利用評分卡技術實現信用卡市場活動精細化管理

摘 要:中國信用卡產業已經陸續進入“精耕細作”的時代，在信用卡風險管理領域已經成熟的應用了信用評分技術，在市場活動管理領域同樣可以利用強大的評分卡技術進行精細化管理。把評分卡技術應用到市場營銷活動的各個領域，通過各類市場評分模型的應用來獲取目標客戶。本文詳細介紹了利用評分卡進行市場營銷活動管理的優勢，總結了評分卡開發的完整方法論。

關鍵詞:信用卡評分卡市場營銷活動方法論

中圖分類號:F830.49文獻標識碼:A文章編號:1674-098X(2011)08(a)-0214-02

1評分卡技術介紹

評分卡技術是指運用先進的數據挖掘和統計分析方法，通過對歷史數據的特征分析，預測客戶的未來表現的模型。常見的可以應用的算法技術有:判別分析法、線性回歸、logistic回歸、分類樹、神經網絡等。國外學者對上述模型的精確度進行研究，認為各種不同的技術精確度差異并不顯著[1]。

評分卡技術用科學的預測代替猜測行為。充分挖掘數據價值，為決策提供了更相關、更準確的信息，從而使得決策更科學、更加公正可信。評分卡技術可以幫助決策人員提前預測客戶行為，使得決策更有前瞻性，有效提高活動的效率。

2評分卡的應用領域

目前評分模型在信用卡領域的應用主要集中于風險管理領域。評分卡技術在信用風險領域的研究最早始于1940年代末至1950年代初。經歷了數十年的摸索與實踐，在國內外都有較為成功的實踐。如:信用卡申請評分模型，交易欺詐預測模型，催收評分模型等。

本文將評分卡技術引入于信用卡營銷活動管理領域。通過對持卡人的人口統計學特征、信用歷史記錄、行為記錄和交易記錄等大量數據進行系統分析，挖掘持卡人的行為模式、消費習慣、信用特征等信息。細分客戶群體，針對目標客戶群的典型特征，有針對性的開展營銷活動，有效節約成本，提高營銷活動的回報率。在具體應用場景中，某個客戶其在未來三個月流失的概率、未來一年內給我們帶來收益的潛力大小，對市場活動的敏感性大小，或者接受附屬卡推銷的可能性等等，這些都可以開發各類相對應的評分卡來指導市場營銷活動。如果開發流程科學、應用方法正確，評分模型能提供大量具有高度預測力的信息，幫助決策人員制定行之有效的活動管理策略，以較高的精度有效的開拓市場，挖掘收益，實現信用卡業務的高收益。

3評分卡的開發過程

評分卡的開發過程必須結合特定的營銷活動場景進行，主要的開發過程包括:變量選擇和確定、樣本選擇、評分卡的建立與調整、評分卡的評估和應用等。下面以客戶流失預測評分卡為例，介紹整個評分卡的開發過程。

3.1 變量選擇和確定

變量的選擇和確定是評分卡開發成功的關鍵因素。輸入變量用于在建模過程中作為自變量尋找與目標結果之間的關系，因此需要尋找與目標變量關聯性強的變量。為了不遺漏變量，不損失變量，建議把所有相關變量都準備在變量庫中，并且按一定的規則進行變量衍生，對所有變量進行全篩選，從中刷選出對目標變量相關性最強的變量。

變量分類兩類:靜態變量和動態變量。靜態變量指的是通常不會經常改變的信息，如性別，年齡，收入，婚姻狀況，受教育學歷，職業，行業類別等入口統計學變量。動態變量指的是經常或定期改變的數據，如每月消費金額，取現金額，分期金額，逾期金額，發生的費用金額，循環信用金額等等。為充分挖掘數據背后的信息，還需要對動態變量按照一定的規則進行衍生，如最近N個月的平均值，最近N個月有發生的月份數，最近N個月最大發生金額，最近N個月平均值除以最大值等等。

