基于相关分类算法的信用卡客户细分模型研究(pdf 65页).pdf

浙江工商大学 硕士学位论文 基于相关度关联分类算法的信用卡客户细分模型研究 姓名 王娜 申请学位级别 硕士 专业 管理科学与工程 指导教师 琚春华 20100101 基于相关度关联分类算法的信用卡客户细分模型研究 基于相关度关联分类算法的信用卡客户细分模型研究 摘要 随着信用卡市场竞争的加剧 客户多元化特征的呈现 国内银行 的运营模式已逐步向以客户为中心的国际模式转变 银行要保持市场 的领先地位就必须主动进行客户细分 传统的客户细分大多基于经验 或者简单的统计方法 无法满足日益增长的数据量以及业务发展的复 杂分析需求 而基于数据挖掘技术的分类方法的出现 为解决海量数 据下的复杂客户细分问题提供了新的解决方法 同时也为以信用卡客 户细分为基础的针对性营销提供了有效工具 本文在基于国内外相关研究的基础上 针对银行中所存在的大量 信用卡数据 采用关联分类算法对银行的信用卡客户数据进行挖掘 实现对客户的细分 进行针对性的营销 从而提高客户满意度和自身 的竞争价值 主要研究内容如下 第一 对关联分类算法进行了深入研究 尤其是对经典算法进行 了详细地分析 并进行了客观的比较 为本文提出的关联分类的改进 算法建立理论前提 第二 构建了面向信用卡客户细分的指标体系 通过研究客户在 信用卡使用过程中的消费行为 并考虑到用户的行为中所隐含的价 值 提出了从客户的个人特征 客户的消费行为和客户的终身价值这 基于相天鹰戈联分类算法的信用卡客户细分模型研究 三个维度进行全面分析 在此基础上构建了面向信用卡客户细分的指 标体系 以此作为客户细分的依据 第三 提出了基于相关度的关联分类算法A C B C 首先 采用相 关度C M 与贪婪算法相结合的方式 用相关度取代传统的置信度作为 规则质量的评估标准 在规则产生步骤直接删除不相关或弱相关的规 则 然后 采用规则优先度排序剪枝策略和数据库覆盖修剪策略相结 合的方法 从初始的分类规则集中选择适当的分类规则集合来构建分 类器 最后 使用分类器对测试数据集进行分类和预测 通过实验证 明 A C B C 算法具有较好的分类效果 减少了运算时间和存储空间的 占用 第四 提出了基于相关度关联分类算法的银行信用卡客户细分的 模型 A C S M 以银行客户数据为数据源 采用A C B C 算法为关键 技术 对频繁属性集和类标签之间的相关度进行计算 实现对信用卡 客户的细分 并根据分类结果提出了相应的营销模式和个性化营销手 段 关键词 信用卡 关联分类 相关度 客户细分 I I I II I I l l lI llI II I IIII 基于相关度关联分类算法的信用卡客户细分模型研究 Y 17 3 619 3 二 二二二 二 一 一 R E S E A R C HO NC I 冱D I TC A R D C U S T O M E R S E G M E N T A T I O NM O D E LB A S E DO N A S S O C I A T I V EC L A S S I F I C A T I O N A BS T R A C T A l o n gw i t hm o r ea n dm o r ec o m p e t i t i v ec r e d i tc a r dm a r k e ta n d d i v e r s i f i c a t i o no fc l i e n t m o s to ft h el o c a lb a n kh a s s t e p p e di n t ot h e i n t e r n a t i o n a lo p e r a t i o np a t t e r no f C l i e n t f i r s t C l i e n t m a n a g e m e n ti s b e i n gt h ef o c u sf o rc o m p e t i n ga n dd e v e l o p i n go ft h eb a n k B a n k sh a v et o t a k et h ei n i t i a t i v et oc o n d u c tc u s t o m e rs e g m e n t a t i o ni no r d e rt om a i n t a i n l e a d e r s h i pp o s i t i o na n de v e r i n c r e a s i n gi t sv a l u e M o s to ft h et r a d i t i o n a l c u s t o m e rs e g m e n t a t i o nb a s e do ne x p e r i e n c eo r s i m p l es t a t i s t i c a lm e t h o d s c a nn o tm e e tt h eg r o w i n gv o l u m eo f d a t a a sw e l la st h ec o m p l e xa n a l y s i s o ft h eb u s i n e s s T h ec l a s s i f