【導(dǎo)讀】芄荿蚇衿芃蒂葿螅節(jié)芁蚅螁芁莄薈聿芀蒆螃羅艿薈薆袁羋羋螁螇莈莀薄肆莇蒂螀莆薅薃袈蒞莄螈襖羈蕆蟻螀羈蕿袆聿羀艿蠆羅罿莁裊袁肈蒃蚇螇肇薆蒀肅肆芅蚆肁肆蒈葿羇肅薀螄袃肄芀薇蝿肅莂螂肈肂蒄薅羄膁薇螁袀膀芆薃螆膀莈蝿螞腿薁薂肀膈芀袇羆膇莃蝕袂膆蒅裊螈膅薇蚈肇芄芇蒁羃芄荿蚇衿芃蒂葿螅節(jié)芁蚅螁芁莄薈聿芀蒆螃羅艿薈薆袁羋羋螁螇莈莀薄肆莇蒂螀莆薅薃袈蒞莄螈襖羈蕆蟻螀羈蕿袆聿羀艿蠆羅罿莁裊袁肈蒃蚇螇肇薆蒀肅肆芅蚆肁肆蒈葿羇肅薀螄袃肄芀薇蝿肅莂螂肈肂蒄薅羄膁薇螁袀膀芆薃螆膀莈蝿螞腿薁薂肀膈芀袇羆膇莃蝕袂膆蒅裊螈膅薇蚈肇芄芇蒁羃芄荿蚇衿芃蒂葿螅節(jié)芁蚅螁芁莄薈聿芀蒆螃羅艿

　　

【正文】 大的商業(yè)價值，在金融領(lǐng)域也亦如此，中國的金融企業(yè)若想有所發(fā)展，就必須從“產(chǎn)品導(dǎo)向”的市場營銷經(jīng)營理念向“客戶導(dǎo)向”轉(zhuǎn)變。 對目標(biāo)市場的客戶 在分析市場的客戶時候，采用分類和聚類的方法，可以將目標(biāo)群里中的每個客戶進(jìn)行細(xì)分，通過他們數(shù)據(jù)本身所體現(xiàn)的特點(diǎn)將具有相似特點(diǎn)的客戶放在一個目標(biāo)群里，這樣將所有的客戶分成若干各組，這樣通過有效的聚類和協(xié)同過濾方法可以更高效的提高對不同客戶需求的分析，從而推動企業(yè)的營銷成效。 對客戶價值的分析 在做這項(xiàng)分析行為之前，我們一般要選擇分類客戶，然后根據(jù)“二八原則”，從中找到我們所需要的重點(diǎn)客戶（這里所提到的重點(diǎn)客戶，是指為銀行創(chuàng)造了八成價值中的客戶中的兩成的客戶） ，對這些重點(diǎn)客戶我們要實(shí) 行最為優(yōu)質(zhì)的服務(wù)，創(chuàng)造我們的效益，對于如何 這些重點(diǎn)客戶 這一難題，我們一般使用諸如系統(tǒng)數(shù)據(jù)處理、 AI 等數(shù)據(jù)統(tǒng)計分析技術(shù)來實(shí)現(xiàn)。通過一些重點(diǎn)指標(biāo)來分析出客戶的忠誠度，以及找到這些客戶的共同需求，從而對這些具有相似特征的客戶進(jìn)行有效地彌補(bǔ)。 第四章 多元統(tǒng)計對客戶投資的細(xì)分 14 對客戶行為的分析 通過找到的重點(diǎn)客戶，我們能夠發(fā)現(xiàn)客戶的行為偏好，從而根據(jù)他們的需要為他們定制專屬的特色服務(wù)，從而提高客戶對企業(yè)的忠誠度，對不同群組之間的客戶進(jìn)行交叉分析后，我們可以發(fā)現(xiàn)客戶群體間的變化規(guī)律，并且通過對數(shù)據(jù)庫的進(jìn)一步分析和統(tǒng)計，我們會將最具代表性的數(shù) 據(jù)放到我們的數(shù)據(jù)庫中，從而讓企業(yè)配合我們得到的數(shù)據(jù)結(jié)論，制定更加符合企業(yè)發(fā)展的市場策略。 對業(yè)務(wù)關(guān)聯(lián)分析 在大量的客戶信息數(shù)據(jù)面前，我們可以對客戶平時的個人素質(zhì)、教育水平、工作性質(zhì)、家庭收入、家庭支出、消費(fèi)習(xí)慣等行為進(jìn)行充分的分析，找出客戶的潛在需求，同時通過這些結(jié)論，我們可以更好地發(fā)展一些中間業(yè)務(wù)，在更好地為客戶服務(wù)的同時，進(jìn)一步發(fā)展我們自己的企業(yè)。 基于多元統(tǒng)計的數(shù)據(jù)處理流程 首先進(jìn)行前期的準(zhǔn)備工作，包括數(shù)據(jù)信息的收集和預(yù)處理，收集就是搜索與工作對象有關(guān)的數(shù)據(jù)信息，并且從中 選出最具代表性的資料以便通過分析得出最具代表性的答案， 預(yù)處理就是進(jìn)一步篩選信息，提高數(shù)據(jù)的整體質(zhì)量，為接下來的分析做到充分的準(zhǔn)備，確定要使用的統(tǒng)計操作類型。