基于聚類算法的金融客戶購買行為

文|滕毅 陳麗君 朱和勝

基于聚類算法的金融客戶購買行為

文|滕毅1陳麗君2朱和勝3

為了提高郵政金融網(wǎng)點(diǎn)的營銷能力，為營銷經(jīng)理提供精準(zhǔn)營銷的依據(jù)，本文采用數(shù)據(jù)挖掘的方法針對(duì)金融客戶的購買行為進(jìn)行分析，找出購買各類金融產(chǎn)品的客戶群體特征。本文對(duì)廣東郵政某金融網(wǎng)點(diǎn)的客戶數(shù)據(jù)進(jìn)行了采集并建立起統(tǒng)一視圖，然后采用K-means聚類算法對(duì)客戶數(shù)據(jù)進(jìn)行聚類分析，所選用聚類屬性是按照當(dāng)前客戶的各類金融產(chǎn)品的百分比進(jìn)行分析，并且將算法的結(jié)果結(jié)合客戶的基本屬性對(duì)所有金融客戶進(jìn)行細(xì)分，并針對(duì)某些共性的客戶進(jìn)行精準(zhǔn)的產(chǎn)品推薦。

入世之后，銀行業(yè)內(nèi)的競爭越來越激烈，如今銀行的核心競爭力已經(jīng)轉(zhuǎn)化為對(duì)優(yōu)質(zhì)客戶的競爭和搶奪。在新經(jīng)濟(jì)的規(guī)模和特征下，銀行業(yè)對(duì)數(shù)據(jù)中心及客戶分析的需求已經(jīng)形成。

興業(yè)銀行已經(jīng)通過對(duì)還款數(shù)據(jù)的分析比較區(qū)分優(yōu)質(zhì)客戶，根據(jù)客戶還款數(shù)額的差別，提供差異化的金融產(chǎn)品和服務(wù)方式。以興業(yè)證券為例，通過盈利率數(shù)據(jù)分析對(duì)客戶進(jìn)行分類，分析出適合開發(fā)或營銷的目標(biāo)客戶群，市場團(tuán)隊(duì)根據(jù)分析結(jié)果采取針對(duì)性策略拓展客戶，成功率提高30% 以上。

2012 年，平安旗下各專業(yè)公司將陸續(xù)正式加入央行征信系統(tǒng)。征信系統(tǒng)的核心在于數(shù)據(jù)采集，數(shù)據(jù)樣本越大，規(guī)律性更強(qiáng)，價(jià)值也更大。平安集團(tuán)有7400 萬客戶，這些個(gè)人信息數(shù)據(jù)累積起來，對(duì)于平安創(chuàng)新互聯(lián)網(wǎng)金融，將起到關(guān)鍵的作用。

當(dāng)前郵政代理金融客戶中，3.6%的客戶占了80.5%的資產(chǎn)，7.6%的客戶占用了17%的資產(chǎn)，88.8%的客戶占用了2.5%的總資產(chǎn)。如果忽略不同資產(chǎn)類型帶來的收益率的不同，3.6%的客戶為郵政代理金融收入的80.5%。然而，我們目前針對(duì)這80.5%的客戶只有兩個(gè)細(xì)分群體，就是金卡客戶和鉆石客戶，且該細(xì)分群體除了資產(chǎn)級(jí)別之外，不帶有任何關(guān)于客戶個(gè)人喜好、行為等的分群，這顯然對(duì)于我們維護(hù)客戶關(guān)系是存在很大弊病的。

客戶細(xì)分是了解客戶進(jìn)行市場細(xì)分和目標(biāo)市場營銷的前提。準(zhǔn)確的細(xì)分市場和差異化營銷策略是目前企業(yè)市場營銷所必須面臨的難題。數(shù)據(jù)挖掘的分類和聚類的方法都可應(yīng)用于客戶分群。本項(xiàng)目采用聚類方法指導(dǎo)客戶分群，為郵政金融市場營銷的客戶分群提供完整的解決方案，并以實(shí)際案例驗(yàn)證其可行性。

問題定義。本文某市某金融網(wǎng)點(diǎn)的客戶數(shù)據(jù)，根據(jù)客戶的基礎(chǔ)信息以及客戶金融產(chǎn)品購買情況進(jìn)行分析、聚類，并按照以網(wǎng)點(diǎn)為單位輸出當(dāng)前網(wǎng)點(diǎn)的營銷客戶列表并帶有客戶的偏好的屬性標(biāo)簽。

數(shù)據(jù)選擇。本文以當(dāng)前郵政廣州市某代理金融網(wǎng)點(diǎn)數(shù)據(jù)為例，進(jìn)行說明。根據(jù)所定義的問題，該問題涉及到客戶基礎(chǔ)表、產(chǎn)品表以及客戶產(chǎn)品關(guān)聯(lián)表。其中，客戶基礎(chǔ)表主要用來記錄客戶15個(gè)基礎(chǔ)屬性，分別為：客戶姓名、客戶號(hào)、身份證號(hào)、性別、年齡、籍貫、就業(yè)狀態(tài)、月收入、行業(yè)、崗位、學(xué)歷、單位性質(zhì)、客戶登記、客戶分類、累計(jì)積分。產(chǎn)品表主要包含產(chǎn)品的種類、名稱、明細(xì)、客戶收益以及企業(yè)收益等信息?？蛻舢a(chǎn)品關(guān)聯(lián)數(shù)據(jù)表，主要是將客戶與其所購買的代理金融產(chǎn)品相關(guān)聯(lián)，主要包含以下屬性：月份、客戶號(hào)、客戶姓名、類型、產(chǎn)品名稱、月末余額、月均余額。

