SaCa RealRec客户挖掘案例分析：中国银行客户流失(4)

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