然后進(jìn)行分析階段，將篩選出來的數(shù)據(jù)輸入計算機(jī)，運(yùn)用 SPSS 軟件使計算機(jī)進(jìn)行自主分析，并且能進(jìn)一步完善數(shù)據(jù)，最后是得出結(jié)論，對所得出的結(jié)果進(jìn)行解釋和評估，根據(jù)得到的結(jié)果進(jìn)行相應(yīng)的分析，并且制定相應(yīng)的計劃。 數(shù)據(jù)的采集和與處理過程 本篇論文通過對天津市當(dāng)?shù)貛准一鸸尽⒆C券公司、銀行、以及期貨公司中所掌握的部分重點(diǎn)客戶信息的收集對其進(jìn)行預(yù)處理，然 后運(yùn)用 SPSS 軟件 對相關(guān)數(shù)據(jù)進(jìn)行深入挖掘分析，主要運(yùn)用相關(guān)性分析，以及聚類分析對數(shù)據(jù)進(jìn)行深入采集，為了便于數(shù)據(jù)的定量處理，進(jìn)行的編碼化，相關(guān)的數(shù)據(jù)維度以及編碼含義如下表所示： 第四章 多元統(tǒng)計對客戶投資的細(xì)分 15 表 41 天津市金融投資客戶數(shù)據(jù)樣本維度及相關(guān)代碼 性別的代替數(shù)值 男 1 女 2 投資額代替數(shù)值 5W以下 1 5W10W 2 10W20W 3 20W以上 4 投資品種 基金 1 股票 2 期貨 3 銀行理財產(chǎn)品 4 儲蓄 5 工作職業(yè) 學(xué)生 1 教師 2 車企員工 3 銀行 4 公務(wù)員 5 醫(yī)生 6 外企 7 金融投資 8 退休 9 其他 0 圖 41 各項(xiàng)數(shù)據(jù)的無綱量化表示 第四章 多元統(tǒng)計對客戶投資的細(xì)分 16 圖 42 各個數(shù)據(jù)的變量數(shù)據(jù)維度項(xiàng) 金融投資數(shù)據(jù)的統(tǒng)計和分析 性別、年齡和投資額的 統(tǒng)計 分析 （ 1）性別、年齡和投資額的相關(guān)性分析 表 41 各數(shù)據(jù)的代替數(shù)值 性別的代替數(shù)值 男 1 女 2 投資額代替數(shù)值 5W以下 1 5W10W 2 10W20W 3 20W以上 4 注： 由于年齡使用的是具體數(shù)值而不是范圍，這里不在需要用數(shù)值代替。 表 42 性別、年齡與投資額的相關(guān)性分析 性別 年齡 投資額 性別 Pearson 相關(guān)性 1 .052 .037 顯著性（雙側(cè)） .082 .211 N 1127 1127 1127 年齡 Pearson 相關(guān)性 .052 1 .573** 顯著性（雙側(cè)） .082 .000 N 1127 1127 1127 投資額 Pearson 相關(guān)性 .037 .573** 1 顯著性（雙側(cè)） .211 .000 N 1127 1127 1127 **. 在 .01 水平（雙側(cè)）上顯著相關(guān)。 由圖 45我們可以看出，性別與投資額的相關(guān)性為 ,而年齡和投資額的相關(guān)性高達(dá) ， 這說明，性別、年齡與投資額成顯著相關(guān)關(guān)系，他們之間存在著相關(guān)性。 第四章 多元統(tǒng)計對客戶投資的細(xì)分 17 （ 2）性別、年齡和投資額的二步聚類分析 圖 43 性別年齡和投資額的二步聚類分析 從圖 43以看出 性別、年齡和投資額這三個維度，輸入特征是 3而通過復(fù)式 4說明要把所分析的數(shù)據(jù)分為 4類的情況是最好的，所以在 K均值類分析我們將其分為 4類。 （ 3）性別、年齡和投資額的 K 均值聚類 表 43 性別、年齡與投資額的最終聚類中心 聚類 1 2 3 4 性別 1 1 1 1 年齡 59 48 37 26 投資額 3 3 3 2 表 44 每個聚類中的案例數(shù) 聚類 1 2 3 4 有效 缺失 .000 由表 43和表 44的聚類結(jié)果可以知道 ，根據(jù)計算機(jī)所得出的結(jié)論，在 1127個有效數(shù)據(jù)中，第一類為 59歲左右的男性投資 額在 10W20W之間，第二類為 48歲左右的男性，投資額在 10W20W之間，第三類為 37歲左右的男性投資額同樣為 1020W之間，第四類為年齡在 26歲左右的男性投資額為 5W10W。 第四章 多元統(tǒng)計對客戶投資的細(xì)分 18 年齡、職業(yè)對投資額的 統(tǒng)計 分析 表 45 各數(shù)據(jù)的代替數(shù)值 職業(yè) 學(xué)生 1 教師 2 車企員工 3 銀行 4 公務(wù)員 5 醫(yī)生 6 外企 7 金融投資 8 退休 9 其他 0 投資額 5W以下 1 5W10W 2 10W20W 3 20W以上 4 注： 由于 年齡使用的是具體數(shù)值而不是范圍，這里不在需要用數(shù)值代替。 （ 1）年齡、職業(yè)和投資額的相關(guān)性分析 表 46 職業(yè)、年齡與投資額的相關(guān)性分析 職業(yè) 年齡 投資額 職業(yè) Pearson 相關(guān)性 1 .523** .413** 顯著性（雙側(cè)） .000 .000 N 1126 1126 1126 年齡 Pearson 相關(guān)性 .523** 1 .573** 顯著性（雙側(cè)） .000 .000 N 1126 1127 1127 投資額 Pearson 相關(guān)性 .413** .573** 1 顯著性（雙側(cè)） .000 .000 N 1126 1127 1127 **. 在 .01 水平（雙側(cè)）上顯著相關(guān)。 由此圖我們可以看出， 職業(yè)、年齡與投資額的相關(guān)性為 年齡和職業(yè)這個連個維度對投資額有絕對的相關(guān)性存在其中。 第四章 多元統(tǒng)計對客戶投資的細(xì)分 19 （ 2）年齡、職業(yè)和投資額的二步聚類分析 圖 44 職業(yè)年齡和投資額的二步聚類分析 由圖 44中的兩步聚類，計算機(jī)顯示此聚類分析輸入特征為 3應(yīng)分成 4類最為有效，即提示我們將在 K均值聚類分析的過程中把所分析的數(shù)據(jù)設(shè)定為 4類。 （ 3）年齡、職業(yè)和投資額的 K均值的聚類分析 表 47 年齡、職業(yè)和投資額的最終聚類中心 聚類 1 2 3 4 年齡 46 58 36 26 3 2 職業(yè) 6 7 5 投資額 3 3 3 表 48 每個聚類中的案例數(shù) 聚類 1 2 3 4 有效 缺失 由表 47和表 48可知，在年齡、職業(yè)和投資額這三個維度做 K均值聚類分析的時得出結(jié)論，第一類投資額在 20W 第四章 多元統(tǒng)計對客戶投資的細(xì)分 20 年齡、性別和投資品種的統(tǒng)計分析 表 49 各數(shù)據(jù)的代替數(shù)值 性別 男 0 女 1 投資品種的代替數(shù)值 基金 1 股票 2 期貨 3 銀行理財產(chǎn)品 4 儲蓄 5 注： 由于年齡使用的是具體數(shù)值而不是范圍，這里不在需要用數(shù)值代替。 （ 1） 年齡、性別和投資品種的相關(guān)性分析 表 410 性別、年 齡與投資品種相關(guān)性分析 性別 年齡 投資品種 性別 Pearson 相關(guān)性 1 .052 .183** 顯著性（雙側(cè)） .082 .000 N 1127 1127 1127 年齡 Pearson 相關(guān)性 .052 1 .139** 顯著性（雙側(cè)） .082 .000 N 1127 1127 1127 投資 品種 Pearson 相關(guān)性 .183** .139** 1 顯著性（雙側(cè)） .000 .000