i c a t i o nb a s e do nd a t ad i g g i n gm e t h o d sa p p e a r t ob ea san e wc u s t o m e rs e g m e n t a t i o ns o l u t i o nu n d e rm a s so f d a t a b u t a l s oa sa ne f f e c t i v et o o lf o rt a r g e t e d m a r k e t i n g A i ma tt h ee x i t sl a r g ed a t ao fc r e d i tc a r dd a t ai nt h eb a n k t h i sp a p e r w h i c hb a s e do nt h ep o p u l a ra n di n t e r n a t i o n a lr e s e a r c hu s ea na s s o c i a t i v e 基于相关度关联分类算江的信用异客户细分模型研究 c l a s s i f i c a t i o na l g o r i t h mt os e g m e n tt h ec r e d i tc a r dc u s t o m e r st oe n h a n c e c u s t o m e rs a t i s f a c t i o na n dt h e i ro w nt h ev a l u eo fc o m p e t i t i o nb ya c h i e v i n g t h em a r k e t i n go f t a r g e t e dc u s t o m e r s M a i nr e s e a r c h e sa r ea sf o l l o w s F i r s t l y a u t h o rd o e st h er e s e a r c ho na s s o c i a t i o nc l a s s i f i c a t i o nd e e p l y e s p e c i a l l yo nt h ec l a s s i ca l g o r i t h m w h i c hb u i l d st h et h e o r i e sp r e c o n d i t i o n f o rt h ei m p r o v e da s s o c i a t i o nc l a s s i f i c a t i o na l g o r i t h mp u tf o r w a r di nt h i s a r t i c l e S e c o n d l y c o n s t r u c tt h ei n d e xs y s t e m o fc r e d i tc a r dc u s t o m e r s s u b d i v i s i o n B ys t u d y i n gt h eb e h a v i o ro fc r e d i tc a r d su s i n g a n dt a k i n g i n t oa c c o u n tt h ei m p l i e dv a l u ea tt h es a m et i m e t h i st e x ts u g g e s t St o c o n d u c ta c o m p r e h e n s i v ea n a l y s i s f r o mt h ec u s t o m e r s p e r s o n a l c h a r a c t e r i s t i c s t h ec u s t o m e r sc o n s u m i n gb e h a v i o ra n dc u s t o m e rv a l u e a n a l y s i s O nt h a tb a s i s c o n s t r u c t f o rt h ei n d e xs y s t e mo fc r e d i tc a r d c u s t o m e r s a n da sa ne v i d e n c ef o rc u s t o m e rs e g m e n t a t i o n T h i r d l y p r o p o s eac o r r e l a t i o n b a s e da s s o c i a t i o na n dc l a s s i f i c a t i o n a l g o r i t h mA C B C A b o v ea l l u s i n go fC M w i t hac o m b i n a t i o no fg r e e d y a l g o r i t h m a n dc o n s i d e r i n gC M a sar u l eo fq u a l i t ya s s e s s m e n tc r i t e r i a i t 1 1d i r e