商業銀行理財業務中的客戶細分方法研究

摘 要：2007年，國家加快推進銀行業的混業經營進程，利率、匯率以及債券市場改革也將加快，上市銀行將面臨多種發展機遇。隨著商業銀行向資產管理、投資銀行、保險等業務領域的滲透，資產證券化、基金管理、人民幣理財、債券投資等創新產品將會加速推出，理財業務已經成為各銀行競爭的焦點，而細分客戶對于理財業務有著重要的決定作用，文章從主成分析和系統聚類兩方面來研究客戶細分的方法。

關鍵詞：客戶細分；主成分分析；聚類分析

1 理財業務發展的現狀及問題

我國四大國有商業銀行經過股改上市之后都已開始逐步走向綜合經營的模式，各商業銀行都將新的利潤增長點放到了中間業務上，而其中的個人理財業務自2003年開始以來也有了很大的發展。例如，國內各商業銀行紛紛設立“個人理財中心”，招商銀行的“金葵花”、工商銀行的“理財金賬戶”、建設銀行的“樂當家”、農業銀行的“金鑰匙”、光大銀行的“陽光理財B計劃”、民生銀行的“非凡理財”等產品相繼面世，市場上已有20多個品牌、幾百種理財產品；2006年年初，憑借股市和金市的高溫，各商業銀行推出了一批與股指、黃金價格掛鉤的外匯理財產品；并且，我國境內的外資銀行也將其在國外的理財業務移植到我國市場，積極開展外匯理財業務。然而，熱情的投入并不見得能得到所期望的效果——個人理財業務發展并不理想。出現了如下的主要問題:

將理財作為競爭手段。2005年前期，商業銀行推行理財業務目的并不完全是為了增加中間業務收入，而在于爭奪存款、提高市場份額。一些銀行采取盲目承諾高保本收益率，甚至采取搭售儲蓄存款的方式銷售理財產品，將個人理財產品演變為變相高息攬儲的工具。不少股份制商業銀行甚至在虧損讓利的條件下推出理財產品，以理財產品為競爭手段吸引中高端客戶、爭奪零售客戶資源。

分業經營模式大大制約可理財業務的發展，使得理財業務只能停留在表面。目前的理財業務主要還停留在咨詢、建議或者方案設計上，不能為客戶提供增值服務，具體操作僅是儲蓄功能的擴展，將存貸款產品進行簡單結合，或者只提供較初級的咨詢服務，并不涉及房地產、債券、股票、基金等投資品種，投資咨詢只是傳統儲蓄業務介紹，而所謂的網上銀行其實是將傳統銀行業務照搬到互聯網上，而在線投資品種仍然缺乏。而發達國家的商業銀行在混業經營趨勢下理財業務可涉足證券、保險、資產投資管理等業務，形成多個利潤增長點。

客戶細分不夠，造成理財產品有同質化趨向。如：中國銀行的個人客戶，現在僅僅是根據其綜合金融資產余額來進行劃分，如 50 萬人民幣為總行級客戶，20 萬人民幣為省行級客戶，20萬以下為一般客戶，劃分為粗線條式，沒有對相當級別的高端客戶進行區分和一對一貼身服務，也沒有對客戶的職業、年齡、性格、金融產品需求等擁有詳盡的資料并進行劃分。業務范圍更多的是把現有的業務進行一個重新的整合，普遍缺乏更為細致的客戶分層，也就無法為客戶提供切合需求的個性化服務，財務策劃在技術、人才支持上都無法滿足現實需求，投資產品在廣度和深度上均不能完全滿足客戶的理財需求。

2 研究方法

本文所使用的方法特殊之處在于先用主成分分析方法對理財客戶眾多的個性特征變量進行主成分分析，原因在于理財客戶個性特征變量眾多，一方面為了避免遺漏重要的信息，研究時盡量選取多的變量，而另一方面隨著考慮變量的增多增加了問題的復雜性，同時由于各變量是對同一事物的反映，不可變面的造成信大量重疊，既存在相關性，而主成分分析正是通過原來變量的少數幾個線性組合來解釋原來變量絕大多數信息的一種良好的方法。

此后，用所得到的主成分對所有客戶進行系統聚類分析，從而將客戶細分，再利用spss軟件的描述統計分析和頻率分析對客戶的個性特征、理財產品與服務需求、客戶滿意度和客戶忠誠度進行差異性分析。

