交易类和循环类客户分群预测模型初探 - 华天地

　　近年来，信誉卡分期事务成为各行信誉卡中心战略转型的要点，在拓宽信誉卡事务收入来历、优化信誉卡收入结构、增强持卡人黏性等方面发挥着越来越重要的作用。在总行大数据、大零售战略的布景下，依据数据开掘办法构建信誉卡请求评分与行为评分，开掘优质潜在新客户自动主张营销的模式、控制用卡危险势在必行。 　　 　　一、建模布景 　　 　　依据央行发布《2018年第四季度付出体系运转总体状况》显示，截至2018年末，全国信誉卡和借贷合一卡在用发卡数量合计6.86亿张；银行卡授信总额为15.4万亿元；银行卡应偿信贷余额为6.85万亿元；卡均授信额度2.24万元，授信使用率44.51%。信誉卡信贷规划持续扩展。 　　 　　使用现有数据，对银行“新信誉卡客户”的买卖类和循环类的客户分群猜测十分必要，一是可经过优化客群结构要点开掘优质客户，针对不同客群精准引荐相应的营销活动、信贷产品，促进信誉卡用户用卡、活卡，有用进步信誉卡客户生命周期管理能力，进步商业银行信誉卡客户的消费额度和消费潜能；二是针对不同客群能够开发不同的危险监控模型及战略，经过优化信誉卡风控体系、强化信誉卡逾期催收等措施加强信誉卡危险管理，并对进步危险的精细化管理能力具有指导意义。 　　 　　二、模型设计 　　 　　经过引入多个维度的变量对信誉卡新客户的信誉卡请求信息、人行征信信息、客户持有产品信息和逾期数据进行多分类剖析法。 　　 　　（一）方针变量 　　 　　本文以“新信誉卡客户”的循环类、买卖类和其他类客户为方针变量，在建模中别离取值为：2，1，0。模型以某商业银行信誉卡新客户的信誉卡请求信息、人行征信信息、客户持有产品信息和行为信息等特征（例如：财物状况、负债状况、理财产品种类、逾期金额等）为中心，树立买卖类和循环类客户的多分类计算函数，构成新客户买卖行为特征、危险特征细分标签，为不同类客户精准营销及危险监控提供依据。 　　 　　（二）建模目标及时刻窗 　　 　　模型研讨目标全行60万的新信誉卡客户（首次办理信誉卡的客户）在信誉卡请求前一年时刻窗口下的卡片请求信息、财物负债状况、行内其他产品持有和买卖信息及还款行为的相关因素。 　　 　　图1 建模时刻窗口 　　 　　为进步建模的精确性，在原始样本数据中，除掉不符合“新客户”概念的换卡、补卡以及无请求编号（如：报废卡）等状况的客户49073条，剩余550927条新信誉卡客户作为客户群体的研讨规划。 　　 　　（三）建模目标体系 　　 　　经过EDW数据仓库，提取相关变量目标体系，包含六个维度100个目标。 　　 　　（四）建模办法及流程 　　 　　1、客户分群 　　 　　为了有用进步猜测的精确性和针对性，正确反映各类客群的不同行为特征，咱们依照客户持有借款产品与贷记卡产品状况对客户分为4类。针对每类客户运用4种多分类剖析法（AdaBoost、梯度进步树GBDT、XgBoost、LightGBM）分群猜测，终究得到作用最优的办法。 　　 　　表2 客户分类标准状况一览表 　　 　　2、数据开掘与处理 　　 　　在使用SAS-EG灵活查询东西，依照先行立定的100项相关建模目标，编写脚本对数据进行提取、剖析。首先，结合事务经验，决议构建年纪分类、年收入分类、近半年个人银行卡月均消费金额以及额度使用率4个衍生变量，做进一步的剖析。其次，将整理好的样本数据导入SAS-EG，经过 “数据补缺（连续性变量为0；类别变量为-1）”-“反常值处理（99分位数盖帽）”- “变量选择”等步骤进行变量选择，依据IV值（IV>0.01）、VIF共线性、逐步回归显著性（0.05）除掉变量，得到主要建模目标。 　　 　　三、模型成果 　　 　　为了防止模型的过拟合，咱们运用四种集成算法（AdaBoost、梯度进步树GBDT、XgBoost、LightGBM）对样本数据进行猜测剖析。本节运用Python软件对买卖类和循环类客户进行集成算法的分类猜测剖析。 　　 　　能够看出XGboost集成算法f1-score得分最高为40.96%，关于模型的猜测作用相对精确，超过先验概率33.33%。 　　 　　四、模型使用 　　 　　（一）个金专业和银行卡拟定专业营销战略和产品引荐方案 　　 　　为执行分行零售事务“客户分层运营、人员分级管理、产品分类运营”改革战略落地，完成“适宜的人”将“适宜的产品”销售给“适宜的客户”。在分行层面，分行个金专业和银行卡专业依据模型对三类客群的细分成果拟定了相应的营销战略和产品引荐方案，能够在后续推进相应精准营销项意图落地工作。 　　 　　（二）客群危险监测主张 　　 　　受建模时刻与数据仓库提数速度的限制，本文未明确对三类客群信誉卡危险监测模型。后续也能够对信誉卡新客户逾期危险进行数据剖析，以开卡后6个月或1年作为时刻窗，考察客户在调查期内逾期还款时刻、逾期次数、信誉卡额度、各月信誉卡透支金额与买卖金额、信誉卡已还款金额等目标，树立新客户信誉卡逾期还款危险监测模型。经过这些目标体系的树立，能够更好地识别和剖析客户的买卖行为、还款志愿及逾期危险，到达信誉卡危险监测的意图。 　　 　　1、实行按月监测期，管控危险源头，防备大额危险。一是对信誉卡新客户每月进行逾期监测，并区分客户危险等级，当客户有连续2次逾期状况时，作为逾期高危险目标，应对这类客户予以防备与监管。二是经过信誉卡透支危险监测，重视辖内信誉卡透支规划及结构等目标，对信誉状况发生裂变、用卡反常的客户拟定处置方案，过滤不良危险。三是执行专人处理总行危险监控体系高危险用卡数据的甄别、处理，防止危险快速积聚。 　　 　　2、树立有用的催收体系，完善催收手段。保证信誉卡事务的健康快速开展，就要不断加大催收工作力度，进步逾期借款回收率，有用下降不良率，特别是对N1、N2、N3段客户进行高度重视与控制。因而，在现有远程银行中心催收事务的基础上，进一步开掘各分行的催收潜力，树立配套的催收机制和流程，充实催收人员，对不良透支进行有用控制。