c td e l e t e si r r e l e v a n to rw e a k l yr e l e v a n tr u l e sw h e nr u l e sc r e a t i o n s t a g e F i n a l l y t e s td a t as e t sa n df o r e c a s t sb yu s i n gt h ec l a s s i f i e r A s p r o v e db ye x p e f i m e n t s A C B Ca l g o r i t h m h a sr e s u l t e da sb e t t e r c l a s s i f i c a t i o na b i l i t y a n da l s or e d u c i n gc o m p u t a t i o nt i m ea n ds t o r a g e s p a c eo c c u p a n c y F o u r t h l y ac r e d i tc a r dc u s t o m e rs e g m e n t a t i o nm o d e li sp u tf o r w a r d i nt h ea r t i c l e w h i c hi sb a s e do n a s s o c i a t i o nc l a s s i f i c a t i o n a l g o r i t h m U s i n gA C B C Ma st h ec r i t i c a l t e c h n o l o g ya n du s i n gb a n kc u s t o m e r i n f o r m a t i o na sd a t as o u r c et om i n et h ea s s o c i a t i v er u l e sb e t w e e nt h e f r e q u e n tp r o p e r t ys e t sa n dc l a s sl a b e l T h i sm o d e lr e a l i z et h ef u n c t i o no f c r e d i tc a r dc u s t o m e rs e g m e n t a t i o n t h ec l a s s i f i c a t i o nr e s u I t sc a J lb u i l dt h e f o u n d a t i o nf o rp e r s o n a l i z e dm a r k e t i n g K E Y W O R D S c r e d i t c a r d s a s s o c i a t i v e c l a s s i f i c a t i o n c o r r e l a t i o n c u s t o m e rs e g m e n t a t i o n V 基于相关度关联分类舅法的信用卡客户细分模型研究 1 1 研究背景与意义 第1 章引言 1 1 1 课题背景 近年来 随着国内金融市场逐渐走向自由化与国际化 新兴金融商品不断引 入国内市场 尤其是信用卡业务已经深入到人们的日常经济生活中 成为各大银 行竞相发展的业务 加剧了银行之间的竞争 B e r y 与L i n o f t l 指出 在日趋激烈的 市场竞争中 越来越多的厂商逐渐体会到花下大笔的金钱与时间利用广告促销吸 引新顾客所能带来的利益 可能不如维持现有顾客的满意度与忠诚度而带来的收 益 因此 各大银行不断推出各种各样的营销策略 以赢得新客户和保持现有客 户 但银行过去都是 以账户为中心 进行客户管理 客户的信息得不到综合全 面的体现 因此银行的营销活动和对客户的管理常常没有获得预期的效果 在这 种情况下 只有建立以客户为中心的管理信息系统 通过对大量信息的分析 用 市场区隔技术将客户分群 使得各个群体具有相似的消费特征或人口统计特征 2 从而对不同的客户群开展有针对性的目标营销 传统的客户细分方法一般是根据决策者的经验 或者是根据客户简单的属性 特征统计对客户进行划分 对客户的评判仍停留在静止的 片面的 主观的水平 不能对客户做出动态的 全面的 客观的评价和准确 高效的选择 随着网络技 术的发展和计算机在银行的使用同益广泛 各种客户信息数据库不断建立 银行 将积累越来越多的客户数据 面对海量的数据 传统的客户细分方法更将显得力 不从心 数据挖掘技术的出现为解决海量数据下的复杂客户细分问题提供了新的解决 方法 为银行开展以信用卡客户细分为基础的针对性营销提供了有效工具 9 0 年 代中期出现的数据挖掘技术是一项以人工智能为基础的数据分析技术 其主要功 能是在大量数据中自动发现潜在的有用知识1 3 1 通过数据挖掘技术 在银行内部 丰富的客户资料和历史消费数据中挖掘潜在的有用信息 对信用卡客户进行市场 细分 将客户划分出一个可以识别的客户群类 并在此基础上进行金融产品创新 基于相关度关联分类算法的信用卡客户细分模型研究 实现提供差别化的服务来提高银行自身的市场竞争力 虽然国内外在数据挖掘方 面已取得了很多成功的经验 