【正文】 是說(shuō)，輸入變量的采集六個(gè)月后再將客戶流失狀態(tài)分類；因此該模型提早6個(gè)月預(yù)測(cè)客戶流失。主動(dòng)流失指的是轉(zhuǎn)投向ZBANK競(jìng)爭(zhēng)對(duì)手的客戶，是該行關(guān)注的焦點(diǎn)。所選取的數(shù)據(jù)屬性包括：1）客戶號(hào)；2）儲(chǔ)蓄賬戶余額；3）活期賬戶余額；4）投資賬戶余額；5）日均交易次數(shù)；6）信用卡支付方式；7）是否有抵押貸款；8）是否有賒賬額度；9）客戶年齡；10）客戶性別；11）客戶婚姻狀況；12）客戶孩子數(shù)目；13）客戶年收入；14）客戶是否有一輛以上汽車；15）客戶流失狀態(tài)。ZBANK有一個(gè)客戶數(shù)據(jù)庫(kù)，包含了有關(guān)房貸客戶的交易和人口統(tǒng)計(jì)信息。住房貸款是ZBANK最寶貴的客戶來(lái)源之一，在該業(yè)務(wù)中遇到一些客戶會(huì)轉(zhuǎn)投其它競(jìng)爭(zhēng)對(duì)手。至于低價(jià)值客戶，不妨任其流失甚至勸其流失。這時(shí)候可能需要對(duì)流失客戶進(jìn)行聚類分析和關(guān)聯(lián)分析，歸納客戶流失的原因，有針對(duì)性的制定防止客戶流失的措施?？蛻袅魇У氖芤娣治鼍褪桥袛嗫蛻袅魇У膭?dòng)機(jī)，是價(jià)格因素還是為了追求更好的服務(wù)等。生存分析以客戶流失的時(shí)間為響應(yīng)變量進(jìn)行建模，以客戶的人口統(tǒng)計(jì)學(xué)特征和行為特征為自變量，對(duì)每個(gè)客戶計(jì)算出初始生存率，隨著時(shí)間和客戶行為的變化，客戶的生存率也發(fā)生變化，當(dāng)生存率達(dá)到一定的閾值后，客戶就可能流失。因此，在進(jìn)行深入的客戶流失分析時(shí)，需要先進(jìn)行客戶細(xì)分，再對(duì)細(xì)分之后的客戶群分別進(jìn)行挖掘。關(guān)于流失用戶特征的分析，是一個(gè)屬性約減和規(guī)則發(fā)現(xiàn)問(wèn)題。而對(duì)于非財(cái)務(wù)原因被動(dòng)流失的客戶，預(yù)測(cè)其行為的意義不大。預(yù)測(cè)目標(biāo)的準(zhǔn)確定義對(duì)于預(yù)測(cè)模型的建立是非常重要的，它是建立在對(duì)運(yùn)營(yíng)商的商業(yè)規(guī)則和業(yè)務(wù)流程的準(zhǔn)確把握的基礎(chǔ)之上。客戶主動(dòng)流失的原因主要是客戶認(rèn)為公司不能提供他所期待的價(jià)值，即公司為客戶提供的服務(wù)價(jià)值低于另一家服務(wù)商。2）客戶被動(dòng)流失：表現(xiàn)為金融服務(wù)商由于客戶欺詐等行為而主動(dòng)終止客戶與客戶的關(guān)系。dvzfvkwMI1客戶流失的類型為了避免由客戶流失造成的損失，必須找出那些有流失危險(xiǎn)和最有價(jià)值的客戶，并開(kāi)展客戶保留活動(dòng)。3） 客戶為什么流失？哪些因素造成了客戶的流失，客戶流失的重要原因是什么?？蛻袅魇Х治鍪且钥蛻舻臍v史通話行為數(shù)據(jù)、客戶的基礎(chǔ)信息、客戶擁有的產(chǎn)品信息為基礎(chǔ)，通過(guò)適當(dāng)?shù)臄?shù)據(jù)挖掘手段，綜合考慮流失的特點(diǎn)和與之相關(guān)的多種因素，從中發(fā)現(xiàn)與流失密切相關(guān)的特征，在此基礎(chǔ)上建立可以在一定時(shí)間范圍內(nèi)預(yù)測(cè)用戶流失傾向的預(yù)測(cè)模型，為相關(guān)業(yè)務(wù)部門提供有流失傾向的用戶名單和這些用戶的行為特征，以便相關(guān)部門制定恰當(dāng)?shù)臓I(yíng)銷策略，采取針對(duì)性措施，開(kāi)展客戶挽留工作。