【正文】 當(dāng)前迭代為 3。 感謝家鄉(xiāng)的父母，感謝他們給我精神上和生活上的關(guān)懷和鼓勵(lì)，正是因?yàn)楦改傅年P(guān)愛(ài)和支持，使我更加努力一步一步走下去并不斷奮斗。 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(shū)館， 2020 2． 陳宏凱 .基于 BI的商業(yè)銀行個(gè)人客戶(hù)分類(lèi)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(shū)館， 2020 、張維然：《中外商業(yè)銀行收入結(jié)構(gòu)比較研究》，載《國(guó)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(hù)關(guān)系管理中的客戶(hù)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(shū)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(hù)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(hù)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(shū)館， 2020 .商業(yè)銀行客戶(hù)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(wèn)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(hù)細(xì)分中的應(yīng)用 .開(kāi)發(fā)應(yīng)用 .2020（ 25）： 3133 .面向金融客戶(hù)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(shū)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 the world of ebusiness (pp. 219–225), Wiley, Toronto (2020). 22 致謝 在此論文寫(xiě)作完成之時(shí)，謹(jǐn)以真誠(chéng)之心，真摯之情感謝華中農(nóng)業(yè)大學(xué)，感謝母校四年來(lái)的諄諄教誨。例如：銀行的發(fā)展戰(zhàn)略和客戶(hù)關(guān)系管理策略，客戶(hù)的分布是否均勻，客戶(hù)數(shù)據(jù)是否能滿(mǎn)足模型所需的全部信息等。聚類(lèi)分析等技術(shù)的成功運(yùn)用必將有力地推動(dòng)客戶(hù)關(guān)系管理的發(fā)展。 通過(guò)變量的聚類(lèi)可以選取大量客戶(hù)數(shù)據(jù)變量中的最典型的幾個(gè)變量作為細(xì)分的變量。 (見(jiàn)圖 6) 表 Cluster Center 聚類(lèi) 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(duì)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(lèi)指標(biāo)。 根據(jù) 1,2,3 類(lèi)中心的 x2,x3,x4 大小，可以把這三類(lèi)分別年輕收入較低群信用一般群，中年高收入信用較差群體和年齡較大的中等收入信用較好群。 ，即對(duì)客戶(hù)聚類(lèi)得出的數(shù)據(jù)挖掘結(jié)果即：對(duì)個(gè)案的結(jié)果解釋和評(píng)價(jià)與 Kmean 算法中聚類(lèi)結(jié)果類(lèi)似，即聚類(lèi)后客戶(hù)被分為指定個(gè)數(shù)的群體，每個(gè)群體中包含的客戶(hù)數(shù)和客戶(hù)相應(yīng)的編號(hào)； 對(duì)變量聚類(lèi)得出的結(jié)果即：變量聚為一類(lèi)其近似矩陣中行相似度系數(shù)最大為，然后聚為一類(lèi)，其近似矩陣中行相似度系數(shù)第二大為 ，然后 x2 與x3 的類(lèi)與 x1 和 x4 的類(lèi)合并，形成一個(gè)二階類(lèi)，這個(gè)類(lèi)最后與 x5 聚類(lèi)為一個(gè)類(lèi)。 15 (上圖 )圖 Cluster Analysis Box （上圖）圖 of System Cluster Analysis 16 層次聚類(lèi)算法的數(shù)據(jù)挖掘結(jié)果 5 所示： （上圖）圖 Cluster Diagram 結(jié)果，如圖 6 所示 （上圖）圖 Cluster Diagram 17 在得出 5 個(gè)變量的相似矩陣后，對(duì)近似矩陣做均值分析，可以確定這 5 個(gè)變量中的最典型變量，即均差值最大的變量。 （ 2） 選擇工具欄中“分析”項(xiàng)，再選“分類(lèi)”中的“系統(tǒng)聚類(lèi)”。 12 (上圖 )圖 Input and Variable Set Up 13 （上圖）圖 均值聚類(lèi)分析選項(xiàng)框 of Kmean Cluster Kmean 算法的數(shù)據(jù)挖掘的結(jié)果 Kmean 算法數(shù)據(jù)挖掘結(jié)果如下表 4 所示， 其中包括初始聚類(lèi)中心，迭代歷史記錄，每個(gè)聚類(lèi)中的案例說(shuō)和 K=3 時(shí)的聚類(lèi)成員。將選取的 20 名客戶(hù) 5 個(gè)指標(biāo)的數(shù)據(jù)輸入 SPSS統(tǒng)計(jì)軟件，將客戶(hù)編號(hào)項(xiàng)設(shè)置為名義量，“性別”，“年齡”，“年收入”，“信用”，“主要購(gòu)買(mǎi)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。 自頂向下的策略與凝聚的層次聚類(lèi)相反，它首先將所有對(duì)象置于一個(gè)簇中，然后逐 漸細(xì)分為越來(lái)越小的簇，直到每個(gè)對(duì)象自成一簇，或都達(dá)到了某個(gè)終結(jié)條件，例如達(dá)到了某個(gè)希望的簇?cái)?shù)目，或者兩個(gè)最近的簇之間的距離超過(guò)了某個(gè)閾值。這個(gè)過(guò)程不斷重復(fù)，直到準(zhǔn)則函數(shù)收斂。其中包括快速聚類(lèi)分析法 (Kmean Cluster Analysis) 和層次聚類(lèi)分析法（ Hierarchical Cluster Analysis）。分類(lèi)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(lèi)別之中。聚集 (Clustering)，是對(duì)記錄分組，把相似的記錄放在一個(gè)聚集里。本文選取預(yù)處理后客戶(hù)數(shù)據(jù)如表 2所示： 表 Date 特征分類(lèi) 人口特征 行為特征 心理特征 客戶(hù)編號(hào) 性別 年齡 年收入（ K） 信用信息是否 列入黑名單 主要購(gòu)買(mǎi)方式 興趣愛(ài)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。 （ 2）按客戶(hù)各類(lèi)特征分類(lèi) ,如表 1 所示 : （環(huán)境細(xì)分，人口統(tǒng)計(jì)細(xì)分）：收入，工作年限，住房面積等； B. 行為因素的細(xì)分：購(gòu)買(mǎi)行為與反應(yīng)行為； C. 心理細(xì)分：生活方式細(xì)分 （活動(dòng)、興趣、評(píng)價(jià)），利益細(xì)分（尋求的利益）； 表 8 Tab1. Subdivision Correspondence with a variety of Factors 人口統(tǒng)計(jì)細(xì)分 行為細(xì)分 心理細(xì)分 生活方式細(xì)分 利益細(xì)分 維度特征 人口特征 行為特征 心理特征 心理特征 緯度內(nèi)涵 各種外部特征 購(gòu)買(mǎi)行為，反應(yīng)行為 活動(dòng) 興趣 評(píng)價(jià) 尋求的利益 細(xì)分依據(jù) 人口 需求 行為 行為 行為 態(tài)度 心理 行為 利益 心理 行為 方法論 事前細(xì)分 事前細(xì) 分 事后細(xì)分 細(xì)分目標(biāo) 了解市場(chǎng)結(jié)構(gòu)其他方法的補(bǔ)充 產(chǎn)品定位、定價(jià)決策、客戶(hù)關(guān)系管理 新產(chǎn)品引入策略，廣告策略及其他各種營(yíng)銷(xiāo)策略 （數(shù)據(jù)來(lái)源：劉英姿等，客戶(hù)細(xì)分方法研究綜述 ） 客戶(hù)數(shù)據(jù)的選擇和準(zhǔn)備 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。 銀行卡數(shù)據(jù)用于描述客戶(hù)所擁有的銀行借記卡、貸記卡的數(shù)目、卡號(hào)、卡內(nèi)余額、卡消費(fèi)余額、卡的各類(lèi)標(biāo)志等數(shù)據(jù)。 數(shù)據(jù)。 個(gè)人客戶(hù)身份信息包括：地區(qū)、姓名、性別、證件類(lèi)型、證件號(hào)碼、民族、出生日期、國(guó)籍、戶(hù)口所在地、婚姻狀況、文化程度、手機(jī)號(hào)、家庭電話(huà)、電予信箱、家庭地址、郵編、宅 電等。 （ 4）數(shù)據(jù)挖掘：使用合適的數(shù)據(jù)挖掘算法完成數(shù)據(jù)分析。在行為分組完成后，還要進(jìn)行客戶(hù)理解、客戶(hù)行為規(guī)律發(fā)現(xiàn)和客戶(hù)組之間的交叉分析；同時(shí)對(duì)客戶(hù)進(jìn)行細(xì)分，為客戶(hù)提供更多的個(gè)性化的服務(wù)，弄清客戶(hù)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(rùn)。以客戶(hù)所提供的市場(chǎng)反饋為基礎(chǔ)，通過(guò)數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)清潔與集中過(guò)程，將客戶(hù)對(duì)市場(chǎng)的反饋?zhàn)詣?dòng)地輸入到數(shù)據(jù)倉(cāng)庫(kù)中，從而進(jìn)行客戶(hù)行為跟蹤。分類(lèi)等技術(shù)能夠判斷具備哪些特性的客戶(hù)群體最容易流失，建立客戶(hù)流失預(yù)測(cè)模型。交叉營(yíng)銷(xiāo)指向已購(gòu)買(mǎi)商品的客戶(hù)推薦其它產(chǎn)品和服務(wù)。就是找出對(duì)企業(yè)具有 重要意義的客戶(hù)，重點(diǎn)客戶(hù)發(fā)現(xiàn)主要包括：發(fā)現(xiàn)有價(jià)值的潛在客戶(hù)；發(fā)現(xiàn)有更多的消費(fèi)需求的同一客戶(hù)；發(fā)現(xiàn)更多使用的同一種產(chǎn)品或服務(wù)；保持客戶(hù)的忠誠(chéng)度。分類(lèi)和聚類(lèi)等挖掘方法可以把大量的客戶(hù)分成不同的類(lèi)（群體），適合于用來(lái)進(jìn)行客戶(hù)細(xì)分。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(kù)記錄。 (Sequence Analysis) 序列模式分析同樣也是試圖找出數(shù)據(jù)之間的聯(lián)系。聚集和分類(lèi)的區(qū)別是聚集不依賴(lài)于預(yù)先定義好的類(lèi)，不需要訓(xùn)練集。 數(shù)據(jù)挖掘涉及的學(xué)科領(lǐng)域和方法很多，有人工智能、數(shù)據(jù)統(tǒng)計(jì)、可視化、并行計(jì)算等，數(shù)據(jù)挖掘有多種分類(lèi)方法： ，可分為分類(lèi)模型發(fā)現(xiàn)、聚類(lèi)、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列分析、偏差分析、數(shù)據(jù)可視化等。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(rùn)。也就是根據(jù)預(yù)定義的商業(yè)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示其中隱含的商業(yè)規(guī)律，并進(jìn)一步將其模型化的先進(jìn)有效技術(shù)過(guò)程。 (李桂琴 ,2020) 我們所熟悉的 2/8法則，在客戶(hù)關(guān)系管理中同樣適用，“ 20%的客戶(hù)為企業(yè)帶來(lái) 80%的利潤(rùn)”?？蛻?hù)關(guān)系管理解決方案著力于以產(chǎn)品和資源為基礎(chǔ)、以客戶(hù)為中心、以贏得市場(chǎng)并取得最大回報(bào)為目標(biāo)，通過(guò)信息的有效集成為基礎(chǔ)進(jìn)行的客戶(hù)快速反應(yīng)，給予客戶(hù)一對(duì)一、交互式的個(gè)性化服務(wù)，達(dá)到商業(yè)過(guò)程自動(dòng)化并改進(jìn)業(yè)務(wù)流程。客戶(hù)細(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(chǎng)的實(shí)際情況為基礎(chǔ)。 Haley則認(rèn)為在傳統(tǒng)市場(chǎng)細(xì)分中 ,地理區(qū)域、人口統(tǒng)計(jì)和銷(xiāo)量細(xì)分變量占據(jù)了統(tǒng)治地位。以客戶(hù)為視角的各種細(xì)分方法其基本的維度內(nèi)涵離不開(kāi)客戶(hù)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(hù)特征。通過(guò)對(duì)現(xiàn)有客戶(hù)的了解、分析，找出其特點(diǎn)，然后基于數(shù)據(jù)挖掘的證券業(yè)客戶(hù)關(guān)系管理中的客戶(hù)細(xì)分研究后可對(duì)一些可能的潛在客戶(hù)進(jìn)行接觸