但目前常用于信用卡客户分类的挖掘算法仍停留在 决策树 神经网络等传统的数据挖掘算法的直接使用上 存在着一些不足之处 本文就是在这样的背景之下 以客户细分 数据挖掘 关联分类为理论基础 对关联分类算法及其在信用卡客户细分中的应用进行了探索性的研究 提出了基 于相关度的关联分类算法 A s s o c i a t i v eC l a s s i f i c a t i o nA l g o r i t h mb a s e d0 1 1c o r r e l a t i o n m e a s u r e 简称A C B C 并针对我国银行信用卡市场和有关现状 借鉴国内外市场 细分成功经验 研究并积极寻求有效的客户细分水平和科学的细分模型 以协助 银行更好地细分市场 细分客户 提高业务管理水平和银行卡获利能力 从而提 高自身综合竞争力 1 1 2 研究意义 本文旨在通过数据挖掘技术对信用卡客户数据的挖掘 实现准确 有效的客 户细分 为银行分析和进一步的数据挖掘等工作提供支撑 这在实践上可为客户 关系管理中客户细分问题的解决提供更多的方法选择 在理论上可以丰富银行信 用卡客户细分与数据挖掘领域的研究 具有一定的指导意义与应用价值 1 显著提升客户关系管理应用效果 信用卡业务的主要客户来自较高收人群体 该群体消费行为复杂多变 流动 性高 服务意识强烈 但在以往各家银行的信用卡业务实践中 银行方由于缺乏 对海量交易数据的深度挖掘 不能对客户进行有效地区分 只能宽泛地提供基础 应用及客户服务r 导致严重的同行竞争 使客户的满意度及忠诚度都比较低 数 据挖掘技术与C R M 的结合 可根据客户的消费行为或生活方式细分客户群 针对 每个客户群的不同特征 银行可以采取不同的措施来保留这些客户 做到有的放 矢 提高自身的竞争力 2 策略性地发展和管理商户 在一般情况下 银行只能凭借粗略的评估发展和管理商户 在银行卡业务中 引入数据挖掘后 可以根据对银行卡客户消费数据的分析 挖掘出客户的刷卡消 费习惯 有重点地发展符合客户刷卡消费习惯的商户 银行也可以分析商户特征 及其交易水平 衡量商户的贡献度 加强与重点商户的合作 关注重点商户的重 点客户的变化情况 优先将商户的促销信息 新产品信息通知相关持卡人 而商 2 摹于相关度关联分类算法的信用卡客户细分模型研究 户亦可以将其大客户介绍给银行 提供专门针对重点商户 重点持卡人的优惠服 务 从而优化用卡环境 加快银行和商户之间的联合 促进银行卡业务高速发展 3 准确有效地营销 目前 国内银行大多实施大众营销 拥有一批借记卡客户群体 要进一步提 高银行效益 就必须提高发卡质量 在借记卡客户群体中积极挖掘和发展贷记卡 客户群体 积极参与国际竞争 拓展国际卡客户群体 利用数据挖掘工具分析直 销数据以及风险和增益数据 自动发现用户群及其银行卡使用模式 找出有意义 的用户群 这些信息可以帮助市场部经理或企业主管提高促销活动的效果 策划 新的市场营销 数据挖掘技术也可通过对以往交易业务量和交易金额的分析 随 时把握业务发展近况 发现历史规律和趋势 分析客户消费特征 针对不同客户 群采取灵活 有效的促销手段 引导和刺激持卡人用卡消费 及时从卡类结构中 考察各卡种营销的成败 从商户结构中挖掘营销重点 发现工作盲点 1 2 国内外研究现状 1 2 1 信用卡客户细分的研究现状 目前在银行零售客户的细分研究中 研究的主要对象是信用卡 使用的分析 指标多采用人口统计指标 4 1 其基本假设是相似的人口统计特征和相似的生命周 期 将会有相似的购买或消费行为 然而这种假设是存在问题的1 5 l 一方面 现 代客户可以通过多种渠道获得他想要的服务 另一方面 很多客户的人口统计信 息属于私密性信息 受到法律保护 并且即使这些数据易于获得 但随着时间的 推移 客户的职业 收入 婚姻状态等信息会随着时间的推移而发生变化 而这 些变化很难及时反映到分析数据中 因此 仅使用人口统计特征进行客户的细分 是值得怀疑的 正是基于上述的问题 有些研究者又从其它角度对银行客户进行了细分研究 如康健等1 6 根据信用状况和贡献度对客户进分类 从而将银行客户分成 优质客 户 潜在客户 风险客户 普通客户 张裕渊 7 l 利用生活形态对网络银行客户进 行分类 将客户分成 创新追求与方便购买群 精打细算货比三家不吃亏群 生 活平淡与安分守己群 品牌与自我意识强烈群等 吴宗正1 8 等将消费者的生活工 作形态及其资产账户的使用行为作为分析指标 经聚类分析后得到保守群 稳健 3 基于相关度关联分类算法的信用卡客户细分模型研究 群 积极群 冲动群等四种不同类型的区隔 以辅助银行管理者根据各区隔的特 征配合本身的营运状况 选择合适的目标市场 安实等 9 从客户价值定量测度的 角度出发对信用卡客户进行了细分 纵观以上研究成果 从整体上来看 我国信用卡客户细分方法的研究在理论 和实践中取得了一定的成效 但是这些基于行为的研究同样存在资料难以收集和 数据质量难保的问题 毕竟这些研究中关于客户行为的调查资料搜寻需要大量的 人力和物力 而且准确度也很难保证 因此上述模型在实施中存在一些困难 1 2 2 关联分类在银行客户细分中的研究现状 在银行客户管理中 客户细分管理具有重要的作用 特别是在 以客户为中心 的C R M 时代 国内目前已有不少关于对银行客户分群的研究 