡?？蛻艉豌y行的每一次接觸都會(huì)留下行為痕跡。

二、客戶智能數(shù)據(jù)挖掘應(yīng)用實(shí)踐

1.客戶關(guān)系網(wǎng)絡(luò)應(yīng)用與價(jià)值

客戶關(guān)系網(wǎng)絡(luò)以圖挖掘技術(shù)為傳統(tǒng)數(shù)據(jù)建模帶來(lái)新的解讀視角，相關(guān)應(yīng)用和價(jià)值介紹如下：一是識(shí)別核心客戶，基于網(wǎng)絡(luò)核心客戶特征（如點(diǎn)度中心度、接近中心度和居間中心度）來(lái)識(shí)別網(wǎng)絡(luò)中的意見領(lǐng)袖，并通過(guò)其進(jìn)行業(yè)務(wù)拓展，效果往往是基于隨機(jī)客戶的數(shù)倍甚至數(shù)十倍;二是判斷風(fēng)險(xiǎn)傳染，基于客戶間強(qiáng)關(guān)系（如交易關(guān)系、擔(dān)保關(guān)系）構(gòu)建關(guān)系網(wǎng)絡(luò)圖譜，當(dāng)發(fā)現(xiàn)一個(gè)圈子中存在違約或不良客戶時(shí)，根據(jù)圈子內(nèi)群體行為相似性，銀行有理由相信風(fēng)險(xiǎn)會(huì)在圈子內(nèi)蔓延;三是識(shí)別交叉擔(dān)保風(fēng)險(xiǎn)，商業(yè)銀行可基于擔(dān)保關(guān)系勾勒出客戶間的交叉擔(dān)保情況，并在擔(dān)保網(wǎng)絡(luò)中快速發(fā)現(xiàn)客戶存在過(guò)度擔(dān)保的情況，從而提前防范風(fēng)險(xiǎn);四是客戶間產(chǎn)品推薦，產(chǎn)品推薦的一個(gè)重要原則是考慮用戶間的相似性，比如他們是否同屬一個(gè)關(guān)系圈（即物以類聚、人以群分），銀行基于客戶關(guān)系圈將客戶劃分為不同群體，然后將各群體中持有占比較高的產(chǎn)品推向該群體內(nèi)還未持有相關(guān)產(chǎn)品的客戶，以實(shí)現(xiàn)精準(zhǔn)產(chǎn)品推薦。

2.基于地址的客戶行為軌跡應(yīng)用

通過(guò)收集整理客戶地址，銀行能夠勾勒出客戶的行為軌跡，圍繞軌跡數(shù)據(jù)的相關(guān)客戶智能應(yīng)用包括以下方面：一是勾勒客戶地理分布熱力圖譜，銀行基于客戶地址信息可描繪出客戶的生活圈、工作圈和消費(fèi)圈等熱力圖譜，從宏觀全局了解客戶在某個(gè)城市的地理分布;二是判斷客戶的潛力和價(jià)值，例如基于客戶家庭地址可以判斷客戶住宅的高檔性，基于客戶消費(fèi)地址可以判斷客戶消費(fèi)出入場(chǎng)所的高檔性;三是聯(lián)合商家進(jìn)行營(yíng)銷，比如聯(lián)合星巴克營(yíng)銷——銀行基于客戶地址信息（辦公地址、家庭地址和消費(fèi)地址）整理出距離該星巴克一定范圍內(nèi)的銀行客戶，并聯(lián)合星巴克促銷，如推送星巴克折扣券等，并收取一定的中介服務(wù)費(fèi)，從而實(shí)現(xiàn)銀企客三方共贏。

參考文獻(xiàn)：

[1]尤炳安.基于客戶行為分析的客戶細(xì)分模型[J].通信企業(yè)管理，2015.

[2]朱艷麗.基于消費(fèi)行為的客戶細(xì)分模型應(yīng)用研究[J].四川師范大學(xué)，2017.