商業銀行中小企業客戶利益細分研究

許荻迪

摘要：客戶細分是商業銀行提高中小企業信貸業務競爭力、利潤率和市場份額的利器。本文采用商業銀行真實業務數據，使用聚類分析方法，進行商業銀行中小企業客戶利益細分，探索不同類型商業銀行中小企業客戶偏好的信貸產品要素特征組合。聚類分析結果驗證了該方法的有效性，針對聚類結果對產品設計和投放如何更好地匹配客戶利益偏好提出了建議，尤其是如何為貢獻度較高的重點客戶匹配信貸產品。

關鍵詞：客戶細分；聚類分析；商業銀行；信貸產品

一、引言

隨著全球經濟的發展，客戶成為了企業最為重要的戰略性資源之一，客戶需求的滿足關系著企業生存、壯大和永續發展。客戶細分（customer segmentation）是指根據客戶屬性劃分的客戶集合，也是企業在明確的戰略、業務模式和特定的市場中，根據客戶的屬性、行為、需求、偏好以及價值等因素對于客戶進行分類，并提供針對的產品、服務和營銷模式的過程。為了滿足異質性的客戶需求，制定相應的差異化管理策略，企業廣泛應用客戶細分理論作為重要管理工具，該工具甚至已成為全球使用率最高的10大管理工具之一。

商業銀行中小企業信貸業務是需要應用客戶細分的典型領域：銀行中小企業客戶組成較為復雜，信貸業務鏈條長、環節多，信貸產品具有多樣化和非標準化特征，需要客戶細分研究來支持業務開展。然而，當前實踐中目前普遍采用細分方法無法完全滿足上述需求：貢獻度細分能夠識別貢獻度最大的重點客戶群，基本信息維度和行為維度的細分能夠識別客戶群特征，卻無法識別這些客戶群適用的產品類型和特征。利益細分恰能彌補這一不足，通過識別商業銀行中小企業客戶所追求的利益，即偏好的產品要素組合，直接為不同客戶群匹配符合其利益導向的信貸產品。

本文使用商業銀行在一定時間段內的全部真實信貸業務數據，采用聚類分析方法對信貸產品交易記錄進行利益細分，著重研究銀行中小企業客戶尋求的產品利益聚類，實現產品設計、營銷和客戶特征的匹配，尤其是如何為貢獻度較高的重點客戶匹配的符合其需要的產品類型，為商業銀行運用利益細分方法提升中小企業信貸業務提供了探索和示范，同時也有利于為中小企業提供更符合需要的貸款服務，解決中小企業融資難題。

二、利益細分、聚類分析和貢獻度

（一）利益細分

利益細分即根據不同的利益追求劃分客戶群。利益細分最先由Haley等（1963）提出，是基于具有因果關系的因素挖掘客戶所真正尋求的利益，而非像其他細分方法大都利用描述性因素識別市場。利益是一個相對寬泛的概念，包括客戶偏好的產品或者服務的特征等。一種典型的利益細分是價格細分，根據客戶利益取向設置正確價格，有助于減少價格敏感度、增加客戶忠誠度。對于商業銀行信貸產品，除了價格（利率）之外，貸款金額和期限也是重要的產品特征，可能成為客戶所著重尋求的利益。

（二）聚類分析

聚類分析也稱群分析或點群分析，它是研究多要素事物分類問題的數量方法。其基本原理是，針對研究對象集合的多個要素，按照某種相似性或差異性指標，定量地確定對象之間的親疏關系，并按這種親疏關系程度將對象集合分成不同的簇。由于商業銀行中小企業客戶的復雜性，僅憑經驗和專業知識難以做到科學精確分類，隨著計算機技術的普及和數據科學的發展，利用數學方法進行更科學的分類不僅非常必要而且完全可能。聚類分析能夠實現科學的客戶利益細分，根據數據特征、分類的目的和標準不同可采用不同的聚類方法。

（三）貢獻度

本文采用貢獻度來識別商業銀行的重要中小企業客戶，以便在后文根據聚類結果，對重要客戶提出針對性的產品設計和投放建議。商業銀行客戶貢獻度是銀行客戶與銀行合作業務產生的效益綜合，國內外各商業銀行的客戶貢獻度計算模型為了適應各自的業務系統的收入成本及利潤的歸集與分配特征而有所不同，但其基本原理都是類似的。