這將對(duì)銀行經(jīng)營(yíng)和效益產(chǎn)生極大的影響。xHAQX74J0X信用風(fēng)險(xiǎn)分析傳統(tǒng)的風(fēng)險(xiǎn)管理已無(wú)法有效控制跨區(qū)域、跨部門、跨行業(yè)的多種風(fēng)險(xiǎn)，利用科學(xué)的數(shù)據(jù)分析系統(tǒng)提高欺詐的防范，降低信用風(fēng)險(xiǎn)尤為重要。jLBHrnAILg降低索賠保險(xiǎn)公司都希望減少索賠的數(shù)量。有了這些信息，他們可以更快地凍結(jié)帳戶或采取其它必要的手段。對(duì)于銀行業(yè)的公司來(lái)說(shuō)，欺詐活動(dòng)頻繁發(fā)生的一個(gè)領(lǐng)域是自動(dòng)取款機(jī)ATM）。從客戶的交易數(shù)據(jù)和客戶的自然屬性中尋找、選擇最有可能捆綁在一起銷售的產(chǎn)品和服務(wù)，發(fā)現(xiàn)有價(jià)值的產(chǎn)品和服務(wù)組合，從而有效地向客戶提供額外的服務(wù)，提高活期收入并提升客戶的收益率。 DXDiTa9E3d交叉銷售在客戶關(guān)系管理中，交叉銷售是一種有助于形成客戶對(duì)企業(yè)忠誠(chéng)關(guān)系的重要工具，有助于企業(yè)避開(kāi)“擠奶式”的飽和競(jìng)爭(zhēng)市場(chǎng)。為了留住最有價(jià)值的客戶，您需要開(kāi)展有效的保留活動(dòng)。SPSS預(yù)測(cè)分析技術(shù)能夠適應(yīng)用于各種金融服務(wù)，采用實(shí)時(shí)的預(yù)測(cè)分析技術(shù)，分析來(lái)自各種不同數(shù)據(jù)源－來(lái)自ATM、交易網(wǎng)站、呼叫中心以及相關(guān)分支機(jī)構(gòu)的客戶數(shù)據(jù)。 b5E2RGbCAP客戶細(xì)分―使客戶收益最大化的同時(shí)最大程度降低風(fēng)險(xiǎn) 市場(chǎng)全球化和購(gòu)并浪潮使市場(chǎng)競(jìng)爭(zhēng)日趨激烈，新的管理需求迫切要求金融機(jī)構(gòu)實(shí)現(xiàn)業(yè)務(wù)革新。在這樣一種復(fù)雜、激烈的競(jìng)爭(zhēng)環(huán)境下，如何才能吸引、增加并保持最好的客戶呢？數(shù)據(jù)挖掘Data Mining，DM）是指從大量不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、有用的信息和知識(shí)的過(guò)程。金融業(yè)正在快速發(fā)生變化。合并、收購(gòu)和相關(guān)法規(guī)的變化帶來(lái)了空前的機(jī)會(huì)，也為金融用戶提供了更多的選擇。其表現(xiàn)形式為概念Concepts）、規(guī)則(Rules、模式(Patterns等形式。為在激烈的競(jìng)爭(zhēng)中脫穎而出，業(yè)界領(lǐng)先的金融服務(wù)機(jī)構(gòu)正紛紛采用成熟的統(tǒng)計(jì)分析和數(shù)據(jù)挖掘技術(shù)，來(lái)獲取有價(jià)值的客戶，提高利潤(rùn)率。采用各種分析技術(shù)，發(fā)現(xiàn)數(shù)據(jù)中的潛在價(jià)值，使?fàn)I銷活動(dòng)更具有針對(duì)性，提高營(yíng)銷活動(dòng)的市場(chǎng)回應(yīng)率，使?fàn)I銷費(fèi)用優(yōu)化配置。然而，首先您需要找出最有價(jià)值的客戶，理解他們的行為。