【正文】 segmentation for banks quickly and give ideas to every cl uster with lower cost, higher benefit and more appropriate service. This article elaborated the origin of bank customer segmentation problems, reviewed the li terature, and used the date mining algorithms to make customer segmentation. It elaborated the use and importance of customer segmentation, introduced the date mining algorithms and ways of customer segmentation, selected population characteristics and behavior characteristics, using kmean algorithm and hierarchical clustering methods for date mining to do customer segmen IV tation, changed the results of customer clustering and variable clustering into useful tactics about customer segmentation and marketing, and give decision support for banks at last. Keywords： Customer Segmentation； Date Mining； Cluster Analysi 1 1 前言 問題的由來 隨著改革開放以來中國經(jīng)濟的迅速發(fā)展和騰飛，信息技術快速興起的和金融行業(yè)的蓬勃發(fā)展，我國的金融行業(yè)特別是銀行業(yè)面臨著巨大的機遇和挑戰(zhàn)。 改革開放的到來，在市場經(jīng)濟的刺激下，商業(yè)銀行之間的競爭變得日益激烈，這使得商業(yè)銀行在發(fā)展的過程中，也需不斷的跟進市場的需求和腳步，經(jīng)營理念也發(fā)生了從“以市場為導向”到“以客戶為導向”的巨大轉變?？蛻絷P系管理便成為商業(yè)銀行提高盈利的重要途徑和手段。作為客戶關系管理的重要功能之一的客戶細分便提高商業(yè)銀行競爭方面凸顯其重要的戰(zhàn)略意義和作用。 隨著信息經(jīng)濟 時代的到來，銀行從客戶關系管理中獲得大量的客戶信息，但是如何利用好這些珍貴的戰(zhàn)略資源，并通過這些資源對客戶進行分類、保持和發(fā)展，已成為決定商業(yè)銀行在競爭激烈的行業(yè)中獲得成功的關鍵。 同時，隨著信息技術的發(fā)展和銀行業(yè)電子化程度的不斷提高，面對大量的數(shù)據(jù)，許多銀行還是停留在處理客戶投訴的客戶管理關系階段，這無疑是對資源的浪費，更是對企業(yè)發(fā)展的嚴重阻礙。所以，更加科學有效的客戶關系管理和客戶細分，不僅能為企業(yè)帶來便捷，針對目標客戶有的放矢，減少不必要的損失，更能提高企業(yè)的競爭力，為企業(yè)帶來更大的效益。 利用數(shù)據(jù)挖 掘算法在客戶關系管理中對客戶進行細分無疑是很好的選擇。通過聚類分析和決策樹分析能快速的為銀行進行客戶分類，并針對每一客戶群體實施具體的客戶關系管理策略和市場營銷策略。 國內(nèi)外研究現(xiàn)狀 目前在我國， “ 數(shù)據(jù)海量，信息缺乏 ” 是商業(yè)銀行在數(shù)據(jù)大集中之后普遍所面對的尷尬。