本文采用的計算方法如下：

貢獻度（模擬利潤）=考核存款貢獻度+考核貸款貢獻度+中間業務收入；

存款貢獻度（模擬利潤）=考核存款年日均×（FTP-執行利率）×累計天數÷360；

貸款貢獻度（模擬利潤）=考核貸款年日均×[執行利率×（1-5.5%）-FTP]×累計天數÷360；

中間業務收入=∑可統計的各類中間業務收入。

三、數據處理

本研究采用某商業銀行中小企業貸款業務表、公司貸款明細表和客戶關系管理系統（CRM）系統中所有中小企業客戶信貸數據記錄，應用數據庫技術將其匯總，并進行查詢、計算和整理。

本研究涉及的數據時間窗口為2015年全年，使用的數據項如下。

其中，根據銀行業務的操作實踐，結合綜合貢獻度和客戶貸款五級分類，可將客戶劃分為三個等級，識別出其中的核心客戶，分級標準為：

一是核心客戶：客戶貢獻度（模擬利潤）大于或者等于100萬，且信用貸款五級分類為“正常”；

二是基礎客戶：客戶貢獻度（模擬利潤）小于100萬，但是大于或者等于20萬，且信用貸款五級分類為“正常”；

三是潛力客戶：屬于客戶評級范圍，但是未劃人核心和基礎級別的其他客戶。

四、模型構建與結果

本研究首先對信貸產品設計的三要素：利率、期限、金額進行聚類，探索客戶對于這三個關鍵要素組合的需求偏好。分別采用聚類分析的兩步法、k-means算法和Kohonen算法，構建8個模型對貸-款的利率、期限、金額三要素進行聚類。最終選擇了聚類質量最好，解釋力最強的3號模型（k-means算法聚為3類，聚類質量指數為0.75）的聚類結果作為進一步分析的基礎。

如下圖所示，采用k-means算法將2015年全年的業務數據分為3類。第一類占所有業務中的90%，其貸款期限、合同金額、執行年利率的平均值分別為284.5天、546.6萬、6.9%；第二類占1%，三項平均數值分別為1991.6天、6079.2萬、7.25%；第三類占9.1%，三項平均數值分別為。405.3天、4165.2萬、6.5%。

從聚類分析的結果來看，各聚類的內部相似性和相互之間的差異都非常明顯，3個聚類分別體現了3類典型的利益訴求。

聚類1：基本小微型

本聚類體現了中小企業貸款的典型特征，也是3個聚類中最基本的一類，占所有中小企業貸款業務的90%。該聚類的貸款期限短、金額小，利率分布上從最低到最高都涵蓋，利率平均值在3個聚類中處于中等水平。這類業務中，企業尋求的是期限、金額、利率的綜合平衡。該聚類的利率水平，并非直接受期限和金額的影響，而是受資金需求的急切程度和自身資質，即貸款可得性和貸款風險的影響。

聚類2：資金需求型

本聚類貸款期限最長、合同金額最大，執行年利率也最高。這類貸款業務量在3個聚類中最小，僅占總業務的1%。該聚類可概括為資金尋求型，即尋求大量長期的資金供給，不惜接受非常高的利率。

聚類3：成本節約型

本聚類貸款期限比第1類（基本小微型）略長，貸款金額較大，執行年利率最低。這類業務占總業務量的9%。該聚類可概括為節約成本型，其貸款量較大，需要期限適中，這類貸款的議價能力較強，其主要利益訴求為尋求較低利率，降低融資成本。

五、聚類結果和客戶群分析

上述3個聚類代表了客戶從信貸產品中尋求的3類典型利益。下面首先通過分析聚類所對應的客戶群特征，進行聚類分析的有效性驗證；然后分析當前該商業銀行的信貸產品匹配現狀，針對不同聚類客戶的利益訴求提出產品設計和營銷建議；最后將貢獻度最高的核心客戶與其最需要的產品類型匹配，對核心客戶的產品設計和營銷提出更具針對性的建議。

