基于客戶特征分群的銀行客戶流失分析

蘭 軍，嚴廣樂

（上海理工大學管理學院，上海 200093）

基于客戶特征分群的銀行客戶流失分析

蘭 軍，嚴廣樂

（上海理工大學管理學院，上海 200093）

銀行客戶流失分析是銀行精細化經營的重要組成部分，對銀行客戶流失進行系統性的分析是一項涉及領域廣泛的復雜工作。文章基于對商業銀行大量實際經營數據的細致梳理和整理研究，通過對銀行傳統客戶細分模式與基于客戶特征分群細分模式的比較分析，提出了基于客戶綜合特征進行客戶分群的新研究方法。在客戶價值分群模式下，對銀行客群基于價值分群模式細分為七個客群，并以此為基礎，，運用客戶流失分析方法，在實際的銀行客戶數據集上進行實驗，通過對價值分群細分客戶進行流失觀察，全面了解和掌握銀行實際經營中不同價值客群流失的客戶流失動因、程度和去向等具體行為特征。文章的分析研究在實際運用中取得了較好的預期效果，為系統性分析商業銀行客戶行為提供了新的思路和手段，為各級管理人員基于客戶流失分析的結果，采取針對性處理措施進行干預提供了基礎性的支持和建議。

金融經濟；金融服務；銀行客戶；客戶分群

一、引言

隨著技術的不斷進步和市場的不斷成熟，銀行產品和服務的差異越來越小，以生產為中心，以銷售產品為目的的管理理念逐漸被以客戶為中心、以服務為目的的新思維所取代。銀行通過準確掌握客戶的行為趨勢，有效發掘和管理客戶資源，就能獲得市場競爭優勢，在激烈的市場競爭中立于不敗之地。在銀行經營中，獲取新客戶付出的成本收益率遠比維系優質老客戶的成本效益率低。銀行客戶流失特別是優質客戶的流失，一直是銀行在發展中面臨的重大挑戰。優質客戶的流失及聯帶效應減少了銀行在優質客戶市場的份額，造成了銀行收益的損失。因此，進行銀行客戶流失分析，積極主動地進行有針對性的維系挽留工作，正成為各家銀行的重點需求。

目前國內外研究文獻中，對銀行客戶流失的研究主要集中在流失預警模型和算法的研究上，而針對銀行細分客戶的不同特點，按照客戶綜合特征分群進行流失行為的綜合研究方面尚沒有十分有效的方法[1]。多數的研究方法直接基于客戶特征的原始變量進行聚類分析，導致部分結果穩定性和普適性不強。文章以銀行客戶特征分群作為基礎，提出基于價值客戶分群模式下客戶流失分析方法。基于客戶特征的客戶細分方法以客戶“特征”來代替傳統群體細分中的原始變量，客戶的“特征”包含了一個或多個相關的原始變量的綜合描述，能相對準確地反映客戶消費行為的一般特點。分群結果穩定性和可跟蹤性較好，同時可以根據特定條件任意整合分群，不用重復數據準備過程，業務上的可操作性更強，該方法可以幫助銀行決策者建立系統化的基于客群特征進行流失管理的設計，避免客戶流失管理只依賴人工經驗和定性分析的問題。

二、基于銀行客戶特征的客戶分群模式

建立科學完善的客戶群體細分是對銀行客戶行為進行細致洞察的重要基礎，傳統客戶細分方法，主要是利用客戶的背景、產品持有、行為等相關原始變量作為直接的細分依據。對各種不同的原始變量直接進行聚類，可以獲得客戶群體細分的直接結果，但這種直接結果需要靠數據分析人員的個人經驗強行進行解釋，因此結果的解釋性與解釋者經驗相關，并且由于是直接使用原始變量進行細分，導致細分結果可能不穩定。如果想根據特定條件調整和拆分分群，需要從原始變量的重組返工，幾乎相當于重新建設，維護成本較大[1]。

建立基于銀行客戶不同群體特征進行客戶分群方法是進行客戶流失分析和管理的重要基礎。基于客戶特征的客戶分群與傳統的直接使用原始變量進行客戶細分不同，基于客戶特征的分群方式通過原始變量的不同組合及判定，綜合考察客戶在價值、風險、背景、行為等方面的差異，建立可以在一定范圍內操作和評估的群體細分模型，以此為基礎建立能夠描述消費某種業務產品或服務的客戶所應具有的綜合“特征”模型。通過對這些“特征”進行量化的判斷，從統計學的角度上得到具有這些“特征”的客戶消費某種業務產品或服務的概率，然后根據概率的高低來決定對哪些客戶推薦哪些產品或者方案[2]。

基于客戶特征的客戶細分能夠為管理部門提供關鍵客戶群體列表和相關評估指標，以便進一步采取針對性措施，合理分配市場和服務資源，并且能夠通過提高細分群體的關鍵運作指標來提升客戶總體的關鍵運作指標。