聚類算法的實(shí)現(xiàn)。通過抽取的特征利用已有的數(shù)據(jù)聚類算法（K-means）對(duì)數(shù)據(jù)進(jìn)行分析，計(jì)算每個(gè)客戶之間的相似情況（距離），根據(jù)距離的大小將特征屬性相近的客戶劃分為一個(gè)群體，而將特征屬性相差較大的客戶劃分為不同的群體，從而得到不同目標(biāo)客戶群。這些目標(biāo)客戶群（簇）具有共同的特征屬性，而不同群間特征差異較大，通過客戶群的劃分后再結(jié)合客戶群的共性特征進(jìn)行數(shù)據(jù)分析，得到相應(yīng)客戶群體共性特征的數(shù)字化描述。K-means算法是一種典型的分割聚類算法，由于其算法的簡單性以及算法實(shí)現(xiàn)的簡便性，因此在數(shù)據(jù)挖掘中應(yīng)用最為廣泛。

本文采用聚類算法針對(duì)客戶數(shù)據(jù)進(jìn)行聚類分析，主要是針對(duì)客戶按照選定的聚類屬性進(jìn)行聚類。聚類算法的實(shí)現(xiàn)過程如下：1）選取K的取值（本文取值：12）;2) 選取初始質(zhì)心點(diǎn)，做為聚類的簇心;3）讀取第每條記錄，計(jì)算第二條記錄到簇心的距離，并將其歸于距離質(zhì)心最近的簇，然后再重新更新簇心。然后重復(fù)計(jì)算第三條記錄到最后一條記錄；4）然后重復(fù)步驟2，直至質(zhì)心不再變化。

聚類結(jié)果。分析聚類后的客戶分類，將具有相似屬性的簇進(jìn)行合并，最終歸并為7個(gè)簇，其中：

針對(duì)簇1的客戶，營銷人員可以重點(diǎn)進(jìn)行保險(xiǎn)、理財(cái)產(chǎn)品的銷售，這部分屬于高端客戶，且年齡在54歲左右，注重自身的報(bào)賬且具有一定的理財(cái)意識(shí)，是當(dāng)前該網(wǎng)點(diǎn)基金理財(cái)產(chǎn)品的購買主力。

簇2屬于老齡客戶，相對(duì)于其他的老齡客戶來說，這部分屬于高端老齡客戶。他們的資產(chǎn)相對(duì)較多，營銷人員如果有意想要引導(dǎo)他們購買理財(cái)?shù)脑?，建議分紅型的保險(xiǎn)是最合適的。

簇3屬于理性的高端客戶，一般儲(chǔ)戶，可以引導(dǎo)的購買一些理財(cái)和保險(xiǎn)，但難度相對(duì)來說較大。

簇4屬于當(dāng)前該網(wǎng)點(diǎn)保險(xiǎn)產(chǎn)品的主要購買力，但從數(shù)據(jù)上分析，購買保險(xiǎn)具有一定隨機(jī)性，即營銷人員“逮一個(gè)算一個(gè)”，且從年齡結(jié)構(gòu)上看，屬于偏年輕，主要分布在40～44歲。

簇5屬于50歲以上老人群體，主要偏向于儲(chǔ)蓄，但可以適當(dāng)?shù)耐扑]保險(xiǎn)。

簇6屬于資產(chǎn)在2w以下，主要集中于儲(chǔ)蓄，可引導(dǎo)的進(jìn)行理財(cái)，例如基金定投。

簇7主要是流失客戶。

針對(duì)以上七類客戶，本文統(tǒng)計(jì)其客戶區(qū)間分布，88.3%客戶主要分布在簇3, 4, 5, 6。高端人數(shù)較少（簇1,2），對(duì)網(wǎng)點(diǎn)日常營銷來說，建議網(wǎng)點(diǎn)針對(duì)簇3,4,5,6推出特定的營銷策略。在注重高端客戶的同時(shí)，重點(diǎn)開展對(duì)網(wǎng)點(diǎn)主力客戶的針對(duì)性營銷。

廣東省郵政目前正在針對(duì)客戶大數(shù)據(jù)進(jìn)行初步分析，已經(jīng)針對(duì)客戶購買的代理金融產(chǎn)品進(jìn)行數(shù)據(jù)預(yù)處理，根據(jù)客戶購買的產(chǎn)品的差別以及客戶為網(wǎng)點(diǎn)利潤的貢獻(xiàn)額度進(jìn)行綜合考慮，對(duì)郵政代理金融客戶進(jìn)行客戶細(xì)分，同時(shí)為客戶提供差異化的金融產(chǎn)品和服務(wù)方式。為了進(jìn)一步應(yīng)用大數(shù)據(jù)，我省郵件計(jì)劃將銀聯(lián)刷卡的數(shù)據(jù)與客戶進(jìn)行匹配，掌握客戶日常的消費(fèi)行為，同時(shí)挖掘潛在的大客戶。將客戶匹配到網(wǎng)點(diǎn)，將數(shù)據(jù)進(jìn)行下發(fā)，網(wǎng)點(diǎn)的營銷團(tuán)隊(duì)在分析數(shù)據(jù)的基礎(chǔ)上采取針對(duì)性的策略拓展客戶。

1.中國郵政集團(tuán)公司廣東省信息技術(shù)局;2.湖北中醫(yī)藥大學(xué)信息工程學(xué)院;3.中山大學(xué)移動(dòng)信息工程學(xué)院）