（一）聚類結果的有效性分析

1.聚類所包含客戶群的規模構成

從3個聚類的客戶規模分布來看，聚類1（基本小微型）中包含了99.93%的微型客戶和99.79%的小型客戶。聚類2（資金需求型）中的小微企業很少，微型客戶占0.07%，小型客戶占0.21%。聚類3（成本節約型）中沒有小微企業。中型企業分布在基本小微型的占57.54%，資金需求型為3.62%，成本節約型為38.84%。其中，資金需求型全為中型企業，成本節約型的中型企業占90%以上，中型客戶金額較大、期限較長的資金需求特點表明，聚類結果與現實符合。

2.聚類所包含客戶群的行業構成

聚類1（基本小微型）業務該占比排名前三的行業是：居民服務、修理和其他服務業（96.23%的業務為基本小微型）；住宿和餐飲業（95.51%）；農、林、牧、漁業（93.42%）。基本小微型業務占比較高的行業都資金周轉快、單筆資金需求額小。第四是信息傳輸、軟件和信息技術服務業（93.31%），也具有上述特點。

聚類2（資金需求型）業務該占比排名前三的行業是：水利、環境和公共設施管理業（11.11%的業務為資金需求型）；電力、熱力、燃氣及水生產和供應業（8.20%）；文化、體育和娛樂業（4.55%）。資金需求型業務總數量較少在所有業務中僅達1%（如本文第4部分所示），因此在各行業中占比都不是太高，占比相對較高的是以上投資周期較長的行業。

聚類3（成本節約型）業務該占比排名前三的行業是：金融業（33.33%的業務為成本節約型）；采礦業（29.55%）；水利、環境和公共設施管理業（23.39%）。第四是電力、熱力、燃氣及水生產和供應業（21.31%）。成本節約型業務占比較高的行業多為資金需求量較大的行業。

總之，3個聚類排名靠前的行業特征都分別反映了各自所在聚類的利益特性。聚類結果與客戶的現實特性相吻合，證明聚類結果合理，根據此聚類將不同客戶群與針對性的產品相匹配是可行和符合實際業務需要的。

（二）客戶群產品匹配分析

聚類結果表明不同客戶群具有不同信貸產品需求。通過不同類型客戶的屬性，能夠分析這些屬性客戶傾向于何種類型的信貸產品，從而使針對性的產品與需要的客戶匹配，更好地貼近客戶需求，提高客戶的滿意度、忠誠度、重復消費率、交叉消費率和貢獻度。

1.信貸產品投放的針對性分析

根據3種聚類類型的業務對應產品情況的統計分析，在該銀行針對中小企業的30余種信貸產品中，最普遍的是“其他貸款”，即專項產品之外的沒有針對性的普通信貸產品。專門針對某類中小企業的專項產品覆蓋率低，僅覆蓋了聚類3（成本節約型）業務的5.71%、聚類2（資金需求型）業務的9.86%、聚類1（基本小微型）業務的19.24%。

該銀行為需求小、期限短的典型性小微企業開發了眾多特點各異的產品，而對于規模較大（中型）、資金需求大、貢獻度高的企業卻沒有開發專門的產品。例如金融、采礦業、水利電力、基礎設施等領域的貸款，采用“其他貸款”產品。

核心企業（年貢獻度大于100萬）的信貸業務中，“其他貸款”比例更是高達90%，高于全體企業使用其他貸款的比例。核心企業中，聚類3（成本節約型）業務的專項產品覆蓋率仍然特別低。

由此可見，目前該行信貸產品設計和投放的針對性還不夠強，產品與客戶的匹配度還不夠高，尤其是需要加強專門針對核心客戶利益的信貸產品設計和投放。

2.針對聚類的信貸產品設計和營銷建議

從有針對性的專項信貸產品覆蓋情況來看，聚類3（成本節約型）業務僅5.71%是專項信貸產品，首先需要加強的是成本節約型專項產品的供給，即針對金額較大、期限適中的貸款需求，提供更多利率更低的優惠產品。在產品設計和創新方面，可在該類信貸產品上綁定更多增值服務，客觀上拉低實際貸款成本。

其次需要加強聚類2（資金需求型）專項產品的供給，為需要的客戶提供期限長、金額大的貸款，相應利率也可以更多地上浮。同時，對于資金需求更大的客戶，除單純為其提供貸款服務之外，還可綁定發債、資產證券化等服務，做該客戶的主辦銀行。

