银行金融领域,如何利用数据挖掘对客户进行深入分析?

首先我们增加了一个纬度,主要业务分类,这里面又分为月度主要业务分类,也就是计算每个月可以分为储蓄类、贷款类、理财类,还有混合类,后两类的客户比例是非常低的,月度的数据可以综合出客户在17个月中主要做的业务。有了客户主营业务的分类以后,我们可以继续来看客户流失的场景是什么,第一个场景就是刚才说的大额的消费、大额的刷卡。储蓄中断,客户的储蓄持续几个月有100万,突然就不见了,他是转移到了其它银行,至于转移到了其它银行做什么事情我们不清楚。理财的转移,在这个客户降级、流失之前,我们猜测这些人多数人去其它银行多数做理财产品。

同样,流失级别不能一概而论,我们会把客户流失严重程度分为从轻到重。所有的客户流失级别里面,大概有一半多的人是没有流失的,级别甚至是有所提高的,有17-18%的人是流失了的客户。再看做什么主业的客户容易流失?贷款里面蓝条是没有流失的,做贷款的客户是最稳定的,这并不是个很低的门槛。做储蓄的人是最容易流失的,因为储蓄转移的成本是最低的,网银现在转移储蓄肯定两块钱就转走了。

我们还可以看一看全部客户的主业分布图,高端客户里有43%的人是做贷款的,发生降级、流失的客户储蓄减少了、贷款增加了,验证了上面的信息。还有一些基础信息,地域中西部地区是最稳定的,36岁以下的客户愿意做的业务是贷款业务,非常稳定,55岁以上的客户储蓄理财的比例是比较大的,因此流失率也是比较高的。

有了以上的一些交叉分析以后,我们重点看了几个场景:一个是理财转移,理财转移在这段时间内给这家银行带来了大概104亿AUM的损失,大概有1/7的理财客户转移了以后有所恢复,也有1/7的客户转移了以后没有恢复。理财转移的客户偏好的产品和其它客户有没有区别?我们做个对比。可以看到转移的期限,左下角使转移和流失的客户更喜欢稳健型的产品。能不能预测一下贷款的余额占总额的百分比到底什么的时候,客户一次性提前还款的可能性较高,我们做了简单这样的统计度,平均的提前还款率是条红线,下面的横坐标是贷款的余额占的百分之比,贷款余额降到25%之后的时候提前还款率是非常高的。

最终,我们对这个银行给出了一些业务上的建议,比如对储蓄类客户推荐更多产品,尤其是提升交叉营销率,提高他的转移成本,其中交叉营销率都是重要的变量,对于理财客户要及时推荐给他符合偏好的产品,利用网银做好产品的衔接与客户挽留。对贷款的客户要做好提前布局,到当时他的贷款余额降到30%左右空间的时候要重点关注,预判到可能发生提前还款的时候,尤其是可以利用网银迅速的做出一些产品的推荐,比如给他推荐一款理财产品,早期的像房贷拿到7折利率的话,现在大概是4.6%左右的利率水平,现在很多银行理财产品都可以达到这一水平,甚至5%以上。有这样的网银推荐给客户的时候,他就要考虑我是不是要提前还款,他如果购买这个理财的话其实实现了双赢,银行留住了客户,这个人也拿到了更好的利率。

VIA:中国统计网

更多详细信息,请您微信关注“计算网”公众号: