汪云

（汕頭職業(yè)技術(shù)學(xué)院計(jì)算機(jī)系，汕頭515000）

0 引言

目前，隨著互聯(lián)網(wǎng)技術(shù)的不斷進(jìn)步和市場(chǎng)的發(fā)展成熟，銀行產(chǎn)品和服務(wù)的差異越來(lái)越小，傳統(tǒng)的零售業(yè)務(wù)發(fā)展之三大驅(qū)動(dòng)力：“產(chǎn)品拉動(dòng)、價(jià)格驅(qū)動(dòng)、團(tuán)隊(duì)驅(qū)動(dòng)”，在當(dāng)前的市場(chǎng)環(huán)境下雖能取得短期產(chǎn)能提升，但對(duì)于持久繁榮卻不能形成穩(wěn)定的支撐線[1]。隨著新常態(tài)下大數(shù)據(jù)時(shí)代的來(lái)臨，銀行業(yè)不僅擁有廣大的客戶(hù)群體，更具備客戶(hù)群的基本信息、交易行為、消費(fèi)行為等維度特征，如何給客戶(hù)形成標(biāo)簽化管理，提供數(shù)字化運(yùn)營(yíng)逐漸開(kāi)始成為銀行零售業(yè)發(fā)展的有效手段和目的[2]。在銀行經(jīng)營(yíng)中，獲取新客戶(hù)付出的成本收益率遠(yuǎn)比維系優(yōu)質(zhì)老客戶(hù)的成本效益率高[3]。因此，銀行存量潛力客戶(hù)的挖掘、貴賓客戶(hù)的流失提升持續(xù)成為銀行業(yè)發(fā)展中面臨的巨大挑戰(zhàn)。

1 客戶(hù)提升數(shù)據(jù)模型

目前，銀行零售客群數(shù)據(jù)龐大，如何挖掘和分析是一個(gè)熱點(diǎn)和難題[4-5]。銀行業(yè)面臨各色各樣的消費(fèi)者，從性別、年齡、職業(yè)、教育程度、收入、婚姻狀況和子女狀況，以及與銀行的交易頻率、交易額、產(chǎn)品偏好等各個(gè)特征均不相同，因此，市場(chǎng)細(xì)分是成功的市場(chǎng)營(yíng)銷(xiāo)戰(zhàn)略的基礎(chǔ)。目前在實(shí)踐上，銀行大多數(shù)通過(guò)金融資產(chǎn)、負(fù)債等靜態(tài)數(shù)據(jù)判斷客戶(hù)在銀行的價(jià)值，忽略了其交易行為、信息屬性等綜合特征[6]。對(duì)于建立科學(xué)合理的零售客戶(hù)分類(lèi)體系，發(fā)現(xiàn)有價(jià)值客戶(hù)，尚未有成熟的方法研究。所謂潛力客戶(hù)挖掘，是指商業(yè)銀行在一定成本控制下，通過(guò)與潛力客戶(hù)之間建立并培養(yǎng)良好的關(guān)系來(lái)挖掘客戶(hù)潛力的關(guān)系管理，其挖掘的核心是逐步培養(yǎng)關(guān)系，促進(jìn)客戶(hù)與客戶(hù)關(guān)系不斷升級(jí)[7]。

本文分析方法為先使用因果預(yù)測(cè)分析界定“壕”客戶(hù)，按照客戶(hù)價(jià)值細(xì)分理論[8]探索各維度優(yōu)先級(jí)，不同優(yōu)先級(jí)通過(guò)聚類(lèi)分析組合挖掘出初潛力客戶(hù)集，結(jié)合交易次數(shù)維度篩選出黏度高的客戶(hù)群作為終潛力客戶(hù)集；再利用產(chǎn)品序列模型給每個(gè)潛力客戶(hù)選擇合適產(chǎn)品，使用技術(shù)手段推送各線索進(jìn)行落地實(shí)施。方案落地實(shí)施一段時(shí)間后，可對(duì)已經(jīng)提升的潛力客戶(hù)進(jìn)行跟蹤分析，驗(yàn)證推導(dǎo)其主要來(lái)源維度，再利用此維度聚類(lèi)，生成新潛力客戶(hù)群，形成一個(gè)不斷迭代修正的過(guò)程。

1.1 因果預(yù)測(cè)界定壕客戶(hù)

本文首先通過(guò)對(duì)高端客戶(hù)的行為習(xí)慣進(jìn)行列舉，確定維度為購(gòu)買(mǎi)大額他行理財(cái)、私營(yíng)老板代發(fā)工資、大額交易、信用卡高還款、信用卡高消費(fèi)、當(dāng)?shù)貎?yōu)質(zhì)手機(jī)號(hào)碼、高端社區(qū)，再對(duì)不同維度按照客戶(hù)價(jià)值細(xì)分理論進(jìn)行優(yōu)先級(jí)分類(lèi)，將購(gòu)買(mǎi)大額他行理財(cái)、私對(duì)私代發(fā)作為判斷的必然性因素，將借記卡大額交易、信用卡高還款、信用卡高消費(fèi)、高代發(fā)額作為判斷的常態(tài)性因素，將當(dāng)?shù)貎?yōu)質(zhì)手機(jī)號(hào)碼、高端社區(qū)作為參考的偶然性因素。

