【正文】 字符串型客戶編號拖入“標(biāo)注個(gè)案”，分群選擇“個(gè)案”，輸出統(tǒng)計(jì)量和圖，如圖 3 所示，同時(shí)在方法選項(xiàng)中選擇聚類方法為組間聯(lián)接，度量標(biāo)準(zhǔn)選擇“區(qū)間”中的 Pearson 相關(guān)性，如圖 4 所示 。 （ 2） 選擇工具欄中“分析”項(xiàng)，再選“分類”中的“ K 均值聚類”，如圖 1所示 。通 常采用平方誤差準(zhǔn)則： 21 || icpki mpE i? ? ?? ?? 其中， E是數(shù)據(jù)庫中所有對象的平方誤差總和， p是空間中的點(diǎn)，表示給定的數(shù)據(jù)對象， mj是簇 Cj的平均值。而聚類是分析事物的內(nèi)在特點(diǎn)或規(guī)律，根據(jù)最大化類內(nèi)的相似性和最小化類間的相似性的原則，對事物進(jìn)行分組。對客戶數(shù)據(jù)進(jìn)行處理準(zhǔn)換數(shù)據(jù)挖掘所需格式，選取 其中 “人口特征”和“行為特征”中的“性別”，“年齡”，“年收入”，“信用信息是否列入黑名單”和“主要購買方式”這五項(xiàng)作為變量，并 將非數(shù)值類的變量進(jìn)行編碼，性別特 征中“ F”編碼為 1，“ M”編碼為 0；信用信息是否列入黑名單特征中“是”編碼為 1，“否”編碼為 0；主要購買方式中“借記卡”編碼為 1，“現(xiàn)金”編碼為 2，“網(wǎng)銀”編碼為 3。 中間 業(yè)務(wù)數(shù)據(jù)用于描述客戶在銀行進(jìn)行相關(guān)中間業(yè)務(wù)服務(wù)時(shí)產(chǎn)生的數(shù)據(jù)，包括基金的購買、本外幣理財(cái)產(chǎn)品的購買、保險(xiǎn)產(chǎn)品的購買等業(yè)務(wù)數(shù)據(jù)。 職業(yè)信息包括：職業(yè)、工作單位、單位類型、單位性質(zhì)、行政級別 (職務(wù) )、單位電話、單位地址、技術(shù)職稱等。 3 數(shù)據(jù)挖掘方法在銀行客戶細(xì)分中的應(yīng)用 數(shù)據(jù)挖掘的一般過程 （ 1）數(shù)據(jù)選擇：從現(xiàn)有數(shù)據(jù)中，選擇相關(guān)的數(shù)據(jù)確定哪些數(shù)據(jù)與本次數(shù)據(jù)分析相關(guān)的。從而幫助企業(yè)對有流失風(fēng)險(xiǎn)的顧客提前采取相應(yīng)營銷措施。根據(jù) 80/20（即 20%的客戶貢獻(xiàn)80%的銷售額）以及開發(fā)新客戶的費(fèi)用是保留老客戶費(fèi)用的 5倍等營銷原則，重點(diǎn)客戶發(fā)現(xiàn)在客戶關(guān)系管理中具有舉足輕重的作用。 ,可粗略地分為：機(jī)器學(xué)習(xí)方法、統(tǒng)計(jì)方法、神經(jīng)網(wǎng)絡(luò)方法、決策樹、可視化、最近鄰技術(shù)等。 (Description and Visualization) 數(shù)據(jù) 可視化嚴(yán)格地講不是一個(gè)單獨(dú)的數(shù)據(jù)挖掘任務(wù)，它被用來支持其他挖掘任務(wù)。但所有企業(yè)面臨的一個(gè)共同問題是：企業(yè)數(shù)據(jù)量非常大，而其中真正有價(jià)值的信息卻很少，因此從大量的數(shù)據(jù)中經(jīng)過深層分析，獲得有利于商業(yè)運(yùn)作、提高競爭力的信息，就像從礦石中淘金一樣，數(shù)據(jù)挖掘也因此而得名。不同客戶對銀行的貢獻(xiàn)程度不同，銀行需要區(qū)分不同客戶的價(jià)值，發(fā)現(xiàn)哪些客戶可以源源不斷地為企業(yè)創(chuàng)造價(jià)值和利益。 銀行客戶細(xì)分在客戶關(guān)系管理中的意義 客戶關(guān)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。 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。通過客戶關(guān)系管理為營銷人員提供客戶價(jià)值信息，發(fā)現(xiàn)哪些客戶能為企業(yè)帶來價(jià)值和怎樣使這種價(jià)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(wù)，從而提高客戶的忠誠度和企業(yè)的市場競爭力。