论文部分内容阅读
从企业的角度来看,证券公司客户的价值按时间轴体系来分类包括当前价值和潜在价值:1、当前价值即证劵公司提供各种服务给客户而收取的费用所带来的利润收入;2、潜在价值既证劵公司未来某一时间点客户可能带来的货币价值的现值,这一点是客观存在且无法即时可得的,证劵公司通过挖掘是可以获得的。有时候,潜在价值也被称为成长价值,它随着时间的变化其客户价值也相应的变化。因此证券公司对其客户价值进行评价和计算是必须的。但往往客户价值不是轻易就能计算得出的,原因在于很多客户信息包括客户交易记录,客户交易频率,客户交易类别,客户背景特点,客户风险喜好以及客户违规等信息往往分散于证券公司不同的业务系统中,比如证券公司保证金管理系统、客户关系管理(CRM)系统和网上证券交易系统等。不同的系统由于建设的时间不同,对于各种数据的来源、格式和处理方式也不尽相同,因此客户信息大都分散于零散的业务系统中,证券公司可以利用数据挖掘技术对相对分散的信息整合并建立统一的数据库,以此进行综合全面的发现并分析客户价值。本文主要工作如下:结合客户生命周期理论和客户关系价值理论,分析了在生命周期的不同阶段客户的不同价值,在此理论基础上设计了中信证券(浙江)有限责任公司的客户价值评价模型和客户类别体系。以时间节点为由,评价模型考量两大指标,当前和潜在(未来)价值。细分其两大指标,当前价值评价包括对毛利润、购买量和服务成本三个方面带来的价值分别进行评价;潜在价值评价包括客户粘度、产品深度和信用度三个方面分别进行评价。而证券公司客户聚类分析采用k-均值聚类算法,将分散于证劵公司各业务系统中的客户信息进行数据挖掘整合以找到客户的共性来作为客户分类的原则。在此基础上再利用决策树分类模型,对客户资源基于不同的价值重新定义分为16大类,针对不同的客户群体特征,安排不同的团队及制定不同的营销策略以达到最大化挖掘客户价值。证券公司甚至可以在客户分类后,由模式分析结果去预测哪些人可能成为其未来客户,以帮助市场人员有针对性的开发客户。本文主要贡献在于,理论和实际相结合论证了数据挖掘技术可以帮助证券公司从新的角度加强管理并提高整体综合盈利水平。以开山股份(300257.SZ)公司为例,在客户价值预测模型和分类模型上进行了实证论证,通过实际计算的价值结果与模型预测的结果相比较,其模型的预测能力与实际计算的结果十分接近,证明了本文中对中信证券进行客户价值分析有一定的参考价值。结果表明,基于数据模型化的客户分类为证券公司在发展管理客户关系方面提供了一个科学有效的分析模式,为证券公司决策提供了可靠的理论和实际依据。