但在客户关系管理 中 对客户进行分群还不是最终目的 因为单纯的分群只能对已有客户的管理提 供支持 而不能对银行客户特别是新的客户授信起到支持作用 必须对客户群体 的不同特征进行深入地分析 以便银行在管理中获得更好的策略支持 在客户关系管理研究中 使用关联规则建立客户基是一种很常用也很有效的 技术 1 0 1 1 1 女 I Y e o n g 1 2 1 等分析客户购买行为时使用关联规则对客户特征和客户购一 买产品之间进行关联分析 而且关联规则在银行零售客户管理中也取得了广泛应 用 蒋孝明等 1 3 选取某个国有商业银行的某市级分行的信用卡交易记录数据 采 用E n t e r p r i s eM i n e r4 1 进行关联规则挖掘分析 5 分别得出了两个关联规则 即基于 日期的商户之间的关联和基于信用卡账号的商户之间的关联 郑刚 1 4 l 以银行信用 卡交易数据为研究对象 针对工商银行天津市分行信用卡信息 采用k m e a n s 算法 t 对此数据库进行聚类 从中发现了一些有价值的知识 同时还设计了B P 神经网络 对信用卡数据进行分类 并对信用卡信息进行了关联规则挖掘 利用A p f i o r i 算法 找出资信调查表和流水交易数据库中消费属性的数据集合的频繁集 并产生关联 规则 王景聪 1 5 针对信用卡顾客对银行利润贡献度最高的群体 使用关联规则对 客户的消费行为模型进行了趋势规则的研究 江明华等人 1 6 从性别 婚姻状况 学历和收人以及职业和年龄等六个方面全面研究了信用卡持卡人的人口统计特征 变量与其透支行为和习惯之间的关系 研究发现 学历 和 职业类别 与 透 支与否 和 透支习惯 两个变量之间存在显著的关系 其他人口统计特征变量 与 透支与否 和 透支习惯 这两个变量之间存在一定的关系 但是不显著 4 基于相关度关联分类算法的信用卡客户细分模型研究 刘如兴 1 7 1 分析了不同人口统计变量在不同时间点的消费行为 包括总刷卡金额 刷卡次数及平均刷卡金额等方面 以极大似然估计法与加权极大似然估计法分析 持卡人的购买时间 计算出每位客户的活跃程度 并以此作为市场细分的依据 进而衡量不同细分市场的客户价值 可见 关联分类在银行的客户细分中已有一定的研究成果 但就关联分类本 身还存在一些不足 特别是针对大规模数据集时 C P U 时间和内在消耗问题尤其 突出 此外 分类规则的质量的好坏 从大量关联规则中提取出的规则是否有效 也是一个很大的问题 还存在很大的研究空间 1 3 本文研究内容与成果 本文的研究内容和成果如下 第一 通过研究客户在信用卡使用过程中的消费行为 并考虑到客户的行为 中所隐含的价值 提出了从客户的个人特征 客户的消费行为和客户的终身价值 这三个维度进行全面分析 在此基础上构建了面向信用卡客户细分的指标体系 并以此作为客户细分的依据 第三 提出了基于相关度的关联分类算法A C B C 首先 采用相关度C M 与 贪婪算法相结合的方式 用相关度取代传统的置信度作为规则质量的评估标准 在规则产生步骤直接删除不相关或弱相关的规则 然后 采用规则优先度排序剪 枝策略和数据库覆盖修剪策略相结合的方法 从初始的分类规则集中选择适当的 分类规则集合来构建分类器 最后 使用分类器对测试数据集进行分类和预测 通过实验证明 A C B C 算法具有较好的分类效果 减少了运算时间和存储空间的 占用 第四 提出了基于相关度关联分类算法的银行信用卡客户细分的模型 A C S M 该模型以银行客户数据为数据源 采用A C B C 算法为关键技术 对频 繁属性集和类标签之间的相关度进行计算 实现对信用卡客户的细分 并根据分 类结果提出了相应的营销模式和个性化营销手段 S 基于相关度关联分类算法的信用卡客户细分模型研究 1 4 本文的组织结构 本文的组织结构如下 第l 章 引言 阐述论文的研究背景和选题意义 国内外研究现状 本文研 究的主要内容和成果等 第2 章 相关理论的概述 本章对相关理论和问题进行了研究 重点阐述客 户细分和关联分类的相关概念 方法等 特别是对关联分类的典型挖掘算法及其 基本思想进行了详细地归纳 分析和研究 对各个算法的差别进行客观地比较 为下几章提出的信用卡客户细分指标体系和关联分类的改进算法做理论准备 第3 章 信用卡客户细分指标体系的研究 通过研究客户在信用卡使用过程 中的消费行为 并考虑到客户的行为中所隐含的价值 对持卡人的个人特征 消 费行为 终身价值这三个影响客户细分结果的进行深入分析 然后 在此基础上 构建了面向信用卡客户细分的指标体系 第4 章 基于相关度关联分类算法的研究 首先 根据目前关联分类存在的 不足 提出基于相关度关联分类算法的设计思想 然后 在分类规则产生过程中 采用相关度C M 作为规则质量的评估标准 在规则产生步骤宜接删除不相关或弱 相关的规则 最后 采用规则优先度排序剪枝策略和数据库覆盖修剪策略从初始 的分类规则集中选择适当的分类规则集合来构建分类器 对测试数据集进行分类 和预测 通过实验证明 A C B C 算法具有较好的分类效果 减少了运算时间和存 储空间的占用 第5 章 A C B C 算法在信用卡客户细分中的应用 构建了基于相关度关联分 类算法的银行信用卡客户细分的模型 A C S M 以银行客户数据为数据源 采用 A C B C 算法为关键技术 