由于客戶從企業(yè)那里獲得更多的產(chǎn)品和服務(wù)，客戶與企業(yè)的接觸點(diǎn)也就越多，企業(yè)就越有機(jī)會(huì)更深入地了解客戶的偏好和購(gòu)買行為，因此，企業(yè)提高滿足客戶需求的能力就比競(jìng)爭(zhēng)對(duì)手更有效。 RTCrpUDGiT欺詐監(jiān)測(cè)通過(guò)偵測(cè)欺詐、減少欺詐來(lái)降低成本。數(shù)據(jù)挖掘幫助公司預(yù)測(cè)欺詐性的ATM交易。 5PCzVD7HxA開(kāi)發(fā)新客戶金融機(jī)構(gòu)可以使用數(shù)據(jù)挖掘技術(shù)提高市場(chǎng)活動(dòng)的有效性。可以使用聚類分析，根據(jù)現(xiàn)有客戶的特征檔案來(lái)找出哪些客戶更有可能提出索賠請(qǐng)求。客戶科學(xué)評(píng)估造成風(fēng)險(xiǎn)的因素，有效規(guī)避風(fēng)險(xiǎn)，建立完善的風(fēng)險(xiǎn)防范機(jī)制。除了提高服務(wù)質(zhì)量，銀行要加強(qiáng)營(yíng)銷活動(dòng)，保留優(yōu)質(zhì)客戶，首先面臨的第一個(gè)問(wèn)題就是，誰(shuí)可能流失？應(yīng)該針對(duì)哪些客戶進(jìn)行客戶保留活動(dòng)？針對(duì)所有的客戶開(kāi)展保留活動(dòng)，成本太大。 Zzz6ZB2Ltk客戶流失需要解決的問(wèn)題1）哪些現(xiàn)有客戶可能流失？客戶流失的可能性預(yù)測(cè)。主要對(duì)引起客戶流失的諸因素進(jìn)行預(yù)測(cè)和分析?？蛻袅魇КF(xiàn)象可以分為以下三種情況：1）公司內(nèi)客戶轉(zhuǎn)移：客戶轉(zhuǎn)移至本公司的不同業(yè)務(wù)。這是由于金融服務(wù)商在客戶開(kāi)發(fā)的過(guò)程中忽視了客戶質(zhì)量造成的。這可能是客戶對(duì)公司的業(yè)務(wù)和服務(wù)不滿意，也可能是客戶僅僅想嘗試一下別家公司提供而本公司未提供的新業(yè)務(wù)。在客戶流失分析中有兩個(gè)核心變量：財(cái)務(wù)原因/非財(cái)務(wù)原因，主動(dòng)流失/被動(dòng)流失。研究哪些客戶即將流失，是一個(gè)分類問(wèn)題。Clementine提供關(guān)聯(lián)分析方法，可以發(fā)現(xiàn)怎樣的規(guī)則導(dǎo)致客戶流失。在預(yù)測(cè)客戶流失時(shí)一個(gè)很重要的問(wèn)題是流失的時(shí)間問(wèn)題，即一個(gè)客戶即將要流失，那么它可能什么時(shí)候會(huì)流失。分析客戶流失對(duì)客戶自身的影響時(shí)，主要可以考慮客戶的流失成本和客戶流失的受益分析。這方面內(nèi)容豐富，需作具體分析。在預(yù)測(cè)出有較大流失可能性的客戶后，分析該客戶流失對(duì)公司的影響。總之在利用數(shù)據(jù)挖掘研究客戶流失問(wèn)題時(shí)，需要明確并深入理解業(yè)務(wù)目標(biāo)，在明確的業(yè)務(wù)目標(biāo)的基礎(chǔ)上準(zhǔn)備數(shù)據(jù)、建模、模型評(píng)估，最后將模型部署到企業(yè)中。在營(yíng)銷策略方面，ZBANK給它的房貸新客戶許多的優(yōu)惠措施如免費(fèi)的電器和家具優(yōu)惠券），因此它獲得客戶的初始成本相對(duì)要高于競(jìng)爭(zhēng)對(duì)手。1）商業(yè)理解預(yù)測(cè)現(xiàn)有用戶中哪些客戶在未來(lái)六個(gè)月中可能流失以及對(duì)哪些流失客戶采取保留措施。