對于聚類1（基本小微型）專項產品，一是創新抵質押物，使林權、債權等傳統上更多較難作為銀行貸款抵押物的資產，能夠用于中小企業貸款；二是大力發展信用貸款；三是開發首次貸款之后，再貸的便利度非常高的產品，鼓勵客戶增加貸款頻次。

3.針對核心客戶的信貸產品設計和營銷建議

由核心客戶的界定可知，單個核心客戶的貢獻度遠大于基礎和潛力客戶，經統計，該數據集中核心客戶所貢獻的總體利潤約為全體客戶的80%，大體符合“二八定律”。因此，核心客戶是重點群體，需要著重分析核心客戶的產品配套。

核心、基礎、潛力3個貢獻度分級中，3個聚類類別的客戶的分布情況如下表所示。聚類2（資金需求型）和聚類3（成本節約型）在核心客戶中的占比（2.64%和55.85%），遠高于這兩個類別在總體業務中的占比（1%和9%）。

從貸款類型來看，聚類1（基本小微型）和聚類3（成本節約型）的核心客戶貸款主要是用于補充流動資金，聚類2（資金需求型）的核心客戶貸款主要是固定資產貸款。值得注意的是，核心企業的資金需求型業務中流動資金貸款量為O。

整體來說，為核心客戶匹配合適的信貸產品，需要重點關注聚類2（資金需求型）和聚類3（成本節約型），特別是成本節約型業務，其絕對數量和在核心客戶業務量中的占比都高于資金需求型。其中資金需求型業務是固定資產貸款，成本節約型業務主要是流動資金貸款。

從經濟類型來看，核心企業較多地集中在內資經營的其他有限責任公司、私營有限責任公司和國有企業，分別占核心客戶總量的32%、20%和10%，這些經濟類型的核心企業較多屬于聚類3（成本節約型）。

從行業分布來看，核心企業較多分布在：批發和零售業、制造業、建筑業，信息傳輸、軟件和信息技術服務業。前3個行業為傳統行業，較多屬于聚類3（成本節約型）。排名第4的行業為信息傳輸、軟件和信息技術服務業，多屬于聚類1（基本小微型），該行業具有輕資產、高科技的特征，其需求更接近于一般小微企業，貢獻度卻遠大于一般小微企業。

從核心企業的專項產品覆蓋、貸款用途、經濟類型和行業分布來看，目前核心客戶的信貸產品設計和投放的針對性均有待提高。從所有制類型來看，宜重點為內資經營類的其他有限責任公司、私營有限責任公司和國有企業提供聚類3（成本節約型）特征的產品，尤其是成本節約型的流動資金貸款，從所屬行業來看，宜重點為批發和零售業、制造業和建筑業企業提供上述特征的產品。對于信息傳輸、軟件和信息技術服務業，宜著重開發聚類l（基本小微型）特征的產品，尤其是針對高新技術產業實物資產少、無形資產多、成長快的特點，創新產品的知識產權低質押方式，融入投資和貸款聯動的理念，根據企業的全生命周期設計匹配其成長節奏的產品，分享其高速成長收益。聚類2（資金需求型）的核心客戶比例相對較小，其主要需求是固定資產貸款，設計產品時需結合資金需求型特征，著重開發周期較長的固定資產貸款產品。

六、結論

本文使用商業銀行真實信貸業務數據，采用聚類分析方法對商業銀行中小企業客戶進行利益細分。通過對信貸產品設計的三要素：利率、期限、金額進行聚類，將銀行中小企業客戶尋求的產品利益分為基本小微型、資金需求型、成本節約型3類。聚類結果與實際客戶群特征相符，表明聚類結果有效。

根據聚類結果分析當前商業銀行中小企業信貸產品的投放情況，發現針對性不強，專項產品覆蓋面不高，核心企業客戶的重點需求沒有得到充分的揭示和重視。通過從規模、行業、所有制、貸款資金用途等維度分析各聚類包含客戶的特征以及信貸產品匹配情況，對商業銀行中小企業客戶信貸產品的設計和營銷提出了針對性的建議，尤其是對貢獻度較高的核心客戶提出了更為詳細的建議。