圖1 基于銀行客戶特征的客戶分群模式的一般流程

基于客戶特征的客戶細分方法的優勢在于，它以客戶“特征”來代替傳統群體細分中的原始變量，更加符合業務理解，因為客戶的“特征”本身就是包含了一個或多個相關的原始變量的綜合描述，可以相對更準確地反映客戶消費行為的一般特點。基于“特征”分群結果穩定性、可跟蹤性較好，可以根據特定條件任意整合分群，不用重復數據準備過程，因此在業務上的可操作性更強[3]。基于銀行客戶特征的客戶分群模式的一般流程如圖1所示。

基于客戶特征的分群方法從宏觀入手，逐步向微觀細化分類，實現框架式細分，按照框架式客戶群體細分的原理，客戶群體細分框架共包含如下8個宏觀分群：背景分群、價值分群、發展趨勢分群、產品持有分群、生命期分群、行為分群、事件分群、風險分群。在宏觀分群的基礎上，逐漸擴展，形成相應的中觀分群和微觀分群，從而構建完整的客戶群體細分框架。微觀分群即對應于客戶標簽，用以對特定主題的目標客戶群體進行描述。為保證分群模型結果的實用性，除可用性評估外，還需對分群模型穩定性進行評估[4]。群體細分模型的穩定性檢驗主要對各分群人群占比變動的情況進行考察，以業界公認的指標PSI（人群穩定性系數）進行判別。PSI計算方法與判定規則如式(1)所示[5]：

以下是運用基于客戶特征分群方法對某商業銀行客戶群體細分的結果，分群框架包含7個宏觀分群，18個中觀分群，25個微觀分群（即標簽）。并以2009年3月為基準月，2009年10月為報告月，考察兩個快照時點生成的標簽，計算PSI，經過檢驗，在推移了4個月的時間窗后，基于客戶特征的分群模型較為穩定，具有較高的可用性。表1顯示了基于客戶特征分群方法的客戶群體細分結果。

表1 銀行客戶群體細分結果

三、客戶價值分群模式下客戶流失分析

客戶流失分析是一項涉及領域廣泛的復雜工作。基于客戶綜合特征分群方法為客戶的流失分析奠定了堅實的客戶基礎[6]。客戶流失分析總體包括客戶流失動因分析、客戶流失程度分析、客戶流失去向分析三個主體內容，在客戶價值分群模式下，對基于價值分群模式細分的七個客群，運用客戶流失分析方法，能夠全面了解和掌握銀行不同價值客戶的流失行為特征。流失分析主要從以下三方面進行，以全面了解客戶流失動因、程度和去向，以便管理人員采取針對性處理措施進行干預[7]。

客戶流失動因分析主要確定客戶是主動流失還是被動流失[8]。主動流失是客戶主動銷戶或者改變當前的服務模式而帶來總資產持續下降，被動流失是客戶因為拖欠或欺詐行為被銀行方停止服務及強行關閉帳戶等行為。針對客戶主動流失，需要在客戶出現流失征兆之前，針對客戶流失原因，采取針對性性有效措施進行提前干預，減少客戶實際流失。

圖2 銀行價值分群模式下客戶流失滾動率分析

流失程度分析重點分析客戶屬于完全流失還是部分流失。完全流失是客戶發生關閉所有與銀行相關帳戶和交易等不可回復或者很難回復的行為，部分流失是客戶并未關閉帳戶但是交易水平突減到一定水平之下，例如存款余額突降50%等。對于流失程度較高客戶，也需要進行針對性的提前干預。

流失去向分析對客戶總資產降低部分的資金去向進行觀察，了解客戶資產轉移方向，以便制定針對性改進策略。流失去向包括流向外部和流向內部。流向外部是客戶關閉或減少了在當前銀行的業務而轉向了其它競爭對手的銀行，流向內部是客戶關閉或減少了在當前銀行的部分業務而轉向了當前銀行的其它業務。一般說來，客戶主動發起的去向外部的完全或部分流失，會給銀行形成實際的利潤損失。長賬齡高價值客戶的流失，將帶來更大的直接和間接的損失。

結合某商業銀行客戶流失分析實際要求，選擇宏觀分群中的客戶價值分群維度對客戶進行細分，客戶價值分群是客戶特征分群框架下7個宏觀分群之一，從客戶貢獻等級和客戶資產等級維度對銀行客戶進行區隔，針對銀行客戶總資產50萬以上的客戶，按照總資產規模，定義分為7個等級。同時，對客戶流失行為的判定主要關注客戶總資產等級下降，考察客戶資產從較高等級向較低等級的下降情況。通過設置某個月份為基準月，考察客戶資產一定規模以上客戶群由連續N個月總資產不達標轉為連續N+1個月不達標的比例。

以客戶總資產下降建立了流失觀察窗口。通過對價值分群細分客戶進行流失觀察，考察最近三個月從未發生不達標的客戶在連續三個月不達標情況。運用滾動率分析方法，以08年1月為基準月，考察客戶由N個月不達標轉為連續N+1個月不達標的比例，滾動率分析結果如圖2所示。

