客户关系管理关联分析法

客户关系管理解决方案实践报告 --基于关联分析的商业银行客户关系管

理解决方案

目 录

目录

1 前言 .............................................................................................................................................. 4

2 相关技术论述 ............................................................................................................................... 4

2.1数据挖掘的概念 ................................................................................................................. 4

2.2数据挖掘的必要型 ............................................................................................................. 4

2.3数据挖掘在银行系统的应用 ............................................................................................. 4

2.4聚类分析 ............................................................................................................................ 5

2.5 4OLAP在线联机分析处理 ............................................................................................... 5

3 客户数据分析流程 ....................................................................................................................... 5

3.1任务目标确定 ..................................................................................................................... 5

3.2客户数据预处理 ................................................................................................................. 6

3.4 客户数据发现与表达 ........................................................................................................ 6

3.5数据分析结果 ..................................................................................................................... 7

4 数据分析结果对企业的意义 ....................................................................................................... 8

4.1 关联规则在客户风险控制中的应用问题 ........................................................................ 8

4.2 具体解决方式 .................................................................................................................... 8

5 客户关系管理解决方案提出 ....................................................................................................... 9

5.1客户档案 ............................................................................................................................. 9

5.2 查询功能 ............................................................................................................................ 9

5.3客户关系 ............................................................................................................................. 9

5.4组合对帐单 ......................................................................................................................... 9

5.5信用评级处理 ................................................................................................................... 10

5.6备忘录／历史记录 ........................................................................................................... 10

5.7客户安全管理及风险控制 ............................................................................................... 10

6 结论 ............................................................................................................................................ 11

1 前言

随着数据挖掘技术的发展，如何从海量数据中挖掘有用信息成为倍受关注的一个热点问题。银行信息的数据挖掘也成为非常活跃的应用领域。探讨了数据挖掘分析中的关联规则分析方法及在商业银行的应用，研究了其在分析客户交易行为及产品交叉营销等工作中的算法和模型，并提出了关联规则分析在商业银行应用的若干问题，指出了进一步研究的方向。

2 相关技术论述

2.1数据挖掘的概念

数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。

2.2数据挖掘的必要型

数据挖掘技术从其诞生初始就是面向应用的。它不仅是面向特定数据库的简单检索查询调用,而且要针对这些数据进行微观及宏观的统计、分析、综合和推理,以指导实际问题的求解,试图发现事件间的相互关联；或者，进一步利用已有的数据对未来的活动进行预测。数据挖掘所能解决的典型问题包括：数据库营销(Database Marketing)、客户群体划分(Customer Segmentation

&Classification)、背景分析(ProfileAnalysis)、交叉销售(Cross-selling)等市场分析行为，以及客户关系管理(Customer Relationship Management)、客户信用记分(Credit Scoring)、欺诈发现(Fraud Detection)等等。在金融领域，数据量是非常巨大的。因此，有必要利用数据挖掘对客户行为进行分析。

2.3数据挖掘在银行系统的应用

商业银行的经营管理是一个复杂的过程，通过客户数据的信息积累和有关模型的分析可以达到有序管理的目的。但是，面对不同的客户和经营环境，数据挖掘技术的应用必须因地制宜地进行调整，把信息科学、行为科学、管理科学和计算机技术有机地结合起来，才能达成预期的效果。

2.4聚类分析

聚类将数据对象的集合分组成为由类似对象组成的多个类的过程，类标号是未知的。聚类的准则：最大化类内相似性，最小化类间相似性。聚类就是将数据对象分组成为多个类或簇，在同一个簇的对象间具有较高的相似度，而不同簇中的对象差别较大。

2.5 4OLAP在线联机分析处理

直接仿照用户的多角度思考模式，预先为用户组建多维的数据模型。用户可以快速地从各个分析角度获取数据，也能动态的在各个角度之间切换或者进行多角度、多层次的综合分析。数据仓库是一个包含企业历史数据的大规模数据库，而OLAP技术则是利用DW中的数据进行联机分析，将复杂的分析查询结果快速的返回用户。OLAP服务器，对分析需要的数据按照多维数据模型进行再次重组，以支持用户多角度、多层次的分析，发现数据趋势。