对频繁属性集和类标签之间的相关度进行计算 实现对 信用卡客户的细分 并根据分类结果提出了相应的营销模式和个性化营销手段 第6 章 总结和展望 结合本文研究内容和方法 总结本项研究的理论和实 践意义 再结合自己研究过程中碰到的一些问题和难点 提出本次研究的不足 并对未来研究给出一些方向性建议 6 论文的组织结构图如图1 1 所示 图l 1 论文结构框架图 基十相关度关联分类算法的信用卡客户细分模型研究 2 1 客户细分理论 第2 章相关理论研究 2 0 世纪初期发展起来的大众营销采用大量生产 大量配额与大众传播的方式 将诸多市场合并为 个大而单一的区域市场 其优势在于能够将成本降低 采用 薄利多销的经营思想创造利润 进而赢得最大的潜在市场 然而第二次世界大战 以后买方市场的出现以及广告媒体与销售渠道的迅速增长 极大地改变了市场环 境 促进了一种倡导以市场为导向的全新的市场营销概念和方法的生成 市场 细分 1 8 1 其核心思想在于将市场按照一定的标准划分为各个子市场 然后 企业 根据自身的情况选择与之相适应的目标市场 市场细分由S m i t h 在探讨产品差异化策略时首先提出 经过半个世纪地发展 如今已经成为一种基本的市场理论 市场细分的概念自提出以来 一直吸引着大 量的专家 学者和实践者加入到对它的研究中来 他们依据所处的时代和行业提 出相应的细分方法 这些方法依据两种不同的市场理念产生两个分支 以产品为 导向的细分和以客户为导向的细分 按照一般的市场理论 市场是具有购买能力 的一定数量的客户的集合 市场理念也从关注产品逐渐向关注客户转变 使得后 者受到更多的关注 因此 市场细分更加倾向于围绕着客户开展 部分演变为客 户细分 客户细分方法的发展也经历着诸多阶段 它们分别使用不同的基于原理 及技术特征达到最终的细分目的 2 1 1 客户细分理论的概念 客户细分 C u S t o m e rS e g m e n t a t i o n 是指企业在明确的战略 业务模式和特定的 市场中 根据客户的属性 行为 需求 偏好以及价值等因素将企业现有客户划 分为不同的客户群 并提供针对的产品 服务和营销模式的过程 1 9 其基本思路 就是从区分消费者的不同需求出发 按照一定的标准把整体市场细分成为若干个 需要不同产品和不同市场营销组合的子市场 在此基础上选择一定的目标市场 最后设计相应的营销工具 客户细分是客户关系管理的核心概念之一 是实施客户关系管理重要的工具 和环节 由于在单一市场中归属同一细分归类的消费者 具有极为相似的市场消 g 基于相关度关联分类算法的信用卡客户细分模型研究 费和行为特征 比如那些带来最多盈利的客户和带来最少盈利的客户都有自己的 细分群 同一细分群中的消费者可有多种理由而被称为相似 他们可能在居住地 域上相似 在收入上相似 或者是他们的思考 行为方式相似 2 0 1 通过客户细分 企业可以更好地识别客户 区别对待不同的客户 采用不同的客户保持策略 从 而达到最优化配置企业资源 最大化提高客户利润的目的 首先 企业可以利用细分手段 依据需求变化情况及时调整营销策略 优化 产品结构 调整和安排产品价格 广告手段以及销售渠道等 最大限度地满足顾 客群的需求 这是细分方法最基本的作用 其次 企业可以采取客户细分来提高 组织性f l 邑t 2 细分方法以经济定价理论为基础 对不同细分群实施价格歧视 使 其利润可以在到最大化 2 2 再次 细分可以帮助企业更加有效地分配财务和其他 资源 通过针对这些有限的资源集中用于最有吸引力的市场区域 鼓励企业依据 它的能力参与购买竞争 最后 细分可以帮助企业提高捕捉市场机会能力 细分 方法中针对客户和竞争者分析能够使得企业与他们的行为更加合拍 减少与竞争 者直接碰撞 同时更加清晰地了解客户的需求 提高产品的响应性 2 1 2 客户细分方法分类 客户细分在发展过程中出现了人口统计细分 行为细分 价值细分和心理细 分四种不同的细分方法 下面从维度内涵和细分技术方面对每种细分方法进行详 细的探讨 分析各种方法的优缺点 2 4 2 1 2 1 人口统计细分 最先进入人们视野的是较为系统的人口统计细分 它将地理作为一个重要的 细分维度 市场壁垒的存在和信息技术的限制 一方面使得厂商仅能将市场布局 到有限的地区 另一方面不同的地理位置的客户群表现出较大的差异 随后出现 了一种以客户生命阶段 1 i f e s t a g e 为维度内涵的细分方法 它加强了人口特征与客 户需求之间的逻辑联系 相应地 基于人口统计的细分就转化为对客户生命阶段 的划分 在实践中有如下两种成熟的方法 2 5 首先是P e o p l eU K 方法 它将客户的生命 历程分为8 个发展阶段 每阶段中又分为数量不等的子阶段 总计有4 6 类 其次就 是C l a r i t a s 公司开发的P r i Z m 方法 它将所有位于1 6 个大客户群中的客户分成6 0 个 不同的组 覆盖生活方式4 个生命阶段和4 种收入层次 此时人口统计细分的维度 9 基于相关度关联分类算法的信用卡客户细分模型研究 的重心开始向生活方式偏移 发展后的人口统计细分方法需要借助在线分析技术 O L A P 或其他数据挖掘 技术来收集和处理庞大的人口信息 然而仅仅将外在特征作为细分的依据还是受 到了很多学者的质疑 除非在相对稳定的市场中 或者是针对特定的市场销售特 