本文利用 文獻(xiàn)研究法 ， 定量分析法 ， 定性分析法 等方法對相關(guān)理論和方法進(jìn)行闡述并進(jìn)行具體實(shí)踐。他們加強(qiáng)同客戶的忠誠關(guān)系，把客戶當(dāng)作一項(xiàng)資產(chǎn)來管理和開發(fā)。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(jià)值更高、哪些客戶的資信程度更高、客戶群有哪些特征等復(fù)雜分析需求。所以，更加科學(xué)有效的客戶關(guān)系管理和客戶細(xì)分，不僅能為企業(yè)帶來便捷，針對目標(biāo)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。文章闡明客戶細(xì)分的重要意義和作用，介紹 了數(shù)據(jù)挖掘的算法和客戶細(xì)分的方法，選取人口特征和行為特征的相關(guān)變量分別采用 Kmean算法和層次聚類法對銀行客戶進(jìn)行數(shù)據(jù)挖掘，得出個(gè)案的聚類結(jié)果和變量的聚類結(jié)果，并將數(shù)據(jù)挖掘結(jié)果轉(zhuǎn)換成具有實(shí)用價(jià)值知識，最后將結(jié)果轉(zhuǎn)換成客戶細(xì)分方式和營銷策略，為銀行決策提供支持。 本文通過對銀行客戶細(xì)分的問題由來進(jìn)行闡述，并對研究文獻(xiàn)進(jìn)行綜述，結(jié)合數(shù)據(jù)挖掘算法進(jìn)行銀行客戶細(xì)分。 同時(shí)，隨著信息技術(shù)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(guān)系階段，這無疑是對資源的浪費(fèi)，更是對企業(yè)發(fā)展的嚴(yán)重阻礙。在對客戶進(jìn)行細(xì)分時(shí)，一般也采取傳統(tǒng)的方法，如：基于經(jīng)驗(yàn)的分類方法或基于統(tǒng)計(jì)的簡單劃分方法，這些方法一般根據(jù)決策者的經(jīng)驗(yàn)或是根據(jù)客戶簡單的屬性特征，對客戶進(jìn)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(cái)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。 國外商業(yè)銀行在管理和技術(shù)上都有著豐富的經(jīng)驗(yàn)，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(shù)，建立獨(dú)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(shè)計(jì)和服務(wù)。為以后企業(yè)在決策方面提供了科學(xué)的算法和方法，并能運(yùn)用到實(shí)際中去。 從理論角度看，客戶關(guān)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。以客戶為視角的各種細(xì)分方法其基本的維度內(nèi)涵離不開客戶的三個(gè)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?？蛻艏?xì)分方法的選擇要以進(jìn)行細(xì)分的目的、企業(yè)以及市場的實(shí)際情況為基礎(chǔ)。 (李桂琴 ,2020) 我們所熟悉的 2/8法則，在客戶關(guān)系管理中同樣適用，“ 20%的客戶為企業(yè)帶來 80%的利潤”。分析這些數(shù)據(jù)也不再是單純?yōu)榱搜芯康男枰?，更主要是為商業(yè)決策提供真正有價(jià)值的信息，進(jìn)而獲得利潤。聚集和分類的區(qū)別是聚集不依賴于預(yù)先定義好的類，不需要訓(xùn)練集。如果是異常行為，則提示預(yù)防措施：如果是正常的變化，那么就需要更新數(shù)據(jù)庫記錄。就是找出對企業(yè)具有 重要意義的客戶，重點(diǎn)客戶發(fā)現(xiàn)主要包括：發(fā)現(xiàn)有價(jià)值的潛在客戶；發(fā)現(xiàn)有更多的消費(fèi)需求的同一客戶；發(fā)現(xiàn)更多使用的同一種產(chǎn)品或服務(wù)；保持客戶的忠誠度。