SaCa RealRec客户挖掘案例分析:中国银行客户流失(4)
时间:2025-07-11
时间:2025-07-11
客户挖掘案例分析,中国银行
养老金客户群:持有常青树卡客户;
投资理财客户群:当年发生过理财产品、基金产品交易的客户。
个贷客户群:有个人贷款余额的客户(不含国家助学贷款客户、GMAC
项目客户);
跨境客户群:办理过跨境业务产品的客户,包括结售汇、国际汇款、信
用卡境外消费、外汇留学贷款、旅游保证金等业务的客户。
---时点客户(?)基本信息中添加:是否信用卡客户(参照开卡日期)、是否代发类客户(当月有代发记录)、是否养老金客户(长青卡开卡日期)、是否持有理财产品(当月理财产品余额大于零)、是否持有贷款(除国家助学贷款客户、GMAC项目外贷款余额大于零)。
6.投诉处理:对有拨打客服电话进行业务反馈或投诉记录的中高端客户,分析其投诉当月及之后是否流失
7.业务频率:分析一段时间内(时间跨度通过预警模型进行细分)客户在我行全渠道业务(活期)办理频率与客户流失之间的关联性。
8.互动记录:从我行客户维护端,围绕客户经理与客户之间的互动行为(包括:短信关怀、电话互动等)进行分析。
9.贷款业务:对贷款中高端客户还款情况进行分析,了解在客户贷款偿清前一段时间内的交易情况(可提前对这类客户进行其它产品的营销),以及偿清后是否存在流失情况。
10.客户基本信息:性别、年龄、房产、单位性质、单位所属行业、职业、客户等级、月收入,构建客户全景视图。
11.交易记录:该类数据量大,从中分析客户交易的时间、地点、频率、金额、类型(取现、网上交易、转帐、购物、理财产品、贷款、缴费等等),也可分不同的时间段统计,总结客户的交易行为特点。
12.AUM(Assets Under Management客户在银行的可控资产,包括存款、理财投资基金、保证金等)的变化情况
也可基于上述因素构建新的变量,比如,计算AUM相邻两个月的变化率,将这个变化率作为一个因素加入后续模型。
建立模型
为了模型的可解释性,流失预测一般选取决策树模型。下面介绍在中国银行
上一篇:中国医科大学药理学试题