基于數(shù)據(jù)挖掘的銀行客戶流失模型分析研究.pdf

1、經(jīng)濟(jì)全球化以及電子商務(wù)的實(shí)施，使商業(yè)銀行面臨更加激烈的競(jìng)爭(zhēng)，特別是由于對(duì)客戶資源的競(jìng)爭(zhēng)全球化以及爭(zhēng)奪高價(jià)值客戶競(jìng)爭(zhēng)的日趨激烈，使得客戶擾動(dòng)加劇、客戶流失嚴(yán)重、客戶獲得成本增加，銀行經(jīng)營(yíng)風(fēng)險(xiǎn)增加、競(jìng)爭(zhēng)力受到巨大的沖擊。研究發(fā)現(xiàn)在銀行行業(yè)，客戶保持是CRM策略成功的關(guān)鍵，只有當(dāng)客戶隨著時(shí)間得到保持，這一策略才是有利可圖的，并且成功的客戶保持能夠降低銀行尋求新的、具有潛在風(fēng)險(xiǎn)客戶的需求，并使銀行將注意力集中在建立關(guān)系和滿足現(xiàn)有客戶的需求上。所

2、以面對(duì)當(dāng)前的市場(chǎng)狀況，商業(yè)銀行必須在發(fā)展新客戶的同時(shí)，著手進(jìn)行客戶保持的研究。商業(yè)銀行維系現(xiàn)有客戶可以增加資金的匯聚量，同時(shí)節(jié)省誘導(dǎo)客戶進(jìn)入銀行所必需的廣告和介紹成本，從而產(chǎn)生更多的現(xiàn)金流和利潤(rùn)。銀行客戶保持的成功主要依靠對(duì)銀行客戶流失情況的分析和評(píng)估，從而提前預(yù)知某些客戶是否有流失的可能性，進(jìn)而采取市場(chǎng)策略。而空前巨大的個(gè)體水平客戶數(shù)據(jù)量使得銀行的數(shù)據(jù)庫(kù)變得更加巨大和復(fù)雜，數(shù)據(jù)挖掘技術(shù)能夠勝任對(duì)海量數(shù)據(jù)的處理，必將在銀行行業(yè)的客戶流失

3、分析中發(fā)揮巨大的作用，從海量的普通業(yè)務(wù)數(shù)據(jù)中發(fā)掘出關(guān)于客戶流失的關(guān)鍵信息，幫助銀行留住最寶貴的資源——客戶。
　　本文正是在這樣的背景下，運(yùn)用市場(chǎng)營(yíng)銷、管理決策理論與方法、數(shù)據(jù)挖掘技術(shù)和統(tǒng)計(jì)技術(shù)，圍繞具有廣泛的實(shí)際背景和發(fā)展前景的商業(yè)銀行客戶關(guān)系管理核心部分客戶流失問題進(jìn)行了系統(tǒng)的研究。首先在考察和分析其它相關(guān)研究使用的變量基礎(chǔ)上,得出與客戶流失密切相關(guān)的因素:在銀行服務(wù)時(shí)間長(zhǎng)度,年齡，與銀行接觸的主要渠道,是否購(gòu)買銀行的某些產(chǎn)品

4、，擁有銀行各種業(yè)務(wù)的數(shù)量等13個(gè)與銀行客戶流失密切相關(guān)的靜態(tài)客戶資料；同時(shí)，引入了時(shí)間序列的因素，即考察期前一年銀行客戶的各種交易行為，最終把這兩部分因素都做為客戶流失模型的輸入變量，最終輸入模型的解釋變量達(dá)到了200多個(gè)。使用Weka和SAS Enterprise Miner兩種數(shù)據(jù)挖掘軟件分別建立了某商業(yè)銀行客戶流失的決策樹預(yù)測(cè)模型和Logistic回歸預(yù)測(cè)模型，最后對(duì)所建立的客戶流失預(yù)測(cè)模型的預(yù)測(cè)效果進(jìn)行了比較和分析，識(shí)別了商業(yè)銀