分類等技術(shù)能夠判斷具備哪些特性的客戶群體最容易流失，建立客戶流失預(yù)測模型。在行為分組完成后，還要進(jìn)行客戶理解、客戶行為規(guī)律發(fā)現(xiàn)和客戶組之間的交叉分析；同時(shí)對客戶進(jìn)行細(xì)分，為客戶提供更多的個(gè)性化的服務(wù)，弄清客戶流失原因，提前進(jìn)行預(yù)防，減少企 業(yè)損失，為企業(yè)創(chuàng)造更多的利潤。 個(gè)人客戶身份信息包括：地區(qū)、姓名、性別、證件類型、證件號碼、民族、出生日期、國籍、戶口所在地、婚姻狀況、文化程度、手機(jī)號、家庭電話、電予信箱、家庭地址、郵編、宅 電等。 銀行卡數(shù)據(jù)用于描述客戶所擁有的銀行借記卡、貸記卡的數(shù)目、卡號、卡內(nèi)余額、卡消費(fèi)余額、卡的各類標(biāo)志等數(shù)據(jù)。本文選取預(yù)處理后客戶數(shù)據(jù)如表 2所示： 表 Date 特征分類 人口特征 行為特征 心理特征 客戶編號 性別 年齡 年收入（ K） 信用信息是否 列入黑名單 主要購買方式 興趣愛好 1 F 35 40 否 借記卡 羽毛球 2 F 55 89 否 現(xiàn)金 網(wǎng)球 3 M 25 39 否 網(wǎng)銀 游泳 4 M 35 59 否 網(wǎng)銀 上網(wǎng) 5 M 40 61 是 借記卡 乒乓球 6 M 45 45 否 現(xiàn)金 羽毛球 9 7 F 40 32 否 現(xiàn)金 網(wǎng)球 8 M 42 44 否 借記卡 網(wǎng)球 9 M 43 40 否 網(wǎng)銀 羽毛球 10 F 38 60 否 借記卡 乒乓球 11 F 55 25 否 現(xiàn)金 網(wǎng)球 12 M 35 39 否 借記卡 網(wǎng)球 13 M 27 39 否 網(wǎng)銀 網(wǎng)球 14 F 43 40 是 借記卡 羽毛球 15 F 41 52 否 借記卡 網(wǎng)球 16 M 43 58 是 現(xiàn)金 游泳 17 F 29 70 否 網(wǎng)銀 羽毛球 18 F 39 61 是 借記卡 網(wǎng)球 19 M 55 52 否 現(xiàn)金 游泳 20 F 19 30 是 借記卡 網(wǎng)球 數(shù)據(jù)轉(zhuǎn)換 將“干凈”數(shù)據(jù)轉(zhuǎn)換成數(shù)據(jù)挖掘算法所需要的格式。分類是按照一定的標(biāo) 準(zhǔn)或規(guī)則，將事物歸屬到某個(gè)事先已知的類別之中。這個(gè)過程不斷重復(fù)，直到準(zhǔn)則函數(shù)收斂。將選取的 20 名客戶 5 個(gè)指標(biāo)的數(shù)據(jù)輸入 SPSS統(tǒng)計(jì)軟件，將客戶編號項(xiàng)設(shè)置為名義量，“性別”，“年齡”，“年收入”，“信用”，“主要購買方式”這 5 項(xiàng)指標(biāo)依次設(shè)置為 x1， x2， x3， x4， x5 這 5 個(gè)數(shù)值型變量。 （ 2） 選擇工具欄中“分析”項(xiàng)，再選“分類”中的“系統(tǒng)聚類”。 ，即對客戶聚類得出的數(shù)據(jù)挖掘結(jié)果即：對個(gè)案的結(jié)果解釋和評價(jià)與 Kmean 算法中聚類結(jié)果類似，即聚類后客戶被分為指定個(gè)數(shù)的群體，每個(gè)群體中包含的客戶數(shù)和客戶相應(yīng)的編號； 對變量聚類得出的結(jié)果即：變量聚為一類其近似矩陣中行相似度系數(shù)最大為，然后聚為一類，其近似矩陣中行相似度系數(shù)第二大為 ，然后 x2 與x3 的類與 x1 和 x4 的類合并，形成一個(gè)二階類，這個(gè)類最后與 x5 聚類為一個(gè)類。 (見圖 6) 表 Cluster Center 聚類 1 2 3 x1 x2 x3 x4 x5 19 表 Matrix 案例 矩陣文件輸入 x1 x2 x3 x4 x5 x1 .021 .077 .115 x2 .021 .245 x3 .077 .245 .048 .062 x4 .115 .048 x5 .062 同時(shí)，對變量近似矩陣的均值差值檢驗(yàn)，即單樣本 T 檢驗(yàn)的結(jié)果 (表 8)中，可以看出， x3 變量的均值差值最大，為 ，其次是 x2， x1， x4， x5；這、同時(shí)，根據(jù)差分的 95%置信區(qū)間的下限和上限，可以得出 5 個(gè)變量的均值差值都可信，并且可以把 x3 即年收入作為最典型的聚類指標(biāo)。