數據挖掘技術在銀行ＣＲＭ中的應用

尹曉麗　方旭昇

摘要:隨著金融市場競爭的加劇和消費者的需求日趨個性化,如何在快速多變的市場中保持老客戶與爭取新客戶成為關乎各類銀行成長和發展的關鍵,以客戶為中心的客戶關系管理(CRM)思想就是在這樣的環境和變化中逐漸為銀行重視與推崇。然而,如何成功地實施一個CRM項目,關鍵在于如何對客戶與銀行交互過程中的各種數據進行收集、分析,挖掘出隱含在數據中的有用信息,然后用分析所得的知識做出決策。這就需要先進的技術和工具的支持,數據挖掘的出現為銀行CRM的實施提供了良好的技術支持,著眼于對數據挖掘技術在銀行CRM客戶生命周期的四個階段中的具體應用。

關鍵詞:數據挖掘;客戶關系管理;銀行CRM;客戶生命周期

中圖分類號:F832.2文獻標志碼:A文章編號:1673-291X(2009)20-0112-02

一、引言

在當前市場環境中,作為提供金融服務產品的銀行業, 面臨著多方面的壓力和挑戰。銀行服務的客戶數量是衡量銀行業務開展的重要指標,當前的客戶已不再是被動的身份,面對諸多的選擇,服務不好就會導致客戶的流失。從國內銀行的競爭上看,在現行的市場游戲規則下,各家銀行都提供相似的服務,在人員、資金和技術上已不是決定競爭實力的關鍵,重點在于管理, 特別是基于對客戶了解和分析的客戶關系管理。

二、CRM與數據挖掘技術簡介

客戶關系管理(CRM)不僅是一種通過完善的客戶服務和深入的客戶分析來滿足客戶的需求,保證實現客戶終身價值的管理理念,而且是一種旨在改善企業與客戶之間關系的新型管理機制,使企業從“以產品為中心”向“以客戶為中心”的模式轉移,即企業關注的焦點是從內部運作轉移到客戶關系上來。

很多銀行花大力氣去積累有關客戶的信息,但并不能有效地進行客戶關系管理。因為信息只是一些原材料,需經過組織、分析并理解后,才可以用來構建有關客戶的知識,進而指導銀行的市場、銷售、客戶服務等各個環節,提高銀行的效率和效益。但銀行如何管理和分析大量、復雜的客戶信息,從中找出對自身管理決策有價值的信息和知識,則需要有先進的技術和工具的支持,數據挖掘等新興技術的出現,則為銀行CRM的實現提供了良好的支持。

數據挖掘(DM)是個比較廣泛的概念。廣義的數據挖掘指的是一般性數據分析,它既包括統計分析方法,也包括挖掘方法。狹義的數據挖掘則是指基于非線性關系的數據分析方法。數據挖掘是信息技術發展到一定階段的必然產物,是從數據庫、數據倉庫或其他信息庫的大量數據中,挖掘出有用的知識的一個過程。

如果從銀行角度說,數據挖掘則是一種新的客戶信息處理技術,其主要特點是對銀行數據庫中的大量業務數據進行抽取、轉換、分析和其他模式處理,從中提取出能輔助銀行決策的關鍵性數據。因此,數據挖掘可被定義為:是提取有用信息和知識的數據產生過程,是從大量數據中挖掘出隱含的、先前未知的、對決策有潛在價值的知識和規則,并能夠根據已有的信息對未來所發生行為做出預測,為銀行經營決策提供依據的過程。

三、數據挖掘技術在銀行CRM中的應用

在銀行CRM 中,數據挖掘應用廣泛。如金融市場分析和預測、賬戶分類、信用評估等。這些金融業務都需要收集和處理大量數據,數據挖掘可通過對這些已有數據的分析和處理,找到數據對象的特征和對象之間的關系,并可觀察到金融市場的變化趨勢,然后利用挖掘出的知識進行合理地分析預測,進而發現潛在客戶及現有客戶的金融和商業興趣等。數據挖掘在銀行CRM中的應用模型如下圖所示:

CRM最簡單的含義可理解為:管理所有與客戶的相互作用。在實踐中,需要在客戶關系的各個階段使用與客戶相關的信息來預測客戶的行為。我們將客戶關系的各個階段定義為客戶生命周期。客戶生命周期包括四個階段:一是獲取客戶,二是提高客戶價值,三是保持高效益客戶,四是防止客戶流失。數據挖掘技術在CRM的不同生命周期具有不同的作用:

(一)利用聚類分析方法進行客戶分類,獲取客戶

發現和開拓新客戶對于任何一家銀行來說至關重要。客戶分類又稱為客戶細分,是將大量的客戶分成不同的類型,同一類型的客戶擁有某些相似的屬性,如背景資料、盈利能力、消費偏好等。通過客戶細分,可使銀行準確把握現有客戶的狀況,針對每類客戶使用不同的營銷方式或提供不同的服務,使銀行以最小的投入獲得最大的回報。

聚類分析方法是通過無指導學習,按最大化類內部的相似性、最小化類之間的相似性的原則,自動對數據分類。對于客戶關系管理系統中的大量數據,管理人員常常希望能得到有意義的提示,以做出正確的客戶分類判斷。此時,使用聚類分析結果,先給出多個不同的相對較大的類劃分,然后再進行精確劃分。通過聚類分析,銀行往往可以發現客戶的群體行為,發現客戶的共性,掌握他們的投資理念,從而提供針對性的服務,提高銀行服務的成功率。還可以通過分類或聚類分析對客戶進行群分后,再由模式分析預測哪些人可能成為其客戶,以幫助管理人員找到潛在客戶。例如,銀行如果要進行一次直接郵遞推廣活動,我們可以根據對目標市場客戶群體的識別更加具有針對性,只寄出少量的信件,就可得到很高的回應率。由于避免了傳統的撒網式促銷,雖然減少了直接郵遞的數量,卻能增加盈利。這樣,我們不僅減少了對那些不符合特征客戶的打擾,而且還能夠極大地增加投資的回報率。

