融合多源數據的證券企業客戶流失預警研究
——以某券商A 為例

2022-09-01 08:55:48曲浩

商展經濟 2022年16期

曲浩

(方正證券股份有限公司北京 100020)

1 研究介紹

近年來，隨著社會經濟的不斷發展，各類金融企業不斷涌現，證券行業的競爭壓力越來越大。在此背景下，相比獲取新客戶，老客戶流失問題更需要得到證券公司的關注，因為挽留現有客戶的成本比吸引新客戶的成本低很多(夏國恩，2010)。因此，對于證券公司來說，在想辦法吸引新客戶的同時，也應盡力避免客戶流失，對有流失征兆的客戶進行提前干預，這對提高公司競爭力有重要的戰略意義。此外，企業數據庫中儲存著海量的客戶信息和客戶行為等數據，如果能夠充分利用這些數據，從中挖掘有價值的信息，進而建立科學的客戶流失預警模型來指導業務，將會大大提升公司的服務和管理水平。為了有效解決客戶流失預警問題，企業可通過基于大數據的策略設計和建立模型，從數據中挖掘流失客戶的主要特征，并準確定位流失客戶群體，實現對客戶流失行為的監控和預警，盡可能地挽留客戶，避免由客戶流失造成的利潤損失。

國內許多學者曾對客戶流失問題進行了研究，現有研究主要集中在探討電信行業客戶流失的原因。例如，周靜等(2017)著眼于客戶流失影響因素研究，運用社交網絡分析方法，通過構造與網絡結構相關的變量進行影響因素探討，運用邏輯回歸方法構建客戶流失預警模型。李季等(2020)利用某移動通信公司的客戶消費數據和個性化營銷實驗，分析了客戶在使用運營商的服務過程中，服務與需求之間的匹配程度及客戶投入行為與客戶流失之間的關系。此外，隨著深度學習技術的發展，也有學者通過深度卷積神經網絡的方法了解客戶流失的原因。相比電信行業研究的如火如荼，證券行業的客戶流失研究相對較少。鄭宇晨和呂王勇(2016)從賬戶周轉率、投資收益等反映客戶交易情況的指標出發，采用K均值聚類獲取客戶流失狀態，再通過逐步回歸方法進行變量篩選，最終建立logistic客戶流失預警模型。舒宏和李雙宏(2021)基于大數據技術，深入挖掘客戶的證券業務數據和行為數據，建立客戶畫像，進而融合大數據和人工智能技術，提出客戶流失預測模型和實現步驟。

通過文獻回顧可以看出，對客戶流失預警的研究大多是在海量業務數據的基礎上，采用聚類、回歸等統計方法和機器學習模型進行數據挖掘和預測。雖然該領域的研究成果頗豐，但目前相關研究多集中在電信行業，而關于證券行業客戶流失問題的探索不但數量少，而且多圍繞客戶管理方面的宏觀理論，結論以方法論的建議為主，并未產出可落地的預警體系應用于業務中。本文以某券商A的客戶作為研究對象，結合業務背景，對大量真實數據進行分析探索，在得出研究結論的同時，將模型結果落地為一套代碼，使本文的研究內容在具有理論意義的同時，還有很高的實用價值。

2 研究框架與數據介紹

本文的最終目標是基于客戶數據建立一套流失預警體系，能夠對A證券公司的客戶流失行為進行監控和預警。整個研究框架可分為三大模塊：變量挖掘、模型建立和模型應用。

首先，變量挖掘部分包含潛在流失人群篩選及因變量和自變量的確定。根據A證券公司的業務要求，潛在流失人群的判定標準為若T-1時刻的凈資產大于等于5000元，且T時刻凈資產小于5000元，則判定該客戶在T時刻是潛在流失人群。該客戶將被持續觀察60個自然日，如果在此期間該客戶一直保持凈資產持續低于5000元，則該客戶在第T+60時刻被判定為流失客戶。再基于A證券公司數據庫導出的客戶個人信息表、資產負債表、交易量表、傭金表、委托表、行為服產盈利表、回訪情況表多源數據構建重要影響因素。

其次，在模型建立部分，由于上一步驟計算出的自變量數目較多，考慮到計算效率和模型的穩定性，本文將結合業務知識和BIC變量選擇方法選取部分穩定有效的特征用于最終建模。基于邏輯回歸模型，確定訓練集和測試集的時間對應關系，再利用實際數據構造訓練集和測試集并進行建模，并對模型的效果利用AUC指標進行評估。

最后，通過模型預測出每天的流失預警名單，進而將這些名單發布給前端業務人員，讓業務人員對名單上的客戶進行及時挽回。此外，本模型還可以輸出每個客戶的流失概率，據此劃分人群的流失風險等級，使業務人員可以對不同風險的客戶采取不同的干預策略，有助于對客戶的精細化管理和運營。