目前金融業(yè)實施的大多數(shù)數(shù)據(jù)庫只能實現(xiàn)數(shù)據(jù)的錄入、查詢、統(tǒng)計等較低層次的功能，卻無法發(fā)現(xiàn)數(shù)據(jù)中存在的各種有用的信息，譬如對這些數(shù)據(jù)進行分析，發(fā)現(xiàn)其數(shù)據(jù)模式及特征，然后可能發(fā)現(xiàn)某個客戶、消費群體或組織的金融和商業(yè)興趣，并可觀察金融市場的變化趨勢。 數(shù) 據(jù) 挖掘的技術在我國的研究與應用并不是很廣泛深入。 國內(nèi)商業(yè)銀行在過去的十幾年中，一直堅持以產(chǎn)品為中心的經(jīng)營理念，并以此來進行部門人員的設置及信息化系統(tǒng)的開發(fā)，其結果是導致各個產(chǎn)品系統(tǒng)之間大多相對獨立，毫無關系，客戶的各項信息分布于多個系統(tǒng)中，各系統(tǒng)自己的數(shù)據(jù)標準也各不一致，客戶信息無法全面展現(xiàn)。在對客戶進行細分時，一般也采取傳統(tǒng)的方法，如：基于經(jīng)驗的分類方法或基于統(tǒng)計的簡單劃分方法，這些方法一般根據(jù)決策者的經(jīng)驗或是根據(jù)客戶簡單的屬性特征，對客戶進行劃分，例如根據(jù)客戶所購買的金融產(chǎn)品類別 (如：貸款、申請信用卡 、理財產(chǎn)品等 )，或根據(jù)客戶的居住地域、年齡等對客戶劃分類別。雖然這些劃分對商業(yè)銀行的客戶管理也是很有意義的，但卻無法滿足諸如對哪些客戶的潛在價值更高、哪些客戶的資信程度更高、客戶群有哪些特征等復雜分析需求。隨著信息技術的不斷發(fā)展和金融電子化程度的不斷提高，國內(nèi)商業(yè)銀行已積累了越來越多的客戶數(shù)據(jù)，面對海量的客戶數(shù)據(jù)，傳統(tǒng)的客戶細分方法則更顯得力不從心 (陳宏凱， 2020)。 2 我國商業(yè)銀行對客戶資源沒有細分，沒有相應的客戶定位，對所有客戶都一視同仁。有時為了追求數(shù)量而不重質量和效益，往往導致柜臺資源主要被 80％ 的低端客戶占用，而給其帶來巨大經(jīng)濟利益的 20％ 的高端客戶沒有得到較好的金融服務。而目前西方商業(yè)銀行對客戶資源有一個很好的細分，業(yè)務針對性較強，對一般客戶的金融服務主要是通過 ATM等自助終端來實現(xiàn)，而將目標客戶鎖定在中高收入階層（鄒江、張維然， 2020）。 數(shù)據(jù) 挖掘技術已經(jīng)被廣泛應用在西方金融行業(yè)企業(yè)中，它可以成功預測銀行客戶需求。一旦獲得了這些信息，銀行就可以改善自身營銷。 國外商業(yè)銀行在管理和技術上都有著豐富的經(jīng)驗，包括花旗銀行、美洲銀行、匯豐銀行等在內(nèi)的眾多國際大銀行都已確立了以客戶為中心的經(jīng)營理念，并充 分利用商業(yè)智能技術，建立獨立統(tǒng)一的客戶數(shù)據(jù)庫和客戶信息分析系統(tǒng)，以便能更好地了解客戶，為客戶提供其所需要的產(chǎn)品設計和服務。他們加強同客戶的忠誠關系，把客戶當作一項資產(chǎn)來管理和開發(fā)?；ㄆ煦y行能準確說出誰是他們盈利來源最多的客戶，能在 10分鐘之內(nèi)講清楚重要的銀行客戶使用了多少種銀行產(chǎn)品。 在商業(yè)智能的幫助下，花旗銀行可以按照客戶為銀行創(chuàng)造盈利的多少和盈利潛在可能性的大小將自己的客戶進行分類，進而根據(jù)不同客戶以往的消費習慣，預測其未來的消費傾向，并結合外部經(jīng)濟、人口統(tǒng)計等相關數(shù)據(jù)預測未來的市場發(fā)展趨勢。 通過這種分析，一方面可以使銀行把握市場動態(tài)，開發(fā)出新產(chǎn)品占領市場，另一方面可以使銀行針對不同貢獻度的客戶采取不同的產(chǎn)品和服務，從而獲得盡可能大的“深度效益”。 此外，花旗還向已有客戶交叉銷售新產(chǎn)品，并且取得了巨大的成功。