基于SOM的商业银行客户分类管理模型研究.pdf

《基于SOM的商业银行客户分类管理模型研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于SOM的商业银行客户分类管理模型研究基于SOM的商业银行客户分类管理模型研究ResearchofManagementModelaboutCommercialBankCustomerClassificationBasedonSOM施扬ShiYang(东南大学计算机系,江苏南京211189)(DepartmentofComputerScienceandTechnology,SoutheastUniversity,JiangsuNanjing211189)摘要:应用自组织特征映射SOM的人工神经网络模型，针对目前多数银行所采用的传统客户划分方法，存在没有针对性的满足客

2、户的需求的缺点，充分利用自组织特征映射作为样本特征检测器的功能，将反映客户的高维数据特征输入SOM进行训练，训练之后的分类模型将可以对在线输入的客户信息进行合理的分类。客户分类是客户关系管理系统的核心功能之一，可以对客户获取、客户保持及客户增值等客户关系管理过程提供全面支持，对商业银行的CRM的有效运行提出了一种新的方法。关键词:银行;客户分类管理;人工神经网络;T.Kohonen自组织模型中图分类号：F832.2文献标识码：A文章编号：1671-4792-(2007)12-0103-04在现今竞争加剧的市场上，顾客满意度成为银行保持竞前多数银行的客户分类管理还停留

3、在根据某一项和两项单一争力的关键。良好的顾客服务，成为银行与竞争对手之间最指标（如季度的存款额度等）来分类，这些数据难以完全表佳的差异化特色。有效的CRM(客户关系管理)可增加顾客获达一个客户的真实价值，评价一个客户的指标很多，必须使取与利润创造的机会，同时可针对各个顾客的需求设计营销用充分的高维数据来表征一个客户。如何处理高维的客户数活动，以获得较高的投资回报率，并可在适当的时间提供正据成为客户分类管理的主要问题。确的产品信息给适合的顾客;在对内部分，良好的系统构建本文通过分析反映商业银行客户行为各特征要素的数可改善银行各个部门间营销相关活动的运作关系、改善产品据

4、，运用自组织神经网络SOM，建立了客户价值预测的神经周期，同时减少业务与服务的成本，提升营运效率。网络模型。由于在商业银行的用户数据中存在大量的模糊数客户分类管理也称为客户群划分技术(Customer据，例如贷款回收期的快慢、信用状况、信贷项目的使用期Segmentation)，是CRM中十分重要的部分。在当今的金融、限的长短等，在数据特征提取时，笔者采用了模糊技术对这运输等行业，如何更好地进行客户群体划分对公司盈利至关些不确定性数据进行数量化，使这些数据能够被SOM处理，重要。为了给客户提供更好的服务，以赢得客户的忠诚，首并能够更好的反映客户的商业价值。笔者提出了

5、一种基于先必须了解客户的价值[1]。商业银行拥有大量的个人客户交SOM模型的银行客户分类管理模型，该模型能够在对SOM模易数据、个人客户服务数据和个人客户基本资料数据。在这型进行充分的训练之后，实时的给出当前用户的分类情况。些海量数据中，隐藏着大量的有价值的客户信息。运用数据文章最后，给出了CRM中客户分类管理的未来的发展方向。挖掘中的聚类分析技术可以从这些数据里集中提取客户的分1商业银行客户分类的两个主要问题类知识。聚类分析技术可以将性质、特征近似的数据对象归数据挖掘和神经网络技术在银行等金融领域应用广泛。属在相同的群集中。商业银行可以利用此技术分辨出能有效金融事

6、务需要搜集和处理大量数据，对这些数据进行分析，为之服务的最有价值的客户，为他们提供更为个性化的服发现其数据模式及特征，然后可能发现某个客户、消费群体务，从而影响相关的客户行为并最终达到提高盈利的目的。或组织的金融和商业兴趣，有针对的进行营销策略。目前，对于给银行创造较大价值的客户，为了提高他们的满意度与数据挖掘应用于银行主要包含客户分类、风险管理等。忠诚度，最大限度增大这部分客户的价值，是目前客户管理1.1客户细分的有效途径。因此，基于价值的客户细分是十分必要的。目银行根据已有的客户资料通过数据挖掘，可以找出客户103科技广场2007.12的社会、经济和消费特征，再

7、根据这些特征将客户分成不同群体或类别，分析每个客户群体的特性、消费习惯、消费倾向和消费需求，制定特定的服务计划和销售计划，实行个性化销售方案，提高客户的忠诚度。有关研究表明，开发新客户的费用是保留老客户费用的5倍，而成功地保留老客户能使商业银行的利润翻番。通过数据挖掘和模式分类模型，可以找到客户分类特性，并发现其行为规律，就可以在那些具有相似特征的客户还未流失之前，对其进行有针对性的弥补，使得客户能为银行持续创造价值。1.2针对客户的风险管理图一SOM网络结构数据挖掘在银行业务中的另一个重要应用就是风险管的二维Kohonen神经网络模型[3]。Kohonen学习