3.2 樣本選擇

一般來說評分卡開發是在小樣本數據上進行，而不是全樣本數據上進行，因此需要在全樣本數據上進行隨機采樣。在開發客戶流失預測評分卡中，客戶流失率相對比較低，三個月流失率在3%左右，先驗概率過低，就不容易找出流失客戶的特征，模型的效果也會隨之降低，那就需要進行過采樣，通過過采樣使流失的比率提高到20%左右。經過了過采樣之后，還需要把樣本數據隨機分成兩個部分，一部分為建模數據、一部分為驗證數據，一般分別占80%與20%左右。建模數據用來建模使用，驗證數據用來對模型進行驗證與修正。

3.3 評分卡的建立與調整

在變量選擇階段總結了大量的靜態變量與動態變量及衍生變量，但最后進入到評分卡中往往只需要15到20個左右的變量，因此建模過程中需要進行變量的篩選，首先需要對所有的變量進行信息值(Information Value)計算，取信息值較高的變量，以此來進行變量的粗選，經過變量粗選的變量有可能存在共線性，因此需要做一些共線性的檢查，剔除具有共線性的變量。經過這兩層的變量篩選后一般會剩余50個左右，這時需要以逐步回歸來精選變量，通過此次篩選進入模型的變量一般控制在15個左右。

3.4 評分卡的評估與應用

評分卡的評估應該利用未參與建模開發的數據進行，這樣才能得到準確的結果。如果使用建模的數據對模型進行檢驗，由于模型就是按照這些數據建立的，檢驗結果自然會很好。但是一旦運用到實際數據中，就會產生很大的偏差，所以必須使用保留的驗證數據對模型進行檢驗。在模型檢驗中一般以提升表就可以來評估評分卡的效果。以流失預測評分卡為例來解釋提升表各個指標的含義(如表1）。

通常把驗證數據根據評分從高到低分成二十組，通過提升表來觀察每組的表現及整體趨勢，提升表中邊際響應率是指該單元格中預測流失的客戶數占所有流失客戶總數的占比，一個穩定的模型邊際響應率應該是穩步下降的，如果有跳躍，說明模型的穩定性有待加強。累計響應率是指截止到改組累計預測流失的客戶數占所有流失客戶總數的占比，模型的效果越好，累計響應率數值越靠前，說明模型效果越好。同樣提升指數也可以直觀的衡量模型的效果，提升指數是指用了評分卡以后預測成功而產生提升的倍數。K-S衡量的是模型的區分度，指的是流失客戶與未流失客戶累計分布比例之間距離的最大值，K-S指標越高，模型的區分度越強。

根據該提升表結果，可以針對不同組別的客戶制訂不同的營銷策略，甚至可以結合對這一特定群體的特征分析，選擇最為有效的促銷策略。例如把對不同組別的客戶選擇不同的溝通渠道，給予不同的營銷獎勵。

4結語

評分卡技術不僅可以在風險管理領域發揮巨大的作用，同樣在市場營銷活動管理領域也可以發揮巨大的作用，通過評分卡技術的應用，可以迅速準確的幫助市場活動策劃者定位目標客戶，找到最有價值的客戶，也可以挖掘出潛在的客戶，從而達到成本最小化，利潤最大化，同樣為制定正確、科學的管理策略，同樣需要發展、應用各類評分卡，從對與決策效益密切相關的各方面的未來表現都進行科學、準確地預測。以評分卡技術作為管理決策的主要依據，必將成為管理信用卡各個領域的核心技術手段。

參考文獻

[1]姜盛.基于Logistic的信用卡套現偵測評分模型.計算機應用[J]，2009.11.

[2]Jiawei Han，Micheline Kamber著.數據挖掘概念與技術[M].范明，孟小峰等譯.北京:機械工業出版社，2001.

[3]吳洪濤.商業銀行信用卡業務[M].北京:中國金融出版社.2003.

[4]鄧麗梅，沈蕾.淺論信用卡市場的營銷策略.上海金融[J].2001，255(10).

[5]陳建.信用評分模型技術與應用[M].北京:中國財政經濟出版社.2005.

[6]陳建.現代信用卡管理[M].北京:中國財政經濟出版社.2005.