信用卡客户分类与营销策略研究
来源:用户上传
作者:
[摘要]大数据时代的到来给我们的生活带来了巨大的变化，随着信用卡业务需求和支付场景的增多，银行投入越来越多的资源进行信用卡支付建设，但由于需求的逐渐饱和，各银行之间的竞争也越来越激烈。为了进一步获取更多的市场份额，吸引更多更忠诚的客户，银行业的精准营销理念被提出并实施发展起来。利用科技手段精准地发现客户、识别客户、维护良好的客户关系成为获胜的关键因素。研究了客户关系管理、客户细分及精准营销的相关理论，实现了数据的处理过程，基于RFM模型、k-means算法构建了符合业务需求的客户价值分类模型。将客户分为四个不同的群体，针对不同的群体采取不同的营销措施，进行差异化管理，最终达到精准营销的目的，节约营销资源和成本。
[关键词]信用卡;客戶分类;数据分析;营销策略
[中图分类号]F274
[文献标识码]A
1 引言
当前，中国银行业正慢慢向零售银行转型，而作为“零售”的核心业务及其具备的便捷、安全的优点，信用卡业务成为了国内外银行竞争的重点。由于国外的信用卡业务起源早，其发展已近趋于成熟。他们具备庞大的规模、雄厚的资金、高质量的资产以及丰富的经营经验和多元化的产品及服务，因此，国内银行与外资银行在同一市场内竞争给我国银行的信用卡业务带来了巨大的挑战。除此之外，国内各银行之间的产品同质化现象比较普遍也使得竞争日益激烈。各银行为了在众多发卡机构中脱颖而出，大力推广信用卡业务，但这种“跑马占地”式的营销忽视了持卡实际效用，造成了大量“空卡”、“睡眠卡”的存在，增大了信用卡的风险。
为积极应对挑战、促进我国信用卡业务持续健康发展，国内各银行积极借鉴国外银行的成功经验，利用大数据、人工智能等先进科技手段发现客户、识别客户，将银行现有的海量客户数据信息进行整理、归纳和清洗，把客户划分成不同的群体，进行差异化管理，实现精准营销。合理的客户分类是改善企业与客户关系的重要因素，有利于企业有效分配资源，加强与客户的联系，增加竞争优势。这种精准营销模式不但充分有效地利用了银行的资源，对行业研究也具有一定的借鉴意义。
2 相关工作
国内外一些大型商业银行研究了数据挖掘在信用卡分类上的应用，借助对数据内容的预测分析，研究其数据模式，挖掘出客户的消费行为习惯，有效把握金融市场的变化，做出合理的规避金融风险的决策。研究学者Verhoef等在研究中指出，应当以客户价值为标准，对客户区分分类，关注潜力价值高的客户，但不表示是这些客户一定是忠诚客户。Hwang等通过三个目前价值、潜在价值与客户忠诚度三个要素，分析了衡量客户价值的标准，对客户进行了详细划分。綦欣德研究指出国内学术界对客户细分的研究结果相对比较类似，对客户消费记录进行分析，不能很好地动态追踪客户的需求变化。赵萌等研究团购网站客户价值，考虑了客户评价行为的影响，在RFM模型基础上，有机结合代表性的分析模型，对客户价值不同内涵的进行分类，以数据结果为依据，为企业决策提供支持。李静等分析了航空公司记录的客户消费行为，提出了新的客户细分方法，该方法是以航空公司的运营特点为基础维度构建的，细分客户群体，综合评估客户的价值，针对性的为不同客户群体给出了有效的、不同类别的营销方案。
3 理论研究
3.1 客户关系管理
客户关系管理指的是各企业在现实的发展过程中，结合市场竞争力、市场营销需求衍生出的一种企业管理模式，同时也是现阶段企业经营与发展过程中的一个重要的管理内容。
3.2 客户细分
客户细分这一理论是现代营销学发展到一定程度的产物。它最初是由研究学者温德尔·史密斯提出，客户可以被划分成不同的类型，并且不同类型的客户其具体的需求也存在差异，需要依据客户特征、需求、行为、价值等因素来对客户进行不同类型的划分，来满足客户的差异化、个性化需求。
3.3 精准营销
精准营销在2005全球巡回演讲论坛被现代营销实践大师Philip Kotler教授初次提出。精准营销是以科学管理为基础，消费者洞察作为手段，并以精细操作为特征，对目标市场实行精准的且有效的出击，从而整体性、结构性解决市场问题的方式。
4 模型构建与应用
本文通过数据挖掘算法来对M银行的数据进行分析和客户进行分类。首先确定数据挖掘的功能，如分类预测、聚类分析、关联规则发现或时间序列模式的发现，接着根据数据挖掘的功能确定合适的算法。用肘方法来确定K-Means聚类的最佳K值，进过计算确定聚类数目的最佳K值为4。
