基于贝叶斯分类的客户分层体系.pdf

《基于贝叶斯分类的客户分层体系.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、FINANCE&ECONOMY金融经济基于贝叶斯分类的客户分层体系牛晓霞(兰州银行，甘肃兰州730000)摘要：本文分析了商业银行客户信息数据的基本规律，所谓分层营销就是有差别的营销，对不同的客户的投入结合了贝叶斯分类的理论知识进行了数据挖掘，实现了对客和服务不同。通常，分层营销的基本模式为：户信息数据的有效利用，提出了分层营销，分层服务的理念，(1)优质系统大户、特大户——由高层营销班子负责营实现了商业银行利益最大化的营销策略。销(高档次特殊服务)；关键词：商业银行；营销策略；贝叶斯分类；数据挖掘(2)中等客户(含个人大客户)、区域性大户——中层营销精英负责(高层次金融服

2、务)；一、商业银行现状(3)小客户(含个人中小客户)——由基层营销人员负随着国内商业银行战略转型的不断深入，银行服务方面责(优质柜员服务、引导自助服务)。的竞争已经进入了白热化的竞争阶段。由以往规律可知，银从上面的分析可以，如何将大批量的客户数据划分为不行80％的业务主要集中在20％的客户上。高效率的利用客同层次是进行营销的关键。通过分析客户资料数据的特点，户资源数据、关注高价值的客户，保证这些客户可以获得特利用贝叶斯分类的相关知识进行分类，其主要原理是通过对殊的服务和待遇，使这类客户成为商业银行的忠实顾客是赢某对象的先验概率，利用贝叶斯公式计算出后验概率，即该得竞争的关键

3、。目前，商业银行拥有大量的个人客户交易数对象属于某一类的概率。选择具有最大后验概率的类作为据、个人客户服务数据和个人客户基本资料数据，这些海量该对象所属的类。数据，普遍只被商业银行用于统计各项指标、任务的完成情下图1是贝叶斯分类的工作流程图：况，没有做到充分利用客户信息数据的目的，造成了数据资源的浪费。所以，在商业银行竞争白热化的今天，如何利用匡一庞大的客户信息数据，建立合理的客户分层模式以确定营销战略是一个重要的竞争手段。网I1性分的十算条所件有概划率l1一+———一例如，某商业银行(以兰州银行为例)，会不定期推出“百合理财”产品(目标人群是自有资金达到5万元以上的个类别

4、计算I验概率艟人落用Ic；~-客户)，但是“百合理财”产品有两类，其中有一类是适用于$l里I特I“保本型”客户，另一类是适用于“非保本型”客户。通常，商图1贝叶斯分类的流程图业银行对有意向购买“百合理财”产品的客户采用填写问卷的方式进行区分，分数达到21分以上的客户建议购买“非保从上图1可知，需要先构造数据、归纳属性。通过对大本”的理财产品，分数不够的客户建议购买“保本型”理财产量的客户信息的归纳统计，商业银行的客户信息主要记录了品。可以看出，这种答卷方式是机械的，不仅浪费时间，而且一个客户的年龄、出生地点、性别、教育水平、健康状况、婚姻划分也不准确。状况、职业状况、工作级

5、别、工作年限、月薪等属性。现在，商业银行可以结合以往经验数据，运用数据挖掘下表l统计了10000名购买“百合理财”客户的相关信中的聚类分析技术可以从这些数据集中提取客户的属性知息(以兰州银行为例)，如下表1所示：识。聚类分析技术可以将性质、特征近似的数据对象归属在表1客户信息数据表统计相同的群集中。这样，会分析得出不同种类人群购买产品的客户号性别年龄受教育程度婚否工资水平购买类型特点，归纳出“保本型”和“非保本型”客户的规律，将此规律Xl男25大专已婚4OOO一50()0非保本型运用到以后的客户，为目标客户提供更为个性化的服务，达X2女30高中未婚2Ooo一3oo0保本型到

6、提高效益的目的。由此可见，制定合理的分层营销策略对X3男37本科未婚35oo一4500保本型X4女38本科已婚4000—5Oo0非保本型商业银行的长久发展意义重大，它关系到一个商业银行能否x5男49本科已婚3O0o一非保本型在极短的时问内吞吐资金，回笼客户以及银行的效益。●●●●●●XlOOo0女76高中未婚2o(】o一30()o保本型二、贝叶斯分类的思想172在分类的过程中，主要用到了下面4个公式，计算概率。个样本分类正确的概率。公式信息如下所示：locationl=length(find((x1—40)>0))；％统计第一类先验概率p(钾)，p(W)(公式1)划分错误的

7、样本数据个数类条件概率尸(／w1)=—1exp(location2=length(find((X2-40)<0))；％统计第二类一云)(公式2)划分错误的样本数据个数后验概率P(W／X)的计算，通过贝叶斯公式：total—error=locationl+location2：correct=(N—total—error)／N；％正确率计算P(Wi／x)：=—————————一(公式3j)，三p(X／W。)P()计算得正确率：corect=0．977，分类的正确率达到了97．70％，可见利用贝叶斯进行客户分类，达到了目