定的产品 人口统计细分还不足以预测客户未来的购买行为 2 1 2 2 行为细分 行为细分借助行为在时间断上的延续性 依据客户以往和现在的行为来预测 将来的购买行为 简单地说也就是从行为到行为 是一种以行为模式数据为基础 以信息技术为支撑的行为细分方法 其功能的实现是通过分析数据库中已有客户 的消费行为模式实现分类 1 R F M 分析 1 9 9 4 年 H u g h e s 2 6 1 提出R F M 分析 其中R r e c e n t l y F f r e q u e n c y M m o n e t a r y 分别代表 上次购买至现在的时间间隔 某一期间内购买的次数 和 某一 期间内购买的金额 利用行为变量来描述和区分客户 R F M 分析的因素都是行 为方面的 这些信息对于拥有数据库的公司来说比较容易获得 然而其分析过程 复杂且要耗费很多时间 细分结果中客户群过多 最重要的是购买次数F 和同期 总购买额M 两个变量之间会存在多重共线性 2 客户价值矩阵分析 为了回避R F M 分析的缺点 M a r c u s f 2 7 1 于1 9 9 8 年提出用购买次数F 与平均购买 额A 构造二维客户价值的矩阵模型 该模型以购买次数 平均购买额各自平均值 作为基准 将二维矩阵分为四个象限 每个客户就被定位于某个象限里 然后分 析每个象限中客户群的关键差异 这种方法可以产生针对一个客户群或针对跨客 户群的个性化推荐方法 3 基于客户忠诚变量的分析 在以行为为维度特征的细分中 客户忠诚度是一个关键变量 最具代表性的 是研究者把忠诚度分为态度忠诚和行为忠诚两类 D i c k 和B a s u 2 8 1 认为 只有当重 复购买行为伴随着较高的态度取向时才产生真正的客户忠诚 G r e m l e r 和B r o w n 2 9 1 把忠诚分为行为忠诚 意识忠诚和情感忠诚三个方面 总的来说 依据行为来预测行为不失为一种便捷而实用的方法 但预测的时 基于相关度关联分类算法的信用卡客户细分模型研究 效性限制了其适用效果 它以历史数据为基础 因而只针对已经拥有的客户 无 法对潜在客户进行定义和评价 成为细分过程中最大的缺陷 2 1 2 3 价值细分 基于价值的客户细分以盈利能力为标准为客户打分 企业根据每类客户的价 值制定相应的资源配置和保持策略 将较多的注意力分配给较具价值的客户 有 效改善企业的盈利状况 1 基于盈利畿力的细分 在以价值为维度特征的细分方法中 营销人员可以根据当前盈利能力和未来 盈利能力为标准为客户打分数 然后根据分数的高低来划分不同的细分市场 针 对不同价值的细分市场制定不同的客户保持策略 这种方法体现了以客户价值 客 户为企业创造的价值 为基础的细分思想 有利于制定差别化的客户保持策略 2 客户价值细分 国内学者陈明亮在研究客户生命周期模式的基础上提出了基于客户全生命周 期利润的客户价值细分 3 0 他借鉴了前期M a r c u s 提出的客户价值矩阵 在其单纯 的以客户购买行为为细分依据的基础上引入了客户的生命周期利润 作为细分标 准 能够更科学的评价客户的价值 客户价值细分中的客户当前价值细分和客户增值潜力细分的计算都是以客户 关系稳定为基本前提的 但是 现实的客户关系充满着众多变数 绝对的稳定并 不存在 仅仅依据客户生命周期价值细分客户 不考虑客户关系的稳定性 就不 能衡量客户关系的质量 这样会大大增加资源配置的风险 因此 忽略客户关系 的质量是基于价值的客户细分的一大缺陷 2 1 2 4 心理细分 基于心理细分的客户细分以活动 兴趣 寻求的利益为维度内含 通过客户 外在的表现去发现其心理内涵 企业可根据逻辑假设来推断每类客户的兴趣 喜 好 在新产品引入时或广告策略中进行应用 1 生活方式细分 1 9 6 3 年 L a z e r 3 1 1 在假设 对客户了解得越多 对他们就能采取越有效的营销 手段 的基础上 首次提出以生活方式为背景来识别和细分客户 生活方式本身 是一个系统的概念 具体表现为在社会生活机制中科学管理并发展起来的各种方 基于相关度关联分类算法的信用卡客户细分模型研究 式 强调生活方式的系统性 1 9 7 1 年 W e l i s 和T i g e r t t 3 2 提出灿O 即活动 A c t i v i 妫 兴趣 I n t e r e s t s 和评价 O p i n i o n 随后1 9 7 4 年P l u m m e d 好1 利用人口统计特点来丰富生活方式 至此维度 内涵扩展成四维 1 9 8 2 年 B u s h m a n 做出进一步地改进 3 4 1 他继承 了L a s e r 的系统 论的观点 通过建立一个二维分类矩阵来研究客户 分别从客户和产品两种角度 广度和深度两种程度分析了客户与产品之间的关联特征 增强了方法的系统性 同时扩展了其适用性 2 利益细分 1 9 6 3 年 H a l e y 最先提出利益细分 型i i 是指经利用具有因果关系的因素而不是 描述性的因素来识别市场 从利益内涵来看 利益本身是一个比较复杂的概念 在提出之初 利益细分仅仅被认为是与产品相关的各种重要特征否 在具体的市 场中 它可能是客户偏好的一种产品特征 服务方式或其他任何与产品或服务相 关的环节 1 9 7 5 年 Y o u n g 和F e i g i