3 客户数据分析流程

3.1任务目标确定

根据该银行对于客户的数据信息显示，影响客户参与持股计划有诸多因素，包括：年龄、性别、地区、收入、婚姻、有无孩子、有无车、有无贷款。本模型需要解

决的问题是：对于银行客户数据中，哪些客户是有最大可能参与持股计划的？他们都具有怎样的特征？

3.2客户数据预处理

数据库中的原始数据由于受到人为或物理等因素的影响，会存在噪声数据、空缺数据和不一致数据等。如果直接在上面进行数据分析和处理，容易得到不准确的分析结果。所以，在挖掘前应该对数据进行预处理，这是模型建立的最重要步骤之一。

3.4 客户数据发现与表达

表1 **银行信用卡产品覆盖率明细表

项目名称 户数

信用卡

数量

信用卡

覆盖率

目标覆

盖率

个人贷款 3,500 1,198 34% 70%

汽车贷款 25,875 1,636 6% 70%

个人住房贷款 133,085 25,693 19% 70%

VIP 业务 67,055 18,076 27% 70%

个人活期存款 160,406 43,602 27% 30%

个人定期存款 454,163 19,634 4% 30%

代发工资业务 301,670 46,083 15% 50%

合计(平均覆盖率) 1,145,754 155,922 14% 43%

经过实际数据的分析测算，以信用卡业务为例，办理一张信用卡的客户活动比例约为42.3%，而办理三种以上信用卡产品的客户的活动率达到70%，关联产品的使用促使客户对于银行产品的整体使用情况大为改善。客户在使用金融企业三种以上产品后，将极大降低客户的流失率。由于缺少交叉营销分析的运用，国内金融机构往往无法准确判断客户对相关产品的喜好程度，难以进行有针对性的“捆绑营销”活动，不仅浪费了非常宝贵的客户资源，而且无法真正得维系好客户

3.5数据分析结果

由上表可以看出，以信用卡产品为代表的银行产品在营销关联度、综合使用率等方面尚存在较大差距，大量优质客户的营销潜能尚未充分挖掘，个人住房贷款业务客户选择信用卡的比例仅为19%，VIP客户选择信用卡的比例仅为27%，而汽车贷款业务客户选择信用卡的比例最低，仅为6%。以上数据表明，在银行众多的中高端优质客户群体中，选择银行关联产品的比例较低，而这些客户恰恰是信用卡客户急需发展的重要目标客户资源。在银行关联产品相关问题的分析和使用上，普遍存在严重的忽视，并由此带来业务规模难以扩大、营销成本上升、优质客户流失等问题。因此，银行必须高度重视对该方面课题的研究，从客户战略的高度看待这一问题。在进行关联规则的运用之前，应确定适用的客户样本集和金融产品种类。应选择确定具有营销可操作性的产品，并在数据库中寻找客户使用

以上产品的规律，进行数据清理、转换、集成等数据准备，并确定最小无法实现定量控制。如信用卡业务的覆盖率是14%，目标覆盖率是43%。通过以上的关联分析，银行可能会向基金业务客户、外汇交易业务客户宣传信用卡业务。这一举措将有可能提升信用卡业务的覆盖率，但如何保证将覆盖率提高到

70%，这是一个仍待解决的问题。

4 数据分析结果对企业的意义

4.1 关联规则在客户风险控制中的应用问题

关联规则分析不仅可对于银行产品交叉营销起到积极促进作用，还可对于营销过程中的不良客户进行筛查排除，对于客户日常交易进行监控和指导，减少营销不良客户的比例，减少营销资源浪费。风险管理是识别、防范和控制信用卡申办和使用过程中的各种风险，通过对客户的资信评估，确定信用等级、分析透支情况、降低透支风险等。其中资信评估是重要的部分，通过建立资信评估系统，对客户进行信用等级分类。通过对客户的用卡行为进行监控和检测，从而评估持卡客户的信用风险，并根据模型结果，智能化地决定是否调整客户信用额度，在授权时决定是否授权通过，对可能现的逾期提前预警。例如，银行在通过对于欺诈交易的历史数据进行分析以后发现，欺诈交易发生之前，往往会进行试性交易，两者呈现较强的关联度，因此，可以依据对风险客户的个人交易信息进行关联规则分析，发现其中规律，用于指导客户营销方案、客户准入制度、征审条件的制 定和风险交易的日常监控和预警。

4.2 具体解决方式

将风险客户的相关属性字段取值作为关联分析对象的数据集，包括性别、年龄籍贯、学历、婚姻、交易金额等，将风险交易金额划分为若干区间，从风险等级1 到风险等级4，将年龄划分为若干区间，依此类推。并设定支持度和置信度水平使

