论文部分内容阅读
客户流失管理和提升客户忠诚度是企业长期关注的课题。随着中国金融业逐步对外开放,发达国家商业银行纷纷瞄准中国信用卡市场,相继以商业伙伴或者战略合作者的姿态与中国发卡机构开展商业合作,意图从信用卡业务获得丰厚的回报。另一方面,中国宏观经济发展态势良好,连续多年GDP增幅超过8%,逐渐从外向型经济转变为扩大对内消费型经济,个人消费者积累大量的财富形成消费支出的物质基础。在宏观经济运转良好的背景下,中国信用卡业务得到不断发展,用卡环境的持续改善,发卡机构对信用卡市场份额的竞争进一步加剧。根据银联披露的数据显示,2005年末,中国信用卡发卡量4000多万张,总交易金额2400多亿元人民币,信用卡透支余额150亿元,国内特约商户39万家,POS机具61万台,ATM终端8万台;截至2007年9月底,工商银行和招商银行两家信用卡发卡量就已突破4000万张,年消费额累计超过2600亿元,境内网络建设已经实现跨越式发展,境内跨行使用的ATM机具已达11.4万台,比05年增长42.5%;遍布全国的银联特约商户达到67.6万户,比05年增长73.3%;刷卡消费、便利支付的POS机已设置107.8万台,比05年增长76.7%。中国信用卡发卡量迅猛发展的形势下,带来了信用卡市场日趋饱和以及发卡机构研发的产品和服务趋同的现实问题,这些问题很可能导致商业银行具有高价值客户的流失,必须"未雨绸缪"尽快着手研究当前形势下商业银行信用卡客户流失管理存在的问题和"对症下药"提出对客户的保留策略。 本文首先介绍了研究背景、研究的商业意义、研究目的和研究方法,指出进行信用卡客户流失实证的主要目的是寻找信用卡客户流失的行为规律,找出预示客户流失的行为变量,有针对性制定信用卡客户保留策略。本文着重于运用定量的数据挖掘方法进行实证分析,笔者介绍了本研究所遵循的数据挖掘方法论、在数据挖掘方法论指导下执行数据挖掘的工作流程、运用逻辑回归模型的工作原理以及利用SAS软件实施数据挖掘的技术工具。在从事数据挖掘工作的全过程中,遵循正确的方法论能起到事半功倍的效果,而其中以正确的识别业务问题和界定数据挖掘工作目标为运用方法论解决实际问题所做各项工作的重中之重。当然,"工欲善其事、必先利其器",掌握逻辑回归模型的工作原理是顺利开展数据挖掘工作的必要条件,建模工作者必须理解Logistic回归模型与一般线性回归的本质区别、对输入变量合理分组的重要性、事件发生比的概念以及反复验证输出变量与输入变量之间存在各种业务联系的艰巨性。 在实证研究伊始,本文介绍了客户流失管理的理论来源和进行有效客户流失管理的重要影响因素。接受客户流失管理有效性理念的管理者普遍认同企业与高价值、有成长潜力的客户保持长期的、稳定的业务联系会给企业带来持续发展的动力。这成为本文界定客户流失的业务问题和为建模做好相关数据准备工作的重要依据。由于研究客户流失行为倾向需要有较长历史数据做基础,企业必须在此前运用数据仓库技术保留客户历史的交易数据,设计出良好的业务模型支持数据抽取、转换工作,并在此过程中妥善的处理数据质量问题,结合成本、资源投入因素选择建立模型的指标变量和数据集规模。在探寻信用卡客户流失行为规律的过程中,本文借鉴了国内外专家、学者们的研究成果,结合自身工作实践经验,完成信用卡客户流失行为的界定,初步筛选了十多个与客户属性、行为相关的业务指标作为预测客户流失的输入变量,运用数据挖掘方法论和依照数据挖掘工作流程,使用Logistic回归方法建立了基于某商业银行某分行业务数据的信用卡客户流失行为模型,并获得了较好的预测效果。据模型预测结果显示,客户最后一笔主动交易距今天数、近三个月消费次数、近三个月非消费(包括转账、存款、取款行为)交易次数、账户年日均存款余额、账户年日均透支余额等五个变量可较好地预示客户流失行为倾向,证明该商业银行发卡机构关注客户与本银行的交易时效、交易频次、账户余额变动情况有助于更好地进行客户流失管理工作。同时,客户年龄、客户交叉使用产品数量、使用账户数量不能敏感地预测客户流失行为说明该商业银行发卡机构在客户市场细分、交叉销售金融产品上存在管理的空白点。 最后,本文在比较国内外部分商业银行信用卡产品和服务特色的基础上,结合客户流失行为模型的预测结果,制定了针对该商业银行信用卡客户的保留策略,提出了基于综合因素进行科学的市场细分、紧握市场热点开展信用卡市场营销、加强整合营销提升产品交叉销售响应率等提升信用卡客户忠诚度五个方面的改进建议。限于项目资源投入、开发周期等各项因素,信用卡客户行为流失模型存在着一些不足,主要是增益曲线图显示少部分数据对客户流失行为解释不充分和模型对中国地区差异性因素的普遍适用性有待进一步检验两个问题。基于前述两个问题,本文分别提出了有效的解决方法:选择更多的变量提升模型对客户流失模型的解释能力,消除增益曲线中非平滑部分;根据不同地区建立多个客户流失模型,进一步提高本模型的适用性。