基于K-means和PCA的商业银行客户价值细分模型研究.pdfVIP

财会通孔 ·综合 2010年第9期(下) 基于K—meansS~EIPCA的商业银行客户价值细分模型研究术 曹日 国I=J (常州工学院经济与管理学院 江苏 常州 213002) 摘要：为解决样本间分类指标信息重叠而降低K—means算法效率问题，本文提 出基于PCA的K一均值商业银 行客户价值细分模型。利用主成分分析方法，将个数较多的原始输入变量进行预处理 ，使其变为一组个数较少 独立的新输入变量，将新的输入变量样本作为K一均值的输入样本并进行商业银行客户价值细分，又使用单因 素方差分析方法检验PCA—K—means的可行性。结果表明：PCA—K—means算法具有可行性较好的分类效果。 关键词：商业银行 客户细分 细分指标 主成分分析 K一均值 一 、 引言 随着外资银行纷纷涌人，原来被国内银行的—些重要业务逐步向外资银行打开。与外资银行相比，国内大多数商业银行都未能建议企业的 核 客户，致使银行的时间和资源得不到合理配置，严重降低了核 客户的忠诚度。可见，对银行客户价值的认识和把握是提升商业银行客户 成长的关键，只有通过对银行客户价值细分研究，才能定性化辅助商业银行长期识别、保留和发展银行客户，提升客户忠诚度 对此，众多学者 进行了研究。冯永等(2007)提出了一种基于动态sO 申经网络和RFM指标的客户分类方法。该方法首先利用动态s0M{串经网络聚类分析模型 产生客户簇，使企业能够有针对陛地对不同客户实施差别化服务策略，为企业的客户战略提供了有效的支持和决策。孟钊兰等(2008)运用多元 统计的因子一聚类分析方法，从风险要素和价值要素两个维度来重新设置银行信贷客户分类的方法。邹鹏等(20o9)在代价敏感性学习机制下引 入支持向量机作为分类工具，建立基于客户价值的错分代价函数，为适应客户价值多类别细分的要求，将二元分类扩展为多元分类，建立分类 的期望损失函数作为分类效果的评价标准。张庭溢等(2008)基于数据挖掘的客户细分方法，提出了套电信行业客户分类的数据挖掘技术应用 解决方案，并对电信公司小灵通客户进行了应用分析。AchimWalter，ThomasRitter和HansGeorgGemunden(2001)以货币因素与非货币因素将 客户价值分为直接价值、间接价值和社会价值。该研究还以直接价值、间接价值为分类指标，将客户关系分为四类：高绩效关系、买卖关系、低绩 效关系和网络关系。Jyh—Jiansheu等(2009)利用决策树理论对网络游戏客户建立分类模型，并研究分类指标和客户忠诚之间的潜在关联。与此 不同，本文在前^研究的基础上拓宽了传统的RFM评价指标体系，并结合PcA和K—means算法建立客户价值的智能细分模型，从而为企业的客 户价值和群体信息的获取提供—个崭新的方法，以便能及时正确的识别客户群体信息，制定相关的营销策略，抢 占市场。 二、研究设计 (一)基于PCA的商业银行客户价值细分指标体系 传统的客户分类指标主要是RFM模型，该指标体系主要是依据客户的最近交易Ei、交 易频率、交易金额来判断该客户是企业的黄金客户还是潜在客户或是即将流失的客户。RF 由于其思想比较简单，又能刻画客户的交易行 作者简介： 曹 国(1975一)，男，安徽舒城人，常州工学院经济与管理学院讲师 27 曹 国：基于K—means和PCA的商业银行客户价值细分模型研究 表 2 旋 转 后 的主成 分 为，因j 艮早就在许多公司中获得了应用。但是，直到信息技术的发展 使得数据库营销技术得到大力发展的时候，该模型才开始得到广泛的 研究和应用。考虑到RF删莫型较为简单，本文采