信用卡客戶細分實證研究

[摘 要] 近年來，國內信用卡業務發展正從過去以“量的擴張”為主轉變到以“質的提高”為主的階段。在這一轉折時期，各商業銀行越來越重視數據挖掘技術在客戶細分管理中的應用，開始積極探索客群細分基礎上的差異化客戶管理。本文根據某銀行信用卡客戶數據，基于RFM模型和決策樹模型進行客戶細分實證研究，并提出相應的客戶管理策略建議。

[關鍵詞] 信用卡；RFM模型；決策樹；客戶細分

[中圖分類號] F832.2 [文獻標識碼] A [文章編號] 1673 - 0194（2013）17-0034-02

1 客戶細分方法

目前國內傳統的客戶細分方法一般都是根據專家經驗或客戶簡單人口統計特征進行的，其基本假設是“相似的人口統計與生命周期特征，將有相似的購買或消費行為”，但這樣的細分不能動態、全面、客觀地對客戶進行識別、選擇與評價。隨著信用卡細分理論的發展，又相繼出現了行為細分、價值細分和心理細分等細分方法?？偟膩碚f，國內信用卡客戶細分方法的研究在理論和實踐方面雖然取得了一定成效，但考慮到數據資料的獲取難度、質量保證等問題，上述細分模型在實際應用中往往存在一定的困難。

本文利用上海市某銀行的內部信用卡數據，采用基于K-means聚類和決策樹分析方法的兩階段模式，對該行信用卡客戶數據進行細分分析。

2 細分分析

2.1 數據準備

本次采集數據樣本記錄79.6萬條，其靜態特征數據說明見表1。分析窗口的長度定義為6個月，考慮到窗口末端流失客戶、睡眠客戶及風險暴露客戶影響，需要將該類客戶進行排除。經過排除后的細分樣本記錄14.8萬條，并對其進行數據清理、數據集成及數據變換①，最終按照5%的比例隨機抽樣，得到分析樣本記錄7 381條。

2.2 信用卡客戶VRFM決策樹模型

VRFM模型是在傳統RFM模型的基礎上，引入客戶歷史價值貢獻指標V，用來表現客戶當前的收益貢獻度，考慮到指標共線性的影響，本文用評分5等分法，對傳統R、F、M指標進行了適當調整②。本文使用SAS工具的K-Means快速聚類過程實現客戶細分，最終得到16類，并在此基礎上根據客戶VRFM取值變動情況，將客戶定義為高價值、中價值、低價值3種類型（見表2）。

2.3 VRFM細分結果分析

2.3.1 高價值客群

HHHH、HHHL、HHLH類③客戶可被認為是忠誠度與利潤貢獻高且消費頻繁或消費金額較高的客戶。無論從客戶行為還是客戶價值角度，都可認為是銀行最佳的客戶，可視為銀行重要的保持客戶，建議每月跟蹤維護。

2.3.2 中高價值客群

HLHH、HLLH、HHLL類客戶利潤貢獻高，但持續盈利能力有待加強。從客戶行為看，HLHH類客戶盡管消費頻率與消費金額高，但其近期消費疲軟，甚至睡眠；HLLH類客戶盡管消費金額高，但其消費頻率較低且最近一段時間沉入睡眠；HHLL類客戶雖然最近沒有沉入睡眠，但其消費頻率與消費金額均相對較低。因此建議銀行通過適當增加與該類客戶的主動接觸，提升該客戶的消費水平，從而為銀行帶來更多的利潤。

2.3.3 低價值客群

LHHH、LLHH、LLLH、LHLL、LLHL、LLLL類客戶利潤貢獻低。從客戶行為看，LHHH、LLHH類客戶盡管消費金額較大，但其充分占用免息期，銀行資金成本高；LLLH類客戶偏好單筆大額消費，這類客戶消費頻次較低，建議銀行主動向大額消費需求型客戶推介信用卡分期產品，從而提高盈利水平；LHLL、LLHL、LLLL類客戶消費金額較低，且消費不活躍，是極易流失客群，銀行可以對客戶關系較短的客戶采取加強客戶保留的措施。

2.4 決策樹分析

利用決策樹技術分析具有何種指標特性的客戶會被分在相同的群內。探索不同客群的內在特征，幫助銀行中高層解讀價值客群具象，從而有助于制定差異化的客戶管理決策。利用決策樹進行特征提取，例如節點“4”——期間有取現交易行為，且期間毛利貢獻為負的客戶屬于低價值客群；而節點“8”——期間有取現交易行為，期間毛利貢獻大于零且VRFM模型評分大于19的客戶屬于高價值客群。

針對不同的客戶采取不同的客戶管理策略，銀行將兼顧客戶關系維護與獲取利潤方面的平衡。從細分結果看，高價值、中價值、低價值客群的跨時間客戶價值貢獻也呈現出由高到低的趨勢，可見本次細分對價值客戶的識別是良好的，同時也在跨時間客戶價值貢獻中得到了驗證（見表3）。

高價值客戶利潤貢獻高，但風險相對較低，因此建議采取有效措施優先服務并積極關注該類客戶，將會穩定地保持收益，并可為銀行帶來良好的綜合口碑效應；中價值客戶用卡相對積極，但其持續盈利能力不強，建議銀行采取有效措施，引導客戶使用循環、分期，提高該類客戶的利息收入或服務費用收入，推動該類客戶保持穩定收益，逐步向“高價值”客群遷移；低價值客戶收入普遍不能覆蓋占用銀行的資金成本，其要么習慣充分使用免息期，要么銷售疲軟。該類客戶出現“睡眠”或“流失”的概率高，建議銀行在客戶成長階段通過多種渠道維系客戶關系，努力培育客戶用卡習慣。

3 結束語

本文的最終細分結果顯示，高價值、中價值、低價值客群的特征差異明顯，符合業務上定性分析的結果，為接下來的策略分析提供了可靠的依據。然而細分模型中對客戶價值的判斷只是基于歷史價值，缺乏對客戶未來價值的預測，所以需要不斷更新模型使之更適合于業務發展的實際應用。

主要參考文獻

[1]王靜，王延清. 基于信用行為的信用卡客戶細分策略[J].中國信用卡，2004（10）：27-29.

[2]任紅美. 基于客戶終身價值和客戶行為的信用卡客戶細分研究[D].濟南：山東大學，2007.

[3]夏維力，王青松. 基于客戶價值的客戶細分及保持策略研究[J].管理科學，2006（4）：35-38.

[4]陳建. 信用評分模型技術與應用[M].北京：中國財政經濟出版社，2005.