1.2 線性分類(lèi)之潛力客戶(hù)初挖掘

本文試圖提出一種潛力客戶(hù)維度的優(yōu)先級(jí)類(lèi)型劃分方法，最終通過(guò)三個(gè)維度不同結(jié)合方式來(lái)統(tǒng)計(jì)潛力客戶(hù)，分別是：①購(gòu)買(mǎi)大額他行理財(cái)，②私對(duì)私代發(fā)人，③先所有常態(tài)性維度并集，所有偶然性并集，再常態(tài)性并集結(jié)果與偶然性并集結(jié)果相交集。最后將①、②、③進(jìn)行并集得到潛力客戶(hù)初挖掘結(jié)果集。具體方法為：

（1）購(gòu)買(mǎi)大額他行理財(cái)維度進(jìn)行統(tǒng)計(jì)，獲得潛力客戶(hù)結(jié)果集；

（2）私對(duì)私代發(fā)工資維度進(jìn)行統(tǒng)計(jì)，結(jié)合年齡層集中區(qū)間進(jìn)行結(jié)果集獲取；

（3）借記卡大額交易、信用卡高還款、信用卡高端消費(fèi)、高代發(fā)額四個(gè)維度進(jìn)行并集，再與優(yōu)質(zhì)手機(jī)號(hào)碼、高端小區(qū)的并集進(jìn)行交集，篩選出潛力客戶(hù)結(jié)果集；

（4）綜合如上三個(gè)維度的挖掘分析結(jié)果，匯總：①大額理財(cái)，②私對(duì)私代發(fā)人，③先所有常態(tài)性維度、偶然性維度各自并集，再相互交集之后所得到的潛力客戶(hù)；即①②③中得到的潛力客戶(hù)并集去除重復(fù)項(xiàng)，獲得匯總的潛力客戶(hù)群。

1.3 線性分類(lèi)之潛力客戶(hù)再挖掘

本文預(yù)期將得到的潛力客戶(hù)結(jié)果集合推送至前線部門(mén)進(jìn)行實(shí)際提升，當(dāng)結(jié)合標(biāo)簽和營(yíng)銷(xiāo)落地方案實(shí)際提升一段時(shí)間后，分析工作需及時(shí)總結(jié)提升經(jīng)驗(yàn)和統(tǒng)計(jì)營(yíng)銷(xiāo)效果。通過(guò)實(shí)踐數(shù)據(jù)的獲取，本方法統(tǒng)計(jì)出提升效果較好的標(biāo)簽維度，將此維度作為通過(guò)實(shí)踐驗(yàn)證的潛力客戶(hù)標(biāo)簽挖掘維度。接下來(lái)，分析方法將重新聚類(lèi)此維度之客戶(hù)群，形成新的目標(biāo)客群集合，從而達(dá)到了迭代修正此模型的效果，最終形成一個(gè)潛力客戶(hù)挖掘之閉環(huán)設(shè)計(jì)體系。

2 貴賓戶(hù)數(shù)據(jù)模型

目前國(guó)內(nèi)外研究文獻(xiàn)中，對(duì)銀行客戶(hù)流失的研究主要集中在流失預(yù)警模型和算法的研究上，而對(duì)于結(jié)合流失模型，通過(guò)逆向思維，對(duì)已經(jīng)流失客戶(hù)群進(jìn)行提升的綜合研究方面尚缺乏十分有效的方法[9]。目前，中國(guó)四大銀行對(duì)高端個(gè)人客戶(hù)的細(xì)分方法比較簡(jiǎn)單，對(duì)中高端群里的細(xì)分標(biāo)準(zhǔn)屬于靜態(tài)和粗放型，主要依據(jù)客戶(hù)金融資產(chǎn)和負(fù)債對(duì)客戶(hù)群進(jìn)行分類(lèi)，導(dǎo)致商業(yè)銀行對(duì)這部分客戶(hù)的市場(chǎng)定位并不明確及高端客戶(hù)群體金融資產(chǎn)穩(wěn)定性較差；一年內(nèi)大約45.8%的高端客戶(hù)資產(chǎn)等級(jí)向下遷徙或者出現(xiàn)很多的客戶(hù)流失行為[10]。