其中客戶流失狀態(tài)有三種屬性：1）被動(dòng)流失；2）主動(dòng)流失，這是分析中特別關(guān)注的一類客戶；3）未流失。在開(kāi)發(fā)這個(gè)應(yīng)用之前，ZBANK將所有現(xiàn)有的客戶歸到上述的三個(gè)類別中。b 數(shù)據(jù)描述及圖表分析在數(shù)據(jù)理解中，可以利用描述及可視化來(lái)幫助探索模式、趨勢(shì)和關(guān)系。：數(shù)據(jù)理解的數(shù)據(jù)流圖。 6ewMyirQFL將可視化的結(jié)果與目標(biāo)變量聯(lián)系起來(lái)，可以看出客戶流失狀態(tài)包含在不同的圖表中。 kavU42VRUs那些在一定標(biāo)準(zhǔn)由用戶定義）之下的聯(lián)系則不包括在圖中例如在被動(dòng)流失和選中的一些輸入變量之間）。而聚類4中包含的是較年長(zhǎng)平均要比1中大5歲），%已婚，年收入較低平均要比1中低4000美元）的男性。：兩步聚類的部分結(jié)果 本例使用關(guān)聯(lián)分析來(lái)制訂規(guī)則，尋找輸入變量和目標(biāo)變量間的關(guān)系。同樣，第三條規(guī)則表明有198名%的）房貸客戶的活期賬戶余額超過(guò)1017美元，%是主動(dòng)流失的。 M2ub6vSTnP通過(guò)分裂節(jié)點(diǎn)，給數(shù)據(jù)集添加一個(gè)新的標(biāo)志屬性。： 此外，最終要的5個(gè)輸入變量是按照重要性降序排列）：活期賬戶余額、客戶孩子數(shù)目、儲(chǔ)蓄賬戶余額、投資賬戶余額和客戶婚姻狀況。提升表中繪制的是累積提升值與樣本百分比的關(guān)系在這里是構(gòu)造/培訓(xùn)樣本）。由于每個(gè)預(yù)測(cè)模型都能以有效精度預(yù)測(cè)目標(biāo)變量起碼對(duì)于現(xiàn)有客戶和非現(xiàn)有客戶之間的關(guān)系），因此我們可以說(shuō)它們都是有效的。所以，不僅要在訓(xùn)練樣本中比較兩個(gè)模型的表現(xiàn)，也要在訓(xùn)練/測(cè)試樣本中進(jìn)行比較，而后者更加重要。 GMsIasNXkA要注意的是，客戶流失狀態(tài)滯后輸入變量六個(gè)月。使用數(shù)據(jù)挖掘的決策樹(shù)模型可以用來(lái)對(duì)現(xiàn)有客戶和新的房貸申請(qǐng)者進(jìn)行評(píng)級(jí)。并且可以很好的集成到銀行現(xiàn)有的其他業(yè)務(wù)系統(tǒng)中。：模型部署的數(shù)據(jù)流圖 7EqZcWLZNX隨著金融市場(chǎng)逐步開(kāi)放，商業(yè)銀行和保險(xiǎn)公司面臨著巨大的壓力和挑戰(zhàn)。lzq7IGf02E客戶細(xì)分的概念客戶細(xì)分的概念是美國(guó)市場(chǎng)學(xué)家溫德?tīng)?史密斯(Wendeii 于20世紀(jì)50年代中期提出來(lái)的。通過(guò)客戶細(xì)分，企業(yè)可以更好地識(shí)別不同客戶群體對(duì)企業(yè)的價(jià)值及其需求，以此指導(dǎo)企業(yè)的客戶關(guān)系管理，達(dá)到吸引合適客戶，保持客戶，建立客戶忠誠(chéng)的目的。因此可以根據(jù)這種差異來(lái)區(qū)分不同的客戶，客戶需求的異質(zhì)性是進(jìn)行客戶細(xì)分的內(nèi)在依據(jù)。根據(jù)消費(fèi)檔次假說(shuō)，消費(fèi)者的消費(fèi)檔次或消費(fèi)習(xí)慣在一段時(shí)期內(nèi)是相對(duì)穩(wěn)定的，這就為通過(guò)消費(fèi)行為來(lái)劃分消費(fèi)群體提供了理論前提和基礎(chǔ)。