用以上算法后，可以将符合最小支持度和置信度的强关联规则进行发现，如：40 岁以上且婚姻状况为未婚的客户的风险较大，处于风险等级2 级，年龄在25 岁以下的客户的风险较大，处于风险等级2 级，等等。这些规则的发现，使银行在进行交叉营销过程中，可以预先了解不良客户的特征，在制定营销方案时，考这一因素，提前将风险客户排除在营销范围以外。同时，对于风险客户的日常交易行为监控也具有了科学准确的依据。但是，相关属性字段有很多个，以单独一个属性字段作为划分的标准是

5 客户关系管理解决方案提出

5.1客户档案

该系统记录每个客户的档案资料，包括详细的姓名和地址、统计信息、交易信息、对帐单信息、信用分类、客户帐户摘要与银行的抵押关系。客户在办理业务时，先为其生成客户号，建立基本的客户信息。在同一客户号下开立各种不同性质的帐户、建立客户号和帐户之间的关联。

5.2 查询功能

提供多种查询方式。

5.3客户关系

该系统应该可以建立客户和帐户之间的关系，能方便显示多个客户与某个帐户之间的关系；或多个帐户与某个客户之间的关系；同时记录客户之间的关系；能维护家庭客户信息或员工信息。系统能确定客户之间的关系并能进一步提供与之相关的帐户明细，实现交叉销售 (Cross Selling)和向上销售(Up Selling)。

5.4组合对帐单

可以按客户的需求，将不同客户的对帐单的不同帐户组合在一个对帐单。

5.5信用评级处理

该系统在建立或改动客户记录时，应能建立用户信用信息，或提供客户信用档案。客户的信用信息通过交易实时更新。

5.6备忘录／历史记录

该系统应提供备忘录和记录功能，其中备忘录功能记录所有连续的信息。客户通过各种渠道(例如：电话、ATM、POS、网上银行等)与银行进行联系。系统记录客户联系的内容，帮助银行管理人员高效、迅速地为客户服务。客户历史记录还包括：客户联系日志以及客户抱怨管理等。

5.7客户安全管理及风险控制

客户安全管理应主要考虑以下几个方面：客户数据的安全、保密；客户自助服务的安全性；客户签名的捕获和验证；风险预警及控制。

第三个阶段

就是利用第二阶段的工作成果分析了解客户的行为，进一步开动脑筋进行思考如何在总体上优化银行产品与业务流程。

银行CRM的关键价值体现在分析，它能帮助你对客户及其需求有更好的了解，让你在维持你的利益和管理风险的同时更好的为他们服务。其目标是分析已发生的，同时根据历史数据和数据挖掘技术预测即将发生的 (如：什么类型的客户是可能要离开的；哪种产品是大家都典型定购的)。振荡分析将是开展针对“风险”客户的促销活动的推动力；而产品群的发现将导致对所有客户的交叉销售建议。好的CRM系统会提供现成的模板和工具帮助客户进行相关的分析。典型的分析工具有：

• 高级客户分割：提供了一种工具可以在你所选择的主数据和相关属性的任何组合的基础上建造一个目标客户群。

• 促销结果和利润分析：集成的 CRM 系统的真正价值是通过分析人员关于客户行为的绩效来实现。关于营销和促销管理，系统提供了所有相关信息源和CRM分析的集成内容。通过这个集成，用户可以衡量特定营销活动的成功，衡量客户关系。分析型CRM的灵活管理使机构能为任何营销相关的分析创造咨询。 • 销售计划和模拟：促销成功预测和优化 一开始是为促销经理开发的。在促销的预备阶段，他们可以使用分析应用软件确认最适宜的目标群。此目标群的基础是预测的反应的可能性和人口统计标准。这样，促销经理能对促销活动的反应率进行预测和优化。这意味着他们能使用一个特定连接的工具，提高促销的收益，优化ROI。

• 高级数据挖掘指导未来的市场营销合销售过程：包含了客户生命周期价值分析、客户行为分析、电子网点、网站点击分析和电子商务分析等。

6 结论

关联规则分析方法是当今企业进行产品和客户分析的重要手段，能够最大限度地寻找客户、分析客户、维系客户，是各行业稳健运营的基础之一，尤其对于具有数据量巨大、客户差异化明显、产品服务种类繁多等特点的行业，必须依靠这一方法提高分析的准确性。本文提出了关联规则分析在商业银行应用的若干问题，指出了进一步研究的方向。关联分析的理论研究探索和经验的积累，同样需要在实际工作中进行使用和校验。双方具有十分密切的关系，它们的研究和发展必将对相关行业的理论探究和经营发展起到极大的推进作用。