聚類分析等技術(shù)的成功運(yùn)用必將有力地推動(dòng)客戶關(guān)系管理的發(fā)展。 21 參考文獻(xiàn) .論 CRM在現(xiàn)階段商業(yè)銀行的應(yīng)用 .[ 碩士學(xué)位論文 ].武漢：華中農(nóng)業(yè)大學(xué)圖書館， 2020 2． 陳宏凱 .基于 BI的商業(yè)銀行個(gè)人客戶分類研究及系統(tǒng)設(shè)計(jì) .[碩士學(xué)位 ]. 武漢：華中農(nóng)業(yè)大學(xué)圖書館， 2020 、張維然：《中外商業(yè)銀行收入結(jié)構(gòu)比較研究》，載《國際金融研究》，2020年第 12期 Peppard Customer Relationship Management(CRM)in Financial Services 2020(03) [期刊論文 ]金融論壇 2020(4) .段立娟 .王實(shí) 數(shù)據(jù)挖掘原理與算法 2020 .基于數(shù)據(jù)挖掘的證券業(yè)客戶關(guān)系管理中的客戶細(xì)分研究 .[碩士學(xué)位論文 ]. 武漢：華中農(nóng)業(yè)大學(xué)圖書館， 2020 ，王文琴， 莊燕濱 .基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)在 CRM 中的應(yīng)用研究 . 常州工學(xué)院學(xué)報(bào) .(4).23 ,William ,Life style concept and marketing ,Toward Scientific marketing [M] . Stephen Greyser , ed , Chicago :American Marketing Assn. ,1963 :130. ，吳昊 .客戶細(xì)分方法研究綜述 .管理工程學(xué)報(bào)， 2020,1： 5354 . Hosseini et al. Cluster analysis using data mining approach to develop CRM methodology to assess the customer Systems with Applications 37 (2020) 5259–5264 .數(shù)據(jù)挖掘在銀行個(gè)人優(yōu)質(zhì)客戶管理中的應(yīng)用研究 . [碩士學(xué)位論文 ]. 武漢：華中農(nóng)業(yè)大學(xué)圖書館， 2020 .商業(yè)銀行客戶細(xì)分模型的建立與應(yīng)用 .統(tǒng)計(jì)與決策 .2020(9):144 145 .顧客細(xì)分模型及實(shí)證研究 .財(cái)經(jīng)問題研究 .2020(7):8587 生，劉聰，劉遠(yuǎn)生 .數(shù)據(jù)挖掘技術(shù)在銀行客戶細(xì)分中的應(yīng)用 .開發(fā)應(yīng)用 .2020（ 25）： 3133 .面向金融客戶關(guān)系管理的數(shù)據(jù)挖掘方法研究 .[碩士學(xué)位論文 ]. 武漢：華中農(nóng)業(yè)大學(xué)圖書館， 2020 , 1996 J. Anton, Customer relationship management, PrenticeHall, New York, NY (1996). and Hoeck, 2020 J. Anton and M. Hoeck, Ebusiness customer service, The Anton Press, Santa Monica, CA (2020). et al., 2020 M. Baier, . Ruf and G. Chakraborty, Contemporary database marketing: Concepts and applications, Ra Communications, Evanston (2020). , 2020 . Brown, “The three Ws of technology”, customer relation ship management: A strategic imperative in