(4 穩(wěn)定性。一個(gè)好的細(xì)分模型，首先是要滿足細(xì)分深度的要求，不同的使用者對(duì)客戶細(xì)分的深度也有不同的要求，這就要求模型劃分的結(jié)果能滿足不同使用者的需要?；谙M(fèi)者消費(fèi)行為的客戶細(xì)分模型研究，主要是以消費(fèi)者的購(gòu)買頻率、消費(fèi)金額等為細(xì)分變量，如RFM 模型和客戶價(jià)值矩陣模型。研究發(fā)現(xiàn)，R值越大、F值越大的客戶越有可能與企業(yè)達(dá)成新的交易，M越大的客戶越有可能再次響應(yīng)企業(yè)的產(chǎn)品和服務(wù)。在客戶價(jià)值矩陣中，確定購(gòu)買次數(shù)F和平均購(gòu)買額A的基準(zhǔn)是各自的平均值，一旦確定了坐標(biāo)軸的劃分，客戶就被定位在客戶價(jià)值矩陣的某一象限區(qū)間內(nèi)。：客戶價(jià)值矩陣 客戶細(xì)分并沒(méi)有統(tǒng)一的模式，企業(yè)往往根據(jù)自身的需要進(jìn)行客戶細(xì)分，研究目的不同，用于客戶細(xì)分的方法也不同。清楚地了解客戶也是對(duì)每個(gè)客戶組采取有針對(duì)性措施的基礎(chǔ)。當(dāng)這些條件變得越來(lái)越復(fù)雜時(shí)，數(shù)據(jù)挖掘技術(shù)就應(yīng)運(yùn)而生了。第二步：選擇市場(chǎng)細(xì)分變量。為創(chuàng)建數(shù)據(jù)模型，必須使用收集到的原始數(shù)據(jù)，并將其轉(zhuǎn)換成數(shù)據(jù)模型所支持的格式。人口統(tǒng)計(jì)數(shù)據(jù)(如年齡、性別、工作等可根據(jù)客戶辦理業(yè)務(wù)時(shí)，提供給金融機(jī)構(gòu)的信息獲得。常用的聚類算法有Kmeans、兩步聚類、Kohonen網(wǎng)絡(luò)等，可以根據(jù)不同的數(shù)據(jù)情況和需要選擇不同聚類算法來(lái)進(jìn)行客戶細(xì)分。第六步：應(yīng)用細(xì)分模型。不同級(jí)別的客戶對(duì)服務(wù)的需求以及“贏”的概念是不同的，正是因?yàn)闉椴煌目蛻籼峁┎煌漠a(chǎn)品和服務(wù)才能使客戶都達(dá)到滿意，從而在市場(chǎng)上占據(jù)有利地位。這種方法運(yùn)算速度快，適合于大數(shù)據(jù)量。3）Kohonen網(wǎng)絡(luò)聚類法：是運(yùn)用神經(jīng)網(wǎng)絡(luò)的方法對(duì)數(shù)據(jù)進(jìn)行細(xì)分的數(shù)據(jù)挖掘方法。數(shù)據(jù)挖掘中典型的細(xì)分應(yīng)用要么是使用有監(jiān)督學(xué)習(xí)方法，要么是使用非監(jiān)督學(xué)習(xí)方法來(lái)進(jìn)行Chung和Gray，1999）。每個(gè)類別的成員享有相似的特征，并且與其它的類別之間的特征是截然不同的。其后，自然可以利用這些從客戶中得到的特征剖面來(lái)定制其市場(chǎng)營(yíng)銷戰(zhàn)略來(lái)給其潛在的客戶提供更多目標(biāo)性的信息。關(guān)于投資賬戶余額的歸箱組成了我們感興趣的投資價(jià)值目標(biāo)變量。進(jìn)而，高價(jià)值投資組合客戶的特征就由這些變量來(lái)決定。在這種情形下，不需要設(shè)定目標(biāo)變量。：兩步聚類分析結(jié)果 。更進(jìn)一步的數(shù)據(jù)探索是建立在兩步聚類結(jié)果上，通過(guò)利用我們所關(guān)心的變量的直方圖或是分布圖等圖形化展示手段來(lái)比較五個(gè)類別的結(jié)果。對(duì)于其他的分類輸入變量來(lái)講可以繪出相似的分布圖。我們可以看到，第1類包含了相對(duì)其它幾類更多的低投資賬戶的客戶。 AVktR43bpw在當(dāng)今競(jìng)爭(zhēng)激烈的金融市場(chǎng)上，一方面，客戶每天通過(guò)短信、電話、郵件、電子郵件、網(wǎng)站廣告等方式會(huì)接觸到大量的金融業(yè)務(wù)廣告，缺乏針對(duì)性和足夠吸引力的營(yíng)銷活動(dòng)往往會(huì)被客戶直接忽略。事實(shí)上，不合適的促銷活動(dòng)和過(guò)多的促銷活動(dòng)只會(huì)導(dǎo)致用戶對(duì)公司的不滿意度增加。數(shù)據(jù)挖掘中的營(yíng)銷響應(yīng)分析可以幫助達(dá)到提高營(yíng)銷活動(dòng)回報(bào)率的目標(biāo)。而對(duì)響應(yīng)度不高的客戶就不用對(duì)他們進(jìn)行營(yíng)銷活動(dòng)，從而減少活動(dòng)成本，提高投資回報(bào)率。要開(kāi)展這樣的營(yíng)銷活動(dòng)，首先需要回答以下幾個(gè)問(wèn)題： ? gIiSpiue7A 如何開(kāi)展?fàn)I銷活動(dòng)?金融機(jī)構(gòu)在數(shù)據(jù)挖掘技術(shù)的幫助下，針對(duì)客戶數(shù)據(jù)建立營(yíng)銷響應(yīng)模型，在合適的時(shí)間，通過(guò)合適的渠道，以一種合適的接觸頻率，對(duì)合適的客戶開(kāi)展活動(dòng)，從而提高營(yíng)銷活動(dòng)的響應(yīng)率和投資回報(bào)率。通過(guò)選擇合適的客戶，可以排除對(duì)促銷活動(dòng)響應(yīng)不積極的客戶，將目標(biāo)客戶的數(shù)量大大減小，從而在實(shí)現(xiàn)更有針對(duì)性地營(yíng)銷的同時(shí)減小營(yíng)銷成本。在確定促銷渠道時(shí)，要考慮客戶對(duì)渠道的偏愛(ài)，渠道成本，期望的響應(yīng)率，其他營(yíng)銷限制條件等。4選擇合適的活動(dòng)頻率此外，并不是促銷活動(dòng)越多，效果越好?？蛻糇陨淼钠脤?duì)于營(yíng)銷活動(dòng)的頻率確定也至關(guān)重要，比如，對(duì)于不喜歡過(guò)于頻繁的接到促銷電話的客戶，就要適量降低電話促銷的頻率。從中選取響應(yīng)率高的客戶開(kāi)展新產(chǎn)品營(yíng)銷活動(dòng)。所選取的數(shù)據(jù)屬性包括：用戶編號(hào)、年齡、收入、孩子數(shù)目、是否有汽車、是否抵押、居住區(qū)域、性別、婚姻狀況、在該銀行是否有儲(chǔ)蓄賬戶、在該銀行是否有活期賬戶、是否對(duì)促銷活動(dòng)響應(yīng)等12個(gè)字段。：數(shù)據(jù) 首先采用直方圖，散點(diǎn)圖等工具對(duì)數(shù)據(jù)之間的關(guān)系進(jìn)行初步探索。 asfpsfpi4k而在這些客戶中，大部分是對(duì)直接營(yíng)銷活動(dòng)進(jìn)行響應(yīng)的客戶。：孩子數(shù)目的分布圖 3）數(shù)據(jù)準(zhǔn)備根據(jù)數(shù)據(jù)理解的結(jié)果準(zhǔn)備建模需要的數(shù)據(jù)，包括數(shù)據(jù)選擇、新屬性的派生，數(shù)據(jù)合并等。然后對(duì)測(cè)試集分別應(yīng)用這三個(gè)模型，選取效果最好的模型部署到企業(yè)中。響應(yīng)的客戶有如下特點(diǎn)：有孩子，相對(duì)收入大于49997元；或者有孩子，有車，居住在郊區(qū)，在該銀行開(kāi)有儲(chǔ)蓄賬戶，相對(duì)收入大于25563元；或者是