论文部分内容阅读
信用卡业务在我国的发展方兴未艾，竞争也日益激烈。商业银行正在转变着经营和服务的方式，这种转变需要准确了解客户的行为特征。数据挖掘技术能够从海量的信用卡业务数据中发现一些未知的、有价值的规律，无疑将会为银行的这种转变提供强有力的支持。
我国商业银行信用卡业务的一个重要业务特点就是拥有海量客户，在经历了快速业务发展的初期阶段以后，信用卡市场的增量市场日益萎缩，存量市场日益饱和，原来粗放的经营模式，急需向精细营销模式过渡，从以产品和服务为中心的运营方式，转换到以客户需求为中心的运营方式，其核心之一是要能够对海量客户群体进行细分研究，了解客户消费行为特征和差异，从而提供差异化的营销。本文主要针对数据挖掘技术在信用卡海量客户进行细分建模和分析的应用，做了一定的分析和研究。
传统的客户细分主要选取了性别、年龄、学历水平、职业、收入等人口统计学因素对客户进行细分，这种细分方法可以从不同角度了解其客户的特征分布情况，但由于细分方法的原因，很难为我们应用一些复杂的现代营销策略提供技术支持。现代的客户管理要求我们更加深入地研究消费者外在行为所蕴含的内在规律，这就要求我们建立更能体现消费者行为本质的细分模型。国外有一些消费者行为应用于客户细分方面的研究，像RFM模型、客户价值矩阵模型、基于客户忠诚的细分模型、HK分析法等，这些模型大多选择消费者消费的时间间隔、消费金额等细分变量来识别重点客户。笔者总结了以往客户细分方法的基础上对消费行为进行了研究，细分维度选择消费层次、消费频率、消费变动率三个方面的变量，这些变量很好的反映了消费行为的结果，并且克服了以往客户细分模型存在的细分维度不全面等弊端。在细分方法的选择上采用数据挖掘中的聚类分析，也突破了采用分类方法进行简单客户细分的局限性。以此作为建立客户细分模型的基础。
为了说明文中提出的客户细分模型，笔者采用信用卡消费者的刷卡消费数据作为建立模型的样本数据，并且采用数据挖掘技术。数据挖掘其实是一类深层次的数据分析方法，从大量的数据中经过深层分析，获得有利于商业运作、提高竞争力的信息就像从矿石中淘金一样。数据挖掘也以此而得名。因此，从商业角度来看，数据挖掘又可以描述为按企业既定业务目标，对大量的企业数据进行探索和分析揭示隐藏的、未知的或验证已知的规律性并进一步将其模型化的先进有效的方法。论文用于研究的刷卡消费样本数据超过30万条，样本容量很大且质量很高，具有较强的代表性，适用于进行数据挖掘。
论文中建立了月消费总金额、月消费变动率、月消费均额、月消费频率四个矩阵，来研究不同信用卡消费群体的消费层次、频率和波动情况。由于客观条件限制，最终选用SPSS统计软件包提供的快速聚类算法。模型构建过程中通过对数据进行多层次的聚类，挖掘出具有不同消费行为特征的持卡群体，以聚类划分出的不同特征作为模型细分维的单位，最终建立二维客户细分模型。
论文在理论上对客户细分的理论和数据挖掘技术及聚类算法进行论述，对细分的意义和依据进行了归纳。在实际建立模型的研究中，从消费层次、消费波动、消费频率三个方面对客户群体进行聚类研究，并根据挖掘出的不同消费行为模式作为划分客户群体的依据。全文共分六章，其具体内容如下：
第一章绪论。简述了信用卡客户细分的意义及文章的研究思路。
第二章客户细分理论。首先介绍了客户细分理论的客观基础和理论依据，对现有客户细分的标准进行归类。在对基于消费行为的五种主要的客户细分方法进行了分析的基础上初步提出了文章的建模思路并将其应用的银行卡领域。
第三章数据挖掘及聚类分析技术。对数据挖掘中聚类分析的相关理论进行了介绍，并对数据挖掘应用到商业银行中的必要性进行了分析。
第四章客户细分模型的建立。根据客户细分理论和数据挖掘技术介绍了构建客户细分模型的步骤。
第五章基于信用卡消费数据的实证分析。对某商业银行十二个月的刷卡消费数据进行处理，在模型的基础上进行了细分，得到客户的分类组成情况。
第六章总结与展望。总结了研究成果，并指出了当前研究的不足以及展望了将来的研究方向。