他們利用商業(yè)智能的卓越性能，了解每個客戶的行為特征、消費習慣、財務狀況及未來的需要，從而為客戶做出恰當和切合其需要的財務建議和安排，同時更有針對性和更有效地進行推廣工作（陳宏凱， 2020）。 主要內(nèi)容和創(chuàng)新點 利用數(shù)據(jù)挖掘算法在商業(yè)銀行客戶細分中進行實際應用，并為商業(yè)銀行在客戶細分方面 提供決策支持。為以后企業(yè)在決策方面提供了科學的算法和方法，并能運用到實際中去。本文利用 文獻研究法 ， 定量分析法 ， 定性分析法 等方法對相關理論和方法進行闡述并進行具體實踐。 主要研究內(nèi)容： 第一，客戶細分的概念，原理和方法，客戶細分在客戶關系管理中的重要地位和意義； 第二，數(shù)據(jù)挖掘的理論和方法，以及數(shù)據(jù)挖掘對客戶細分的重要意義； 第三，銀行客戶細分的數(shù)據(jù)挖掘和結果討論； 第四，數(shù)據(jù)挖掘算法在銀行客戶細分方面的展望和發(fā)展。 本文創(chuàng)新點： 利用 Kmean 算法和層次聚類分析方法，分別對客戶進行細分和客戶屬性進行聚類， 不僅能得到客戶的聚類結果，并且能得到客戶屬性特征的聚類結果，提出典型客戶特征，為客戶細分提供了更加有效的方法和結果，為客戶細分的客戶特征的選取提供了參考。 3 2 數(shù)據(jù)挖掘與商業(yè)銀行客戶細分 客戶細分 客戶細分的概述 客戶細分 (Customer Segmentation)，作為客戶關系管理的核心概念之一，是指企業(yè)在明確的戰(zhàn)略、業(yè)務模式和特定的市場中，根據(jù)客戶的屬性、行為、需求、偏好以及價值等區(qū)因素對于客戶進行分類，并提供針對的產(chǎn)品、服務和營銷模式的過程。（陳宏凱， 2020） 簡單說是指將客戶劃分 成互不相交的不同類別，在同一類別里，客戶具有類似的特性。客戶細分是進行客戶關系管理的重要前提和關鍵步驟。進行客戶細分是為了使企業(yè)更精確地回答誰是企業(yè)的客戶，哪些客戶有哪些實際需求，哪些客戶對企業(yè)的利潤貢獻最大，哪些是企業(yè)應該重點保持的客戶，企業(yè)應該如何針對不同用戶提出自己的營銷政策，從而實現(xiàn)企業(yè)利潤最大化等問題。 從理論角度看，客戶關系管理包括三大基本功能：即客戶發(fā)現(xiàn)、客戶分析、客戶交往。通過客戶關系管理為營銷人員提供客戶價值信息，發(fā)現(xiàn)哪些客戶能為企業(yè)帶來價值和怎樣使這種價值最大化，促使客戶經(jīng)理和客戶之間建 立緊密的聯(lián)系，保證客戶能夠得到專業(yè)化的服務，從而提高客戶的忠誠度和企業(yè)的市場競爭力。 通過對前面客戶關系管理的構成的了解，我們可以把客戶關系管理分為下面幾個方面： （ 1） 對現(xiàn)有客戶的服務與支持。通過與客戶的多種渠道的交互，可以高效、快速、準確地完成對客戶的反饋，同時可降低服務的成本； （ 2）對潛在客戶的挖掘。通過對現(xiàn)有客戶的了解、分析，找出其特點，然后基于數(shù)據(jù)挖掘的證券業(yè)客戶關系管理中的客戶細分研究后可對一些可能的潛在客戶進行接觸，擴大客戶群體； （ 3）對客戶的維系。通過對客戶進行細分，為客戶提供更多的個 性化的服務，弄清客戶流失原因，提前進行預防； （ 4）進行風險防范。在一些高風險行業(yè)，通過對客戶的類別及其消費特點，可以對客戶異常進行預警。 客戶細分的第一步就是要了解所要研究的對象特征。以客戶為視角的各種細分方法其基本的維度內(nèi)涵離不開客戶的三個基本特征 :人口特征、行為和心理特征 ,從不同的角度捕捉客戶特征。 具體來說 ,人口特征包含了客戶展現(xiàn)出來的外部特征 ,行為因素則表現(xiàn)為客戶的具體購買行為 ,而心理特征不僅反映客戶的行為 ,還包含興趣和態(tài)度。 基于客戶細分研究 Wilkie和 Cohen最早按照不同的層次將細分變量分 為五種 :個人總體特征描述變量 (如性別、年齡、職業(yè)、收入等 )、心理圖示、需要的價值、品牌感知和購買行為。 