SaCa RealRec客户挖掘案例分析:中国银行客户流失(5)

时间:2025-07-11

客户挖掘案例分析,中国银行

上海分行的具体实施情况。

原始数据

原始数据共20w条,用户ID,12个因素变量(性别,房产,年龄,开户时长,是否持有信用卡、白金卡、理财卡,5、6、7三个月AUM值,AUM值5到6月、6到7月的变化),类别标识为8月份客户是否流失。实际数据中流失客户只占3%左右。

关于流失客户的定义,中国银行上海分行对于客户流失的定义为连续三个月AUM值小于20万的用户,但通过实际分析发现,连续两个月AUM值低于20万的客户与连续三个月的相差很少,再进一步分析发现,单个月AUM值低于20万的客户与连续两个月的相关也很少,因此,在实际整理样本数据时,直接选取7月份AUM值高于20万的客户为全部样本中高端客户,并根据其8月份AUM值是否高于20万来定义其是否流失。简单来说,就是用5,6,7三个月的数据来预测8月份客户是否流失。

SPSS模型

利用SPSS clementine构建了决策树模型,考虑到流失客户占比过少,他将流失客户的数据量放大了15倍,至于如何放大,是重复还是分析现有数据特征重新生成,由clementine来做,我们不知道。

构建模型需要有建模数据和测试数据,他设置6:4的参数来分配两者比例,至于clementine如何选取数据,我们也不知道。但估计应该是各分类数据都按照6:4的比例来分配。

模型构建成功后,clementine给出了各个因素的重要度,主要有三个:5月份、7月份的AUM值,6月到7月的AUM值变化率。其它几乎可忽略,至于这几个因素如何得到,我们不知道。

模型构建成功后,clementine给出了测试数据如下:

我们关心的是流失部分的指标:

准确率为1770/14461=12.2%

SaCa RealRec客户挖掘案例分析:中国银行客户流失(5).doc 将本文的Word文档下载到电脑

精彩图片

热门精选

大家正在看

× 游客快捷下载通道(下载后可以自由复制和排版)

限时特价:7 元/份 原价:20元

支付方式:

开通VIP包月会员 特价:29元/月

注:下载文档有可能“只有目录或者内容不全”等情况,请下载之前注意辨别,如果您已付费且无法下载或内容有问题,请联系我们协助你处理。
微信:fanwen365 QQ:370150219