本文通過(guò)研究客戶(hù)的交易特性、時(shí)間特性、不同特征，提出一種定其“位”+驗(yàn)其“效”+探其“好”的貴賓客戶(hù)提升挖掘方法，即結(jié)合客戶(hù)每月監(jiān)測(cè)流失和每日監(jiān)測(cè)流失準(zhǔn)確判斷客戶(hù)流失時(shí)間節(jié)點(diǎn)；再驗(yàn)其“效”，結(jié)合客戶(hù)流失特征模型，將流失客戶(hù)特征歸為從個(gè)人用款類(lèi)、客戶(hù)維護(hù)、同行競(jìng)爭(zhēng)類(lèi)、服務(wù)質(zhì)量類(lèi)，并通過(guò)歷史數(shù)據(jù)進(jìn)行歸類(lèi)校驗(yàn)，得到隨機(jī)情況下已流失客戶(hù)群的自然提升率；最后探其“好”，尋找歷史數(shù)據(jù)中自然提升率高客戶(hù)群的特征和偏好產(chǎn)品，對(duì)后期客戶(hù)提升進(jìn)行實(shí)際指導(dǎo)，并可結(jié)合銀行實(shí)際業(yè)務(wù)需求，構(gòu)建特色本地化產(chǎn)品需求。

2.1 定其位

（1）客戶(hù)每月監(jiān)測(cè)流失

通過(guò)分析貴賓客戶(hù)提升前六個(gè)月的各種交易行為、資產(chǎn)變化、基本屬性等與客戶(hù)流失之間的定量關(guān)系，基于客戶(hù)已有基本信息屬性和交易屬性，預(yù)測(cè)客戶(hù)在未來(lái)三個(gè)月流失的可能性，幫助業(yè)務(wù)人員及時(shí)發(fā)現(xiàn)潛在流失客戶(hù)群，及時(shí)地維護(hù)和挽留，降低此客戶(hù)群的流失率。流失客戶(hù)特征可結(jié)合本銀行客戶(hù)群特性進(jìn)行歸類(lèi)，如同行競(jìng)爭(zhēng)類(lèi)、客戶(hù)維護(hù)類(lèi)、服務(wù)質(zhì)量類(lèi)、個(gè)人用款類(lèi)等類(lèi)別，進(jìn)行聚類(lèi)分析，挖掘出測(cè)試客戶(hù)群的本地化流失特征，將各特征按照權(quán)值進(jìn)行加分和，累計(jì)分?jǐn)?shù)值，最后根據(jù)分?jǐn)?shù)值高低判斷客戶(hù)的流失概覽及流失比例，分?jǐn)?shù)越高，代表該客戶(hù)流失可能性越大，需重點(diǎn)關(guān)注；分?jǐn)?shù)較低，則代表該客戶(hù)群目前較為穩(wěn)定。

（2）客戶(hù)每日監(jiān)測(cè)流失

為了精確地監(jiān)測(cè)客戶(hù)資金動(dòng)向，防止客戶(hù)流失，本文提出一種客戶(hù)每日監(jiān)測(cè)流失方法，即可選取零售客戶(hù)資金轉(zhuǎn)出、產(chǎn)品到期、基金虧損等觸發(fā)事件作為線索導(dǎo)向，設(shè)置不同閾值，通過(guò)技術(shù)手段每天建立不同的線索目標(biāo)客戶(hù)群。當(dāng)客戶(hù)觸發(fā)了相應(yīng)線索時(shí)，可及時(shí)地通過(guò)系統(tǒng)和通訊方式通知至各支行營(yíng)銷(xiāo)經(jīng)理，營(yíng)銷(xiāo)經(jīng)理可根據(jù)此線索機(jī)制及時(shí)地關(guān)注此客戶(hù)群。

（3）流失結(jié)合模塊

客戶(hù)每月監(jiān)測(cè)流失模塊僅僅通過(guò)歷史數(shù)據(jù)預(yù)測(cè)客戶(hù)將在未來(lái)一段時(shí)間內(nèi)流失的可能性，但是無(wú)法精確判斷客戶(hù)具體會(huì)在何時(shí)流失，只能預(yù)測(cè)其傾向性，而盡快、及時(shí)地恢復(fù)客戶(hù)關(guān)系對(duì)于挽留客戶(hù)而言至關(guān)重要；客戶(hù)每天監(jiān)測(cè)歷史模塊通過(guò)觸發(fā)事件進(jìn)行監(jiān)測(cè)，無(wú)法準(zhǔn)確判斷客戶(hù)是否會(huì)真實(shí)流失，或者只是周轉(zhuǎn)資金的需求；基于二者均存在各自預(yù)測(cè)短板，本文創(chuàng)新性地提出一種每月監(jiān)測(cè)流失與每日監(jiān)測(cè)流失結(jié)合模型，即通過(guò)每天監(jiān)測(cè)流失客戶(hù)模型監(jiān)測(cè)客戶(hù)群，形成目標(biāo)流失客戶(hù)群，同時(shí)在此基礎(chǔ)之上，通過(guò)每月監(jiān)測(cè)流失客戶(hù)群模型，進(jìn)行聯(lián)合匹配，可規(guī)避兩者短板，準(zhǔn)確地對(duì)客戶(hù)流失概率進(jìn)行判斷，并把握住最佳挽留時(shí)間，達(dá)到客戶(hù)流失預(yù)警的最佳效果。

