客戶智能數據挖掘在商業銀行中的應用

趙倩

【摘要】隨著信息技術飛速發展，大數據和云技術興起，數據存儲成本下降，商業環境中的數據量呈現爆炸性增長。在大數據價值掘金的時代，商業銀行擁有多少數據量已經不是重點，能夠有效地利用數據進而挖掘出具有業務價值的信息才是關鍵。本文從商業銀行大數據挖掘應用實踐出發，構建客戶智能數據挖掘應用體系。

【關鍵詞】數據挖掘 商業銀行 應用體系

金融脫媒和利率市場化促使商業銀行改變經營策略，使營銷哲學從“產品中心”向“客戶中心”轉變。同時，商業銀行數據倉庫經過長期積累擁有了大量的客戶特征與行為數據，為運用數據挖掘技術進而實現“客戶中心”經營和客戶智能應用創造了條件。

一、客戶智能數據挖掘應用體系

客戶智能是指通過數據挖掘建模技術，進行客戶細分、識別潛在流失客戶、判斷客戶提升可能性，并抓住一切機會對客戶進行交叉銷售。商業銀行客戶智能應用體系包括以下模塊：客戶全景畫像、客戶價值評價、客戶科學細分、客戶業務提升、客戶流失預測、客戶產品響應、客戶關系網絡、客戶行為軌跡。

1.客戶全景畫像

客戶全景畫像本質上是一個關于客戶屬性、特征、標簽的寬表，是數據挖掘建模的基礎。客戶全景畫像一般包含以下內容：人口統計特征，資產相關特征，負債相關特征，結算相關特征，社交特征，行為軌跡特征，消費偏好特征。

2.客戶價值評價

管理學定律表明，20%的客戶創造了80%的利潤。銀行需要建立一套客戶綜合價值評價體系，有效識別高價值客戶。客戶綜合價值評價體系包括（但不限于）以下維度：經濟價值、成長價值、潛力價值、風險價值、忠誠價值、網絡價值、活躍價值、創新價值、穩定價值，具體的測量指標項。

3.客戶科學細分

客戶科學細分屬于一種探索性建模過程，主要采用數據挖掘聚類算法，選擇銀行業務所關心的特征和變量，將客戶劃分為幾種類型，從而勾勒出不同客戶群體的特征，為后續針對不同客群開發與之匹配的產品服務和營銷策略指明方向。

4.客戶業務提升

客戶業務提升主要是指對銀行客戶金融資產的提升，通常采用數據挖掘分類技術，旨在分析一定時間段內，具備什么樣特征的客戶其金融資產提升的概率較高。識別出高提升概率的客戶后，銀行一般會進一步使用數據挖掘關聯規則模型，對不同類型的客戶配置不同的產品，從而有效引導客戶業務提升。

5.客戶流失預測

商業銀行對于客戶流失預測主要關注三類客戶群體：無貸戶、有貸戶、結算戶。不同客戶群體的流失定義存有顯著差異。客戶流失預測采用生存分析的技術，重點關注在未來某時點的客戶流失情況，針對存在流失傾向的客戶，將名單交由客戶經理進行回訪，了解客戶流失原因，例如貸款流失可能是因為利率較高、貸款額度較低、服務質量較差、經營地址發生變動、暫時沒有資金需求等。另外，針對存在資金流失傾向的客戶，客戶經理可向客戶推送一些高收益的中收或理財產品，或通過回訪了解客戶需求，設計有針對性的產品，實現客戶挽留。

6.客戶產品響應

客戶產品響應通常使用分類技術中的邏輯回歸或決策樹模型，計算出客戶對某種產品的響應概率。例如，當銀行計劃推廣一些能夠獲取中收利潤的產品時（如基金、保險、結售匯等），這時需要通過模型尋找可能對相關產品感興趣的客戶，生成相應的客戶營銷名單，然后通過電話營銷等方式，激活潛在客戶需求，達成真實的購買和交易行為。

7.客戶關系網絡

實際上，每名客戶都處于不同的社會關系網絡中，都或多或少與他人發生聯系。以往社交網絡研究表明，客戶在網絡中所處的位置、網絡自身的一些特征（網絡大小、網絡密度）等會影響新產品的擴散和客戶的流失等。商業銀行客戶關系網絡包含以下幾種類型：客戶交易網絡、擔保網絡、股東網絡、同事和朋友網絡、家庭網絡等。

8.客戶行為軌跡

客戶行為軌跡來源于兩類地址：靜態地址和動態地址。前者指客戶在辦理各種業務時填錄的家庭地址、公司地址和賬單地址等;后者是客戶刷卡、取現、消費時遺留下的位置信息和行動軌跡。客戶和銀行的每一次接觸都會留下行為痕跡。

二、客戶智能數據挖掘應用實踐

1.客戶關系網絡應用與價值

客戶關系網絡以圖挖掘技術為傳統數據建模帶來新的解讀視角，相關應用和價值介紹如下：一是識別核心客戶，基于網絡核心客戶特征（如點度中心度、接近中心度和居間中心度）來識別網絡中的意見領袖，并通過其進行業務拓展，效果往往是基于隨機客戶的數倍甚至數十倍;二是判斷風險傳染，基于客戶間強關系（如交易關系、擔保關系）構建關系網絡圖譜，當發現一個圈子中存在違約或不良客戶時，根據圈子內群體行為相似性，銀行有理由相信風險會在圈子內蔓延;三是識別交叉擔保風險，商業銀行可基于擔保關系勾勒出客戶間的交叉擔保情況，并在擔保網絡中快速發現客戶存在過度擔保的情況，從而提前防范風險;四是客戶間產品推薦，產品推薦的一個重要原則是考慮用戶間的相似性，比如他們是否同屬一個關系圈（即物以類聚、人以群分），銀行基于客戶關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品推向該群體內還未持有相關產品的客戶，以實現精準產品推薦。

2.基于地址的客戶行為軌跡應用

通過收集整理客戶地址，銀行能夠勾勒出客戶的行為軌跡，圍繞軌跡數據的相關客戶智能應用包括以下方面：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、工作圈和消費圈等熱力圖譜，從宏觀全局了解客戶在某個城市的地理分布;二是判斷客戶的潛力和價值，例如基于客戶家庭地址可以判斷客戶住宅的高檔性，基于客戶消費地址可以判斷客戶消費出入場所的高檔性;三是聯合商家進行營銷，比如聯合星巴克營銷——銀行基于客戶地址信息（辦公地址、家庭地址和消費地址）整理出距離該星巴克一定范圍內的銀行客戶，并聯合星巴克促銷，如推送星巴克折扣券等，并收取一定的中介服務費，從而實現銀企客三方共贏。

參考文獻：

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

[2]朱艷麗.基于消費行為的客戶細分模型應用研究[J].四川師范大學，2017.