基于LRFM模型的網貸平臺借款用戶分類研究

姚香秀，盛 冉，郭毓婷

（西安歐亞學院 金融學院，陜西 西安 710065）

1 網絡借貸與客戶細分

網絡借貸是用于滿足小微企業及個人的小額貸款需求的互聯網金融創新運營模式，其健康發展有賴于大量借款人與出借人的參與[1]。借款用戶是網絡借貸平臺的重要組成部分，有效客戶關系管理也已成為網絡借貸平臺盈利能力和競爭優勢的決定性因素，而任何高效的客戶關系管理都以扎實的客戶細分為基礎[2]。

客戶細分是企業在明確戰略和業務模式后，根據客戶的行為、偏好以及價值等因素對客戶進行分類[2]。客戶分類技術通常被用來發現有價值的客戶[3]。Hughes（1994）等[4]提出的客戶關系管理，由3個要素組成，即最近一次消費-消費頻率-消費金額（Recency-Frequency-Monetary，RFM）模型，廣泛應用于客戶價值分析和分類。決策者可利用RFM模型有效識別價值客戶，制定有效的營銷策略[5]。王文賢等[6]的研究表明，在預測客戶行為時，通過增加額外的變量可以提高RFM模型的預測性。本文在此基礎上，將RMF模型拓展為LRFM模型，通過增加L（賬戶持有時間）變量有效識別有價值的客戶，爬取了拍拍貸2018年1月—2019年7月部分借款用戶的交易數據，使用兩步聚類的方法對借款用戶進行聚類，并針對不同類別的用戶提出了相應的營銷建議。

2 LRFM模型與聚類算法

2.1 LRFM模型

本文選用拍拍貸網站作為研究對象。拍拍貸成立于2007年6月，是國內首家P2P純信用無擔保網絡借貸平臺。根據RFM模型的基本原理以及網站用戶的數據特點，本文對LRFM的4個變量進行定義，如表1所示。

表1 借款用戶借款行為變量定義

2.2 兩步聚類算法

兩步聚類分析方法是近年來才發展起來的聚類方法，分為兩大步驟：預聚類和正式聚類。預聚類過程主要針對每一個記錄，從根開始進入聚類特征數，并依照節點中條目信息的指引找到最接近的子節點，直到到達葉子節點為止；正式聚類過程利用層次聚類方法對聚類特征樹上的每個葉結點進行組合。最后，根據貝葉斯信息規則（Bayesian Information Criterions，BIC）或者赤池信息量準則（Akaike Information Criterion，AIC）對各種聚類方案進行比較選擇，選定最佳聚類方案。在實踐中，兩步聚類主要解決群體劃分、用戶或消費者行為細分等問題。

3 實證分析

3.1 數據描述

本文利用爬蟲軟件抓取了拍拍貸2018年1月—2019年7月4 836位借款用戶在的交易記錄，使用SPSS 19.0軟件進行數據挖掘。由于部分交易記錄具有缺省值，所以先對數據進行清洗，最終確定4 437位借款用戶為研究對象。

數據處理之后，統計出每位用戶在此期間關于性別、年齡和工作性質的R，F，M變量，并計算L變量。為了能進一步準確定位與描述每一類別用戶的特征，本文將用戶的基本信息（性別、年齡和工作性質）作為描述變量、用戶的交易行為數據統計特征，如表2所示。

表2 不同性別、年齡、工作性質下L，R，F，M的不同特征

3.2 聚類結果分析

利用兩步聚類算法進行聚類，并將每類用戶的LRFM平均值與總LRFM均值進行比較。如果單個用戶類別的均值大于總均值，則給該指標一個向上的箭頭“↑”標記，反之則用“↓”，如表3所示。

首先，第一類和第二類借款用戶屬于同一種類型的用戶，是網絡借貸平臺的核心用戶，占總體用戶數量的16.9%。這兩類用戶L值、F值和M值均高于總體用戶的均值，說明是平臺的老用戶，與平臺的借款交易頻繁、借款金額大，對于平臺的貢獻度、忠誠度很高；同時，該類用戶R值低于均值，說明其重復在該平臺借款的可能性較大，潛在價值較高。

其次，第三類屬于不確定型用戶，占總用戶數量的48.9%。該類用戶的L值、F值和M值均低于總體用戶的均值，說明其實際貢獻和忠誠度都較低；其R值最大，說明較長時間未在平臺進行借款行為，具有流失傾向。不確定性用戶往往是一個大的群體，通常代表了50%的客戶群，卻僅帶來10%的收益，屬于“劣質”用戶。

最后，第四類屬于活躍用戶，占總用戶數量的34.3%。該類用戶的F值及L值約等于均值，M值小于均值，說明其在平臺交易時間較長，操作頻率高，但為平臺創造的利潤較少；但其R值最小，說明經常在平臺進行借款交易，較為活躍，可能對于平臺的選擇更為謹慎。

表3 聚類結果描述

4 結語

基于分類結果，本文有針對性地設計營銷策略，具體如下：第一類與第二類同屬于核心用戶，因此，企業需要將最主要資源投入到保持和發展與其關系上，對每個客戶設計和實施一對一的客戶保持策略，最好的客戶是最值得贊賞和給予特殊待遇。第三類用戶屬于短期借款客戶，極易轉換，平臺需要對其再次劃分，對于新用戶或對平臺評價較高的用戶，可以采取營銷策略進行挽留，而對于此類的其他用戶不必投入更多的營銷成本。第四類用戶的忠誠度高、借款需求較多，重點在于提高其借款金額，提升對平臺的信任度與熟悉度。利用上述成果，網絡借貸平臺可以合理地管理客戶成本，有效地實施客戶關系管理，實現平臺利益的最大化。