可見在客戶價值分群模式下，各資產段客戶呈現出相同的滾動行為特征。一旦發生一個月總資產不達標，則繼續轉為兩個月甚至更多個月不達標的比例非常之大。同時，不同資產段客戶的流失行為呈現出不同規律特征。整體情況如表2所示。

表2 不同資產段銀行客戶流失行為特征分析結果

在客戶價值分群模式下，不同資產規模客戶的流失行為呈現不同的行為特征。客戶總資產規模越大，主動流失趨勢越明顯，流失去向以外部為主，但流失程度卻不顯著。客戶資產規模越小，流失比例和流失程度越高，但流失去向變化不顯著。

四、結論

當前，商業銀行競爭日趨激烈，產品同質化發展模式正面臨增長瓶頸，以客戶為中心進行客戶價值創造成為商業銀行經營轉型的重要驅動力量。如何針對性維系和經營已有的價值客戶，有效防止客戶規模化流失，已經成為考驗商業銀行客戶經營能力的重要課題。在客戶行為日趨多元化的今天，采取哪種有效的科學研究方法，來有效地分析銀行客戶的流失行為，尋找到不同特征客群的流失行為規律，是一項涉及領域廣泛的綜合工程。文章基于對銀行大量經營數據進行細致梳理分析和整理研究的基礎上，所提出的基于客戶特征進行客戶細分的分群框架，是對銀行客戶分群模式的一次積極嘗試，通過對某商業銀行客戶群體進行細分，得到了包含宏觀分群、中觀分群、微觀分群的相對穩定的細分框架。并在宏觀分群中，按照客戶價值分群模式，對客戶流失動因進行分析確定客戶是主動流失還是被動流失，對客戶流失程度進行分析確定客戶屬于完全流失還是部分流失，對客戶總資產降低部分的資金去向進行觀察，了解客戶資產轉移方向，確定客戶流失去向分析。

通過一系列對客戶流失行為的歸納總結和分析，并結合商業銀行實際經營數據，對基于客戶特征分群的客戶流失分析方法進行了較好的實際驗證，驗證的結果達到了預期的效果。比較全面和清晰地勾畫了銀行客戶流失特征的全貌，為各級管理人員基于客戶流失分析的結果，采取針對性處理措施進行干預提供了基礎性的支持和建議。后續研究將圍繞不同分群客戶流失行為的特點，研究制定適合銀行客戶流失管理的預警措施及策略施作為下一步研究的重點。

[1]Smith，Wendell.R.Product differentiation and market segmentation as alternative product strategies[J].Journal of Marketing，1956，11 (7)：3-8.

[2]Soper，anne.The evolution of segmentation methods in services: where next?[J].Journal of Financial Services Marketing，2002，8: 68-69.

[3]Ken Monts，et al.Measuring the value of customer retention[J]. The Electricity Journal，1997，10(4):73-80.

[4]Bitner M.J.Evaluating service encounter:the effects of physical surroundings and employee response [J].Journal of Marketing，1990，54(2)：59-82.

[5]Keaveney S.M.Customer switching behavior in service industries: An exploratory study[J].Journal of Marketing，1995，59(2)：71-82.

[6]Zhu C.，Qi J.，Wang C.An experimental study on four models of customer churn predictio[C].In 2009 IEEEInternational Conference on Systems，Man and Cybernetics，2009：3199-3204.

[7]Xiao Y.，He C.，Xiao J.Study on customer churn prediction methods based on multiple classifiers combinat[C].In 3rd International Symposium on IntelligentInformation Technology Application，2009，1：597-601.

[8]Burez J.，D.Van den Poel.Handling class imbalance in customer churn prediction[J].Expert Systems with Applications，2009，36 (3)：4626-4636.

[9]Arndt J.Role of Product-Related Conversations in the Diffusion of a New Product[J].Journal of Marketing Research，1967b，4(3)：291-295.

（責任編輯：GH）

Analysis of Customer Loss based on the Characteristics of Bank Customer Clustering

LAN Jun，YAN Guang-le
（University of Shanghai for Science and Technology，Shanghai 200093，China）

Analysis of customer loss is an important part of the business management in bank，the bank customer churn is a systemic method involves complicated work.Article based on a large number of bank's actual operation data，compare to the traditional bank customer segmentation model and the customer segmentation model，puts forward the comprehensive features based on the characteristics of bank customer clustering,which subdivided into seven customers Under the model of customer value and on this basis，take the customer's total assets into observation window，a comprehensive understanding of customer churn in the motivation，reason and direction，a new method gets an anticipated effect in practical application and as a systemic analysis of commercial bank customer behavior，which provides a foundation support and advice for management personnel to analysis the reason of customer loss and take corresponding measures to intervene it.

Financial economy；Financial service；Clients of banks；Grouping customers

F830.49

A

1004-292X（2014）05-0105-04

2013-11-20

上海市一流學科建設項目（S1201YLXK）。

蘭 軍（1973-），男，湖北武漢人，博士研究生，研究方向：經濟金融系統優化；

嚴廣樂（1957-），男，廣東南海人，教授，博士生導師，主要從事系統科學與社會經濟系統研究。