Schiffman按照地理、人口、心理、社會文化、使用情境、利益以及混合細分變量進行歸納。 Haley則認為在傳統(tǒng)市場細分中 ,地理區(qū)域、人口統(tǒng)計和銷量細分變量占據(jù)了統(tǒng)治地位。從以上學者對傳統(tǒng)市場細分變量的總結不難看出 ,它們實際上可以歸屬于三類 —— 環(huán)境細分、心理細分和行為細分。 客戶細分沒有統(tǒng)一的模式，總的來說，客戶細分的方法主要包括基于客戶統(tǒng)計學特征的客戶細分、基于客戶行為的客戶細分、基于客戶生命周期的客戶細 分 4 和基于客戶價值相關指標的客戶細分?？蛻艏毞值膶崿F(xiàn)技術很多，諸如人工神經(jīng)網(wǎng)絡、因素分析、擬和分析和聚類分析等都在實踐中有著廣泛的應用?？蛻艏毞址椒ǖ倪x擇要以進行細分的目的、企業(yè)以及市場的實際情況為基礎。 銀行客戶細分在客戶關系管理中的意義 客戶關系管理起源于西方的市場營銷理論，產(chǎn)生和發(fā)展于美國?？蛻絷P系管理的概念最早是由專注于 IT技術的咨詢顧問公司 Gartner Group提出的，目的在于建立一個系統(tǒng)，使企業(yè)在客戶服務、市場競爭、銷售及支持方面形成彼此協(xié)調(diào)的全新的關系實體，為企業(yè)帶來長久的競爭優(yōu)勢 ?？蛻絷P系管理是一種旨在改善企業(yè)與客戶之間關系的新型運作機制，它實施于企業(yè)的市場營銷、銷售、服務與技術支持等與客戶有關的領域?？蛻絷P系管理解決方案著力于以產(chǎn)品和資源為基礎、以客戶為中心、以贏得市場并取得最大回報為目標，通過信息的有效集成為基礎進行的客戶快速反應，給予客戶一對一、交互式的個性化服務，達到商業(yè)過程自動化并改進業(yè)務流程。 客戶關系管理 的目標就在于協(xié)助企業(yè)不斷地獲取和積累客戶知識，并將這些知識運用在企業(yè)的生產(chǎn)、市場營銷和客戶服務等各個領域，以提升客戶滿意度和忠誠度，提高企業(yè)的核心競爭力，從而降低生產(chǎn)、 銷售和服務成本，增加企業(yè)效益。 對商業(yè)銀行來說，單純的滿足客戶需求，強調(diào)為所有客戶提供同樣優(yōu)質的服務，很可能是事倍功半，得不償失。從競爭的角度看，一個真正有效的客戶關系管理策略應該可以對客戶進行細分，使銀行能夠為不同層次的客戶提供不同水平的服務，并因此獲得最大的投入產(chǎn)出比。 (李桂琴 ,2020) 我們所熟悉的 2/8法則，在客戶關系管理中同樣適用，“ 20%的客戶為企業(yè)帶來 80%的利潤”。不同客戶對銀行的貢獻程度不同，銀行需要區(qū)分不同客戶的價值，發(fā)現(xiàn)哪些客戶可以源源不斷地為企業(yè)創(chuàng)造價值和利益。因此，需要確定客戶的 價值區(qū)間 (例如大客戶、重要客戶、普通客戶、小客戶或特殊客戶等 )對銀行來說是非常有用的。 數(shù)據(jù)挖掘 數(shù)據(jù)挖掘的概述 所謂數(shù)據(jù)挖掘，是從海量的數(shù)據(jù)中，抽取出潛在的、有價值的知識 (模型或規(guī)則 )的過程。也就是根據(jù)預定義的商業(yè)目標，對大量的企業(yè)數(shù)據(jù)進行探索和分析，揭示其中隱含的商業(yè)規(guī)律，并進一步將其模型化的先進有效技術過程。數(shù)據(jù)挖掘是一門交叉學科．它集成了許多學科中成熟的工具和技術，包括數(shù)據(jù)庫技術、統(tǒng)計學、機器學習、模型識別、人工智能、神經(jīng)網(wǎng)絡等等。 數(shù)據(jù)挖掘其實是一類深層次的數(shù)據(jù)分析方法。由于各行業(yè) 業(yè)務自動化的實現(xiàn)，商業(yè)領域產(chǎn)生了大量的業(yè)務數(shù)據(jù)，這些數(shù)據(jù)不再是為了分析的目的而收集的，而是由于純機會的商業(yè)運作面產(chǎn)生。分析這些數(shù)據(jù)也不再是單