根据变量瑕疵户，逾期，呆账，强制停卡，退票，拒往记录构建新变量历史行为，历史行为的值为以上五个变量的得分，其中变量值为1（是）的记为1分，变量值为2（否）的记为0分，将五个得分相加，其中瑕疵户最低辨别标准为迟缴，凡为瑕疵户的客户均存在过迟缴的现象，至于迟缴程度判断还有逾期等另外5个变量辅助。故将瑕疵户的权重赋为1，逾期的权重为2，呆账，强制停卡，退票和拒往记录权重为3，即为历史信用风险变量的值，值越大表明历史信用风险越高。历史信用风险值H=瑕疵户*1+逾期*2+呆账*3+强制停卡*3+退票*3+拒往记录*3。将家庭月收入M、个人月收入P、月刷卡额Y加入模型构建之中，比较其信用卡使用情况和还款能力。根据变量职业，年龄，住家，构建出新变量收入风险情况。将职业分为稳定，不稳定，无收入三种，其中管理职、专门职、技术职、事务职、劳务职、服务职作为稳定，销售职、农林渔牧自营、商工服务自营、自由业自营、经营者、家庭主妇（有兼副业）作为不稳定，家庭主妇（没有兼副业）、无职、其他作为无收入，分别记为0分，1分，2分。将年龄分为两种，其中5-19，20-24，作为不稳定情况，记为1分;其他作为稳定情况，记为0分。住家情况分为两种，一种为住房为自己所有，父母所有或者配偶所有，另一种为其他。其中第一种记为O分，第二种记为1分。将三个得分相加即为收入风险情况得分，值越大，表明收入风险越高。收入风险值R=职业+年龄+住家。在将选择的数据特征标准化之后，先用手肘法找出k-means最优聚类数为4，然后进行聚类。经过分析可以发现“0”类的客户最多，其他从多到少依次为“1”类、“3”类、“2”类。 根据业务需求，最终构建出H（历史风险）、R（收入风险）、P（个人月收入）、M（家庭月收入）、Y（月刷卡额）模型。
基于特征描述，本论文定义四个等级的客户：
第一级客户：“0类”客户，H（历史风险）较低，R（收入风险）较低，P（个人月收入）高，M（家庭月收入）高，虽然Y（月刷卡额）不高，但有较高的消费潜力和还款能力，可以进行差异化管理，提高满意度，促进這类客户的信用卡消费，增加客户黏性。
第二级客户：“2类”客户，H非常低，R、P、M、Y较低，此类客户使用信用卡较少，收入低但是稳定，历史风险极低说明信誉良好，可以作为潜在客户。
第三级客户：“1类”客户，H、R较高，P、M较低，Y（月刷卡额）比较高，此类客户的信用卡使用率虽高，但个人月收入和家庭月收入大大低于月刷卡额，可能工作不太稳定，所以历史风险和收入风险较高，还款能力差，坏账风险较大，建议做好后备方案。
第四级客户：“3类”客户，H较高，R、P、M、Y低，这类客户为公司带来的价值一般，收入低但是工作较为稳定，可能是在银行搞活动时才使用的信用卡，银行可以在成本合理的情况下安排一些促销活动。
综合FMI评价法和Calinski-harabasz指数评价法两种评价方法，本文聚类结果还是比较理想的。
5 营销策略建议
虽然信用卡支付业务在我国展开得非常火热，但现在银行业还存在着一些问题，需要进一步加强。许多银行实行了“客户至上、顾客第一”的准则，但从实际实施的情况来看，并不能完全符合客户管理的需求。因此，需要更新思想观念，银行业、信用卡管理部门应当深刻地认识到行业所属的服务性质，始终以客户为出发点、立足点，不断地优化产品设计和金融服务。同时，客户关系管理也可以看作是一项复杂的信息管理工程，应当持续加大银行信息化建设的投入力度，尤其在大数据时代，面对如何从海量数据中挖掘出蕴含的规律与价值，是取得领先优势的关键点之一。在以市场为导向的时代，对于细分市场领域，根据不同的需求提供差异化服务，这是一个精准营销的核心竞争力，千人前面，构建用户细分画像，根据不同的客户群体，提供个性化、差异化、精准化的业内服务，才能获取到细分客户的巨大的、长尾的潜在价值。
[参考文献]
[1l王娜.基于相关度关联分类算法的信用卡客户细分模型研究[D].浙江：浙江工商大学，2010.
[2]蔡建森.数据挖掘技术在银行信用卡业务中的应用[D].福建：厦门大学，2008.
[3] Verhoef，Donkers.Predicting customer potential value an application in theinsurance industry.Decision Support Systems，2001（32）.
[4] Hwang，Jung，Suh.An LTV model and customer segmentation basedon customer value：A case study on the wireless telecommunicationindustry[J].Expert Systems with Applications，2004（02）.
[5]綦欣德.客户细分方法新视解[J].商业时钱，2013（26）.
[6]赵萌，齐佳音.基于购买行为RFM及评论行为RFM模型的客户终身价值研究[J].统计与信息论坛，2014（09）.
[7]李静，朱金福。公务航空客户价值评价与客户细分方法[J].中国民航飞行学院学报，2015（27）.
转载注明来源:https://www.xzbu.com/1/view-15343192.htm