2.2 驗(yàn)其效

本方法在客戶(hù)流失預(yù)警基礎(chǔ)上，逆向思維提出對(duì)已流失客戶(hù)群提升發(fā)展，首先將流失原因進(jìn)行歸類(lèi)，例如個(gè)人用款類(lèi)、資金周轉(zhuǎn)類(lèi)、同行競(jìng)爭(zhēng)類(lèi)、服務(wù)質(zhì)量類(lèi)等類(lèi)別，將同行競(jìng)爭(zhēng)類(lèi)和服務(wù)質(zhì)量類(lèi)歸為客戶(hù)主動(dòng)流失原因。對(duì)此類(lèi)客戶(hù)群，需要在客戶(hù)出現(xiàn)流失征兆之前，針對(duì)客戶(hù)流失原因，采取針對(duì)性強(qiáng)有效性的措施進(jìn)行提前干預(yù)，減少客戶(hù)流失，通過(guò)不同變量進(jìn)行聚類(lèi)，獲得客戶(hù)隨機(jī)情況下提升率，挖掘出提升率較高客戶(hù)群的共有特征，建立起基于銀行客戶(hù)不同流失群體特征進(jìn)行客群流失維護(hù)的模式管理。

2.3 探其好

本文分析方法的最后提出一種客戶(hù)產(chǎn)品偏好模型，試圖通過(guò)分析不同產(chǎn)品類(lèi)別客戶(hù)群在持有產(chǎn)品之前六個(gè)月的各種交易行為、資產(chǎn)變化以及客戶(hù)屬性等維度與用戶(hù)購(gòu)買(mǎi)該產(chǎn)品之間的定量關(guān)系，從而得出目標(biāo)潛力產(chǎn)品客戶(hù)群共有特征，從而實(shí)現(xiàn)基于客戶(hù)已有信息屬性和行為屬性，來(lái)預(yù)測(cè)流失用戶(hù)在未來(lái)一段時(shí)間購(gòu)買(mǎi)產(chǎn)品的傾向性，為流失客戶(hù)群適配相對(duì)應(yīng)的產(chǎn)品，把控客戶(hù)產(chǎn)品偏好，針對(duì)性地將相應(yīng)產(chǎn)品推薦給目標(biāo)流失原因分類(lèi)客戶(hù)群，實(shí)現(xiàn)從流失到跟蹤到提升的完整客戶(hù)營(yíng)銷(xiāo)閉環(huán)體系。

3 結(jié)語(yǔ)

本文以商業(yè)銀行的零售客群經(jīng)營(yíng)轉(zhuǎn)型作案例研究，針對(duì)潛力客戶(hù)挖掘和存量客戶(hù)流失兩個(gè)案例都提出了一些理論和實(shí)際探索。對(duì)于潛力客戶(hù)挖掘課題，本文提出一種因果預(yù)測(cè)分析+線性分類(lèi)+迭代修正的新數(shù)據(jù)挖掘應(yīng)用組合模型，掘目前在銀行較低的客戶(hù)群層級(jí)中所隱藏的有價(jià)值目標(biāo)客戶(hù)群，通過(guò)科學(xué)制定服務(wù)改進(jìn)措施實(shí)現(xiàn)客戶(hù)的精準(zhǔn)識(shí)別和精確提升。對(duì)于存量客戶(hù)流失案例，本文提出一種定其“位”+驗(yàn)其“效”+探其“好”的貴賓客戶(hù)提升挖掘模型，尋找與銀行忠誠(chéng)度下降的客戶(hù)群進(jìn)行一對(duì)一針對(duì)性地營(yíng)銷(xiāo)，并根據(jù)不同客戶(hù)歷史購(gòu)買(mǎi)產(chǎn)品、消費(fèi)偏好制作產(chǎn)品適配模型及時(shí)推薦適配產(chǎn)品，幫助銀行決策者建立系統(tǒng)化的基于客群維度進(jìn)行流失后管理的設(shè)計(jì)，避免客戶(hù)流失只依賴(lài)人工經(jīng)驗(yàn)和定性分析的問(wèn)題。通過(guò)本文一系列對(duì)客戶(hù)特征的歸納總結(jié)和分析，為商業(yè)銀行各級(jí)管理人員清晰地展示了客群經(jīng)營(yíng)轉(zhuǎn)型的精細(xì)化目標(biāo)和管理。