本文使用的問題來自A證券公司經脫敏后的業務數據，時間跨度為2020年7月—2021年7月，涵蓋大約12萬名用戶，涉及9張客戶信息表共112個原始字段。由于商業信息保密的原則，我們無法在本文中公布這些原始數據字段，但在后續建模中會匯報最終用于建模的變量。

3 客戶流失定義與相關時間節點

以2021年5月2日的所有用戶為例進行說明，該批用戶的觀察期為包括5月2日在內的未來60天，即2021年5月2日—6月30日。對每個用戶，記錄其在觀察期內的凈資產情況，若60天內每天的凈資產均小于5000元，那么該用戶便被標為“流失”。因此，對于2021年5月2日的待觀察用戶，通過60天的觀察期，可在2021年7月1日得到其流失情況。

(2)潛在流失人群定義。如果直接對所有用戶進行流失預測，涉及的群體非常龐大，為提高預警工作的效率，本文對每天的所有客戶都先從中篩選出部分潛在流失人群，這部分潛在流失人群相對其他人群來說具有較高的潛在流失風險。再對這部分人群進行預警建模，從中找出真正流失的客戶，判斷的標準是客戶在觀察期前是否已經表現出一些流失跡象。

結合公司的業務實踐，我們以凈資產的變化作為判斷依據，對于第T日的第i個客戶，若其在第T-1日凈資產大于等于5000，并且第T日凈資產小于5000，那么認為他屬于第T日的潛在流失人群。仍以2021年5月2日的數據為例進行說明：對2021年5月2日的每個用戶記錄其在2021年5月1日的凈資產和2021年5月2日的凈資產，若5月1日凈資產大于等于5000元，且5月2日凈資產小于5000元，便將其納入5月2日的潛在流失人群名單中。之后便以這一名單上的用戶作為研究對象，繼續觀察60個自然日，判斷其最終的流失標簽。通過這種方法，每天都能篩選出一批潛在流失人群，這部分潛在流失預警人群也是后續建立流失預警模型的數據基礎。

(3)自變量時間節點的確定。明確了如何篩選研究對象、如何計算流失標簽后，接下來需要確定建模過程中自變量所需數據的時間范圍。本文建模的核心思想是利用用戶的歷史信息對未來狀態進行預測，即生成某日人群的自變量時利用的是該日之前一段時間的數據。用于生成自變量的時間段的長度需要合理定義，如果時間段太短，就會使得自變量信息提取不充分，難以準確預測未來情況；如果時間段太長，用到的數據太過久遠，那么對預測未來的參考價值就不大，甚至可能造成干擾。本文結合A證券公司業務情況最終認為，30天是一個合理的時間長度。因此，對于第T日的第i個用戶，將利用其在第T-30日至第T-1日的數據生成自變量。仍然以5月2日篩選出的潛在流失人群為例，這部分人在之前30天(即4月2日-5月1日)內的數據情況就是生成X的時間跨度，后續將利用這一時間段內的數據對自變量進行計算。

4 流失預警模型建立

由于用戶每天都有一個流失狀態標簽，一個直觀的辦法是采用逐日建立模型對客戶流失狀態進行預測。但由于日模型更新迭代的頻率較快，且只使用一天的數據，如果當天的樣本量較小，日模型的預測效果就會受到影響。因此，為了增加模型的穩定性，本文嘗試建立7個交易日模型(簡稱周模型)，7個交易日周模型以7個交易日的數據為訓練集。

表1為7個交易日周模型在2021年4月15日和4月28日兩組數據上的擬合結果。由表1可知，除了“總交易次數均值”在4月28日的模型中不顯著之外，其他自變量在兩個模型中均是顯著的，且顯著程度較高。此外，從系數結果可以看到，兩個在不同日期建立的模型系數有相同的方向和相近的大小，說明選出的11個自變量在客戶流失概率刻畫過程中的作用較為穩定。從模型評估結果來看，4月15日周模型的AUC為0.846，精確率為66.4%，召回率為86.5%；4月28日周模型的AUC為0.822，精確率為72%，召回率為82.7%。由此可以看出，周模型具有一定的穩定性，且預測能力已經達到了較高水平。

5 結語

綜上所述，模型產生的一個重大應用價值就是基于流失風險的人群進行細分。具體做法如下：本文對客戶的流失狀態進行預測，根據模型預測出的流失概率將客戶等量劃分為10類。其中，前10%的客戶有最高的預測流失概率，10%～20%的客戶有次高的預測流失概率，以此類推。為了驗證模型效果，可以計算每類客戶的實際流失率，對比發現，擁有較高預測流失率人群的實際流失率也相對較高，特別是“前10%”和“10%～20%”的客戶實際流失率分別高達92.43%和92.70%。因此，可以根據模型給出的預測流失概率對客戶劃分不同的流失風險等級，如“高流失風險”“中等流失風險”和“低流失風險”，并在實際業務中根據風險等級對客戶應用不同的挽回策略。