(二)利用關聯分析方法進行交叉銷售,提高客戶價值

交叉銷售就是指銀行通過和客戶交流,向現有客戶提供新產品和新服務,從而保持現有客戶資源、提升現有客戶價值的銷售方式,它建立在銀行和客戶雙贏的基礎之上。關聯分析則是給定一組或一個記錄集合,通過分析記錄集合,推導出其相關性,目的是為了挖掘出隱含在數據間的相互關系。銀行利用關聯分析方法分析客戶的交易行為與其他屬性(如客戶的年齡、性別、教育程度、職業等)的關聯關系,即尋找影響客戶交易行為的因素,并建立預測模型對客戶將來可能發生的交易行為進行預測,分析哪些客戶最有可能對銀行的服務感興趣,會對哪些金融產品感興趣,哪些理財產品或服務通常會一起發生在同一次交易里,從而實施有效的交叉銷售,提高銀行的客戶價值。

如果銀行通過交叉銷售方式來實現銷售量的增加,以下兩個步驟通常是必須要遵循的。一是通過聚類分析實現客戶細分,鎖定交叉銷售所要面對的目標客戶;二是通過關聯分析確定最優的銷售組合,并向相應的客戶展開交叉銷售。

(三)利用分類法保留客戶,提高客戶忠誠度

數據分類是通過在訓練集上針對某一屬性進行類劃分,建立描述并區分數據類或概念的模型,再使用該模型對數據集進行劃分。隨著各個行業競爭的加劇,銀行獲得新客戶的成本正在不斷地上升,因此,保持原有客戶對所有企業來說,顯得至關重要。而且企業爭取一個新客戶的成本是保留一個老客戶的7—10倍,因此,企業最關心的話題是如何才能留住客戶,尤其是那些“優質客戶”(在廣義上,優質客戶就是那些雖然僅僅占全部人數的20%,但為銀行創造80%效益的客戶),增加客戶對企業的忠誠度。

銀行為留住老客戶,就必須了解客戶的需求。可以假設類標號屬性是“顧客是否流失”,再利用數據挖掘工具對大量的客戶資料進行分析,建立數據模型,確定客戶的交易習慣、交易額度和交易頻率,分析客戶對某個產品的忠誠程度、持久性等,即確定每類客戶的特征,對客戶群進行分類,從而為他們提供個性化定制服務,以提高客戶忠誠度,最大程度地保持住老客戶。

(四)利用孤立點分析法發現客戶異常行為,防止客戶流失

孤立點是數據集中與一般數據模型不相符合的那些數據。一般情況下,在數據被導入數據倉庫前,應該經過數據清理,以消除不一致的情況。但是,在實際應用中,往往會發現一些客觀存在的、非操作人員的人為因素而導致的異常數據。對于這些異常數據,我們無法按一般可行的分類規則對其進行劃分,也無法通過聚類的方法將其與其他數據建立有效的聯系,但這些數據往往包含著實際的應用價值。

客戶流失是銀行難以控制的常見問題,流失現象會給銀行帶來很多不利影響。在客戶關系管理系統中,利用孤立點分析法,除了可用于欺詐發現外,還可發現客戶的異常行為,從而使銀行減少和避免不必要的客戶流失。比如,我們為客戶賬戶的日常行為(如發生額、業務筆數)設立一個閥值,客戶賬戶的日常行為都應該在此閥值之中,如果某賬戶的日交易金額或日交易筆數超過了該閥值,表明該賬戶出現了異常行為,有可能成為流失客戶。工作人員應及時分析原因,采取一定的措施挽留住該客戶。

在客戶生命周期的整個過程中,各個不同階段都包含許多重要的事件,數據挖掘還可以用于判斷客戶所處的生命周期狀態,并可預測客戶進入客戶生命周期下一階段的時間以及客戶的行為。銀行對客戶生命周期各個階段的準確把握與管理,有利于根據客戶的狀態采取相應的交叉銷售或增值銷售等市場活動,從而實現銀行的最高利潤。

四、結論

“誰擁有客戶信息,誰就擁有未來”。中國銀行行長經濟顧問、中國銀行國際金融研究所所長朱民博士說:“國內銀行業的經營體制20 年前以產品為中心,10 年前以市場為中心,現在以客戶為中心,未來將會以客戶信息為中心”。在銀行 CRM 中有效利用數據倉庫和數據挖掘等現代信息技術,可以為銀行高層決策者提供準確的客戶分類、忠誠度、盈利能力以及潛在用戶等有用信息,指導他們制定最優的銀行營銷策略,降低銀行運營成本,增加利潤以及加速銀行的發展。

參考文獻:

[1]Jiawei Han,Micheline Kamber.數據挖掘:概念與技術(原書第2版)[M].范明,孟小峰,譯.北京:機械工業出版,2007:3.

[2]方蕾,王金桃.數據挖掘在客戶生命周期中的應用研究[J].武漢理工大學學報:信息與管理工程版,2008,30(4):613-615.

[3]王實,等.銀行業CRM理論與實務[M].北京:電子工業出版社,2005.

[4]于海峰.基于數據倉庫的銀行客戶關系管理系統的研究[D].合肥:合肥工業大學,2004.

[責任編輯 張宇霞]