m 3 6 提出用利益链解释人们的购买行为和态度 将人 们的情感和心理活动作为是真正影响消费行为和动机的内核 进一步阐明了一个 具有逻辑联系的利益内涵 同时表明利益内涵不仅具有不同意义的元素 而且包 含有可以推敲的关联结构 1 9 9 9 年 在相同的理论指导下 B o t s c h e n 等人1 3 7 1 使用 手段一目的 m e a n s e n d 方法进一步区分了产品的 服务的各种抽象的特征 并首 次将利益特征的层次进行了界定 进一步强调了基于利益水平细分客户的重要性 与人口统计细分和行为细分相比 心理细分的优势在于它可以透过行为的外 在表现深入到指导这些行为的心理内涵 然后再借助逻辑假设来推断客户的购买 偏好和习惯 最终达到细分目的 更适合应用在创新性的市场策略中 2 1 3 客户细分方法的比较 客户细分的根本差别在于细分维度 不同的细分维度需要不同的细分技术作 为分析手段 并由此导致相应的细分依据甚至细分方法论上的差异 即细分维度 细分依据和细分目标三个方面引起了细分方法之间的差异 有关各种细分方法与 以上三个方面的对应关系如表2 1 所示 可以清晰地了解到这些细分方法各自的特 点以及它们之间的各种差别 2 4 基于相关度关联分类算法的信用卡客户细分模型研究 表2 1 细分方法与各种因素对应关系 方法人口统计细分行为细分价值细分心理细分 因素 维度特征人口特征行为特征价值特征心理特征 购买行为 反应活动 兴趣 寻 维度内涵各种外部特征 盈利能力 行为求的利益 行为 态度 心理 细分依据 人口 需求 行为 行为盈利一价值 行为 方法论事前细分事前细分事前细分事后细分 产品定位 定价新产品引入策 了解市场结构 区别客户定位 细分目标决策 客户关系略 广告策略 其他方法补充针对性营销 管理其他营销策略 首先 从客户角度出发 按不同的角度捕捉客户特征主要可分为 人口 行 为 价值 心理特征 具体来说 人口特征包含了客户展现出来的外部特征 行 为因素表现为客户的具体购买行为 价值因素表现为客户购买中所隐含的价值 而心理特征不仅反映客户的行为 还包含兴趣和态度 在此基础上 依据维度的 不同可以将细分方法分为人口统计细分 行为细分 价值细分 心理细分四类 其中生活方式细分和利益细分同属于心理细分 另外 人口统计细分 行为细分 和价值细分在细分客户之前已经确定好一定的细分标准 在细分方法论上属于事 前细分 而心理细分的细分标准是在细分过程中逐渐清晰的 之前并不明确 因 而属于事后细分 其次 在细分依据和方法论的双重影响下 各种细分方法具有其应用倾向性 因此细分方法的选择要受到其细分目标的制约 具体来说 人口统计细分若单独 作为一种细分方法一般适用于了解基本的市场结构 尤其是客户结构 然而在实 践中 它往往是对其他两种方法的有效补充 行为细分 价值细分和心理细分 因为具有较强的推理依据 比人口统计细分更广泛地用于营销和管理 相比而言 心理细分因其更可靠的方法论在市场适应性上又高于行为细分 更适合应用在创 新性的市场策略中 而行为细分的优势在于它不仅可以用来细分客户 还能够动 态地管理客户 所以得以更为广泛的研究 发展和应用 基于相关度关联分类算法的信用卡客户细分模型研究 2 2 关联分类理论 关联分类方法是近年来兴起的 神分类方法 来自于分类规则和关联规则挖 掘技术的结合 其目标是在训练数据集中寻找规则的子集以形成一个精确的分类 器 与决策树算法 贝叶斯方法等比较常用的分类规则挖掘算法相比 关联规则 挖掘能够找出所有满足最小支持度的规则 在较低的支持度阈值下 大量的规则 形成了对底层数据较为完整的描述 减少了发现的规则不一定是有趣的或有趣的 规则并不能被发现等现象 因此相对于其它启发式扩展规则的方法 关联分类往 往可以达到更好的精度 另一方面 关联分类属于基于规则方法的一种 同样具 有可理解性 可交互性强等优点 2 2 1 关联分类的基本概念 关联分类是数据挖掘以及机器学习领域的一个很重要的研究热点 许多研究 实验也证实了关联分类具有良好的分类准确性 关联分类的基本思想是利用关联 规则挖掘算法A p r i o r i 3 S l F P g r o w t h 3 9 1 等 从训练样本集中产生每一类别中频繁出 现的特征或特征项集 然后利用这些频繁特征项集构造分类规则对测试样本进行 分类 测试样本包含某类频繁特征项的数量越多 则认为测试样本属于该类别的 可能性越大 否则 属于该类别的可能性越小 关联分类模型如图2 1 错误 未找到引用源 所示 整个分类过程分为三个阶段 数据预处理阶段 训练阶段和分类阶段 这点与其他的分类模型相同 特别之处 在于关联分类的训练阶段包含两个主要步骤 1 挖掘满足指定约束条件的某些特定的关联规则 一般采用已有的关联规则 挖掘算法 如A p r i o r i F P g r o w t h 等挖掘出大量的潜在的关联规则 和原来的关联 挖掘算法的区别在于这一步中使用规则后件约束 所以只需挖掘出全部规则的一 个规则子集即可 2 修剪冗余 噪声规则并构建分类器 满足约束条件的关联规则的数量可能 十分巨大 其中许多规则的类区分能力很低 有些规则相互重复 对发现的潜在 的类规则进行裁剪 然后组织构建分类器 挑选出的规则既能覆盖整个数据库 又有对未知数据具有很好的预测能力 1 4 基于相关度关联分类算法的