基于AHP及聚类的分析客户信用卡细分.docVIP

[摘要]近些年,优质客户资源的争夺成为了信用卡业务竞争的焦点。因此,如何通过有效的客户细分,全面掌握客户信息,了解客户的用卡特征,有的放矢进行营销,成为信用卡运营商研究的关键。本文首先用AHP法对个人信用指标体系的各指标进行分析,确定指标体系中各指标的重要程度,并根据一定精确度要求对指标进行精简;然后,运用Clementine软件对经过指标精简后的数据进行聚类,并对每个子类中的客户特点进行分析,并制定了相应的营销策略。 [关键字]AHP;指标体系;信用卡;客户细分;聚类 0. 引言 信用卡发展初期, 多数发卡机构只追求发卡规模而忽视了运营质量,采取无差异营销策略。然而,由于客户需求、利润贡献率、风险等方面差异的影响,单一化的营销策略导致资源利用率和利润率都不高。近几年,随着信用卡领域竞争的加剧,发卡规模的稳定,优质客户资源的争夺成为了信用卡业务竞争的焦点。如何管理好信用卡客户,有的放矢进行营销,成为信用卡运营商研究的关键。《哈佛商业评论》的一项研究报告指出,再次光临的客户可能带来25%～85%的利润。因此,通过有效的客户细分,准确识别客户和分类客户,是实现信用卡客户保留和客户升级的关键,也是信用卡业务实现盈利的关键[1]。 对信用卡客户进行细分的主要目的是评价不同客户群的特征及利润贡献率。信用卡客户为银行带来的利润的大小取决于客户的信用行为,尤其是贷款及还款情况,所以,对客户的细分常常是基于信用行为的客户细分[1]。 聚类分析是进行客户细分的主要数据挖掘方法之一。好的算法是影响数据挖掘应用效果的关键因素,但在面对具体商业应用时,一套好的指标体系也是影响整体效率和准确度的重要因素。对信用卡客户进行分析时变量的确定往往会对分析效率及结果有很大的影响,以往对指标的确定主要是通过主观判断来进行的,缺乏一定的科学性和一致性。当指标数目比较多的情况下,不够合理的指标体系构建就会增大分析的复杂性,影响最终结果。因此,在进行客户分析之前选择好的方法对变量进行分析成为客户细分很重要的一个环节。 从统计分析方法的角度来看,有多种方法可以用来确定指标的权重,如直接评价法、相关分析法、回归分析法、专家测评法以及层次分析法(Analytical Hierarchy Process 简称AHP)等。而在众多的方法当中,AHP法因其特别适用于那些难于完全定量分析的问题,是目前运用较多的对于结果分析更为有效的一种方法。 本文将运用AHP法对信用卡客户信用指标体系进行前期处理,确定指标权重,对指标进行精简,然后再利用聚类分析的方法对客户进行细分,并对细分结果进行解释及制定相应的营销策略。 1. 数据描述 本文选取上海市某商业银行的1000份信用卡用户资料进行分析,其中涉及到的主要数据项及对数据项的处理信息如表1所示。 2. 层次分析法 AHP法是美国运筹学家T.L.Saaty教授于70年代初期提出的,是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法。此方法根据实际研究问题,将研究对象分解为不同的组成因素,按各因素之间的隶属关系,把它们排成从高到低的若干层次,建立递阶层次结构。对同一层次的各元素进行两两比较,就每一层次的相对重要性予以定量表示,并利用数学方法确定出每一层次各项因素的权值。 AHP方法的基本步骤如下[2]: 1)建立递阶层次结构。把复杂问题中的各种因素通过划分相互联系的有序层次使之条理化、层次化,建立层次分析的结构模型。 2)构造判断矩阵。根据对一定客观现实的主观判断,通过专家打分,将同一层次两两因素比较的重要性进行定量描述,得出单个指标的相对重要性,构建正反交互判断矩阵A,矩阵中的每个元素反映的该层元素相对于上一层每个指标的重要程度,一般采用1~9级标度法。 3)单准则排序。对于判断矩阵,计算满足AW= W的特征根 和特征向量W。W为对应于 的归一化特征向量,即为同一层次中各因素对于上一层某个目标相对重要性排序权值。 4)一致性检验。由于判断矩阵是主观认为赋予的,有时会犯不一致的逻辑错误,故需要进行一致性检验来评估矩阵的可靠性。根据AHP的原理,是利用 与n之差检验一致性的,一般用CI和CR两个指标进行判定。 5)层次总排序及一致性检验。计算同一层次所有因素对整个总目标相对重要性的排序权值,称层次总排序。它是用下一层次各个因素的权值和上一层次因素的组合权值,得到最下层因素相对于整个总目标的相对重要性。 层次分析法的整个过程体现了人类决策思维的基本特征,即分解、判断与综合,易学易用,而且定性与定量相结合,便于决策者之间彼此沟通,是一种十分有效的系统指标体系确定方法,在很多领域有着广泛的应用。 3. 利用AHP确定信用卡个人信用指标的权重 3.1 建立评估指标体系 由于本文通过实证分析的方法来研究AHP在信用卡客户细分中的应用,所以根