3 應用分析的具體步驟

3.1 變量選取和數據預處理

（1）為了使客戶分割成為可行的策略，通常需要滿足一定的準則，它們一般包括可識別性、實質性、可接近性、穩定性、響應性和可行動性等。

（2）利用定性階梯法進行深度訪談，篩選出重要的理財業務、客戶滿意、客戶忠誠以及客戶個性特征的情況，并了解受訪者表達這些項目時所用的語言。

（3）效度，衡量工具是否真正能夠測出所想測量事物的程度（黃俊英，1996）。經由定性的訪談結果，發展成量性問卷，利用量表形態進行大量樣本的問卷測試。問卷在被使用之前都詢問過業內一些專家的意見并進行了修改，力求符合效度。

3.2 主成分分析

(1)數據的預處理

假設某家銀行有n個理財客戶的交易記錄，并將他們經過數據處理成了n個樣本數據，用xi來代表每一條客戶數據樣本（i=1，2，3……，n），描述這家銀行的理財客戶個性特征的變量有m個，用xj來代表第j個變量

由于原始記錄的各變量的數量級和量綱不同，造成數值差別懸殊，為使各種評價指標具有可比性，對原始數據進行標準化處理：

(3)進行主成分分析就為了減少變量個數，所以在選取出主成分時個數一定是少于m個的，通常以所取得個數使得累計貢獻率達到85%以上為宜，即：

在這其中 成分中所有指標對該主成分的依賴作用，這個值越大則說明我們的主成分分析越成功。

(4)將所有客戶的數據調出，計算他們在我們所選出的個主成分上的得分。在計算過程中當然是用標準化了的數據，把他們帶入：

3.3 聚類分析

用我們所得到的主成分(Y1，Y2，……，Yk)作為理財客戶的個性特征維度，用客戶在這些主成分上的得分作為聚類變量，進行系統聚類分析。

它的原理是在預先不知道目標數據庫到底有多少類的情況下，希望將所有的樣本組成不同的類或者說“聚類”，并且使得在這種分類情況下，以某種度量為標準的相異度，在同一聚類之間最小化，而在不同聚類之間最大化。

其具體的步驟如下：

(1)規定樣本之間的距離和類與類之間的距離dij，則由歐氏距離公式計算dij和類平均法計算DKL，即

式（1）中的i和j是樣本序號，k是主成分的序號。而（2）中的nk和nl分別是類GK和GL的樣本個數。類平均法較好地利用了所有樣本之間的信息，在很多情況下它被認為是一種比較好的系統聚類方法。

(2)在計算類與類之間的距離D：開始時，每個客戶的樣本都各成一類，組成n類：G1，G2，……Gn。故在開始時 ，類與類之間的距離與樣本之間的距離相同，即

(3)進行系統聚類，將D中最小元素對應的類合并，然后按照公式（2）重新計算新類與相鄰類的距離。如果全部的類都已成一類，則過程終止，否則回到步驟3。

(4)根據需要確定閾值，將各調查客戶（即各樣本）劃分為s個類。

所有客戶綜合得分的平均值。

根據每個客戶類別的綜合得分情況我們可以對這些類別客戶進行等級劃分，并且有新客戶加入時根據其客戶的綜合得分就知道將該客戶歸入哪一類別，從而實現對客戶的科學分類。

4 結論與建議

本文所采取的方法避免了傳統的用人口特征對客戶進行細分的盲目性，也避免了在選擇特征變量時的人為性和相關性。從而大大提高了客戶細分的科學性。客戶細分后根據每類客戶的個性特征變量的取值總結他們的特點，商業銀行就可對不同的客戶實行差異化營銷戰略，即為不同的理財客戶提供差異化的產品。

參考文獻

［1］杜寬旗，蒙肖蓮，蔡淑琴，楊毓.一種商業銀行客戶分割的多維方法—基于客戶期望收益和態度的分割模型［J］.商業研究. 2006，(3).

［2］李江，魏敏.基于理財客戶個性特征的市場細分與差異性分析［J］.廣西金融研究. 2006，(10).

［3］王建民，王傳旭.基于主成分—聚類分析方法的客戶分類研究［J］.淮南師范學院學報.2006，(3).

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。”