我国商业银行信用卡客户流失实证的研究.docVIP

我国商业银行信用卡客户流失实证研究 　　摘要：本文论证了实现客户流失管理的基本条件，运用逻辑回归方法识别国内商业银行信用卡客户流失的行为特征，提出了预测信用卡客户流失的行为模型，发现影响客户流失行为的敏感性指标，提出在当前竞争激烈的国内信用卡市场中商业银行管理层着手信用卡客户流失管理的切入点。本文主要结论是：根据预示客户流失行为的若干指标和分析结果，要从信用卡客户定位、交叉销售、多渠道服务以及提高信用卡客户退出成本等多方面构建信用卡客户保留策略。 　　关键词：商业银行；信用卡；客户流失；客户价值 　　文章编号：１００３－４６２５（２００8）11－００69－０4中图分类号：Ｆ830.4文献标识码：Ａ 　　 　　一、研究背景 　　 　　信用卡业务进入我国已逾30年。在信用卡发卡量迅猛发展的形势下，国内商业银行发卡机构面临的挑战前所未见，带来了信用卡市场日趋饱和以及发卡机构研发的产品和服务趋同的现实问题。然而，国内大型商业银行发卡机构在信用卡营销过程中实际应用数学模型管理流失客户的意愿较低，提高客户忠诚度的管理行为仍然执行不到位，科学管理的应用效果还未最大化。以本案例中商业银行为例，该商业银行在某沿海经济发达城市的具有较高忠诚度和价值的信用卡客户流失率水平在8%以上，如果将睡眠流失的客户计算在内，信用卡客户流失水平将超过10%。因此，尽快建立适于商业银行自身发展情况的客户流失行为模型是十分必要的，掌握客户流失行为特征并分析竞争对手市场推广产品的特色，有针对性地制定出客户保留策略更显商业价值。 　　 　　二、研究假设 　　 　　（一）客户流失定义 　　影响商业银行目标客户流失的因素很多，归纳起来大致有个人自然因素、微观环境因素和宏观社会因素三方面因素（陈建成、马文扬，2007）。基于上述对个人客户流失原因的认识和个人客户价值与忠诚度标准的界定，笔者把本案例中商业银行信用卡客户流失标准确定为：在一年观察期内持有国内信用卡时间已满一年（等同于365天，不含）以上，个人金融资产达到5万元（含）以上或者使用信用卡单次消费金额达到过500元（含），并且在未来一年内持有的信用卡全部销户的个人客户。采用足够长的观察期和表现期的目的是为了包含影响客户流失的季节、节日以及其他重要事件在内的各种因素。 　　（二）本研究的若干假设 　　基于客户流失行为模型训练集的描述性统计分析，笔者对输入变量与客户流失响应指标（输出变量）之间做出若干假设。客户最后一次主动交易距今天数（daytype）与信用卡客户流失率呈正相关；近3个月非消费交易次数（excsmtype）、近3个月消费交易次数（csmtype）、近1年账户日均存款余额（agdtype）、近1年账户日均透支余额（agotype）与信用卡客户流失率呈负相关；使用网上银行交易渠道（netype）、客户年龄（agetype）、交叉使用产品数量（prodtype）、近1年新开账户数量（accntype）、使用除信用卡外账户数量（accatype）、使用电话银行交易渠道（teltype）预测客户流失效果不明显。 　　 　　三、研究方法 　　 　　在定量分析研究中，线性回归模型（Linear regression model）是比较流行的统计方法。然而，在现实世界中，线性回归模型对分类输出变量无法做出很好的解释，比如，对商业银行客户的流失与非流失行为的判断，由于输出变量是二值而非连续的，线性回归模型就不能对目标客户产生有效的分类和预测。因此，在设置分类变量时，通常采用的一种方法是对数线性回归模型（log-linear model）。当对数线性模型中的二分类变量被当作输出变量并定义为一系列自变量的函数时，对数线性模型就变为逻辑回归模型（Logistic regression model）。 　　Logistic回归模型工作原理最为重要的部分，是能够在二分类输出变量（取值0或1）与解释变量（输入变量）建立线性关系。为简要说明两者建立线性关系的过程，首先定义事件发生概率及不发生概率分别为： 　　p=1/(1+e)（1） 　　1-p=1/(1+e)（2） 　　其中?琢是截距、?茁是回归系数，那么，事件发生概率与事件不发生概率之比为： 　　p/（1-p）=e（3） 　　这个比被称为事件的发生比（英文缩写odds），而且发生比的取值范围可从大于零值到正无穷之间任意取值，对这个比取自然对数可得一个线性函数： 　　Logit(y)=ln(p/（1-p）)=?琢+?茁xi（4） 　　对于多个输入变量的逻辑回归模型，我们可以设定多个回归系数，并建立逻辑回归模型的数学方程式如下： 　　p=(e)/(1+e)（5） 　　相应的，逻辑回归模型的形式变为： 　　Ln(p/(1-p))=?