应用于银行信贷的客户价值分析方法技术

本发明专利技术涉及应用于银行信贷的客户价值分析方法，包括步骤：A.通过四个维度分别对客户进行分析：维度一：根据每个客户的贷中行为和风险指标，预测客户的逾期概率；维度二：根据客户的借款活跃度对客户进行划分；维度三：通过利息收入、预估风险损失、其它成本和资金成本，计算客户的当前净收益；维度四：通过聚类算法将客户分成不同的客群，分别计算不同客群的客户的总期净收益；B.将客户分别划分到对应风险等级、收益等级和潜在价值等级中；C.根据维度二和步骤B对客户类型的分类进行相应的运营管理。本发明专利技术能够分析出客户潜在收益，以及在表现期不足的客户的预期收益表现，分析出客户的各种数据，实现了全方位衡量客户价值。实现了全方位衡量客户价值。实现了全方位衡量客户价值。

【技术实现步骤摘要】
应用于银行信贷的客户价值分析方法


[0001]本专利技术涉及大数据分析的方法，具体讲是应用于银行信贷的客户价值分析方法。

技术介绍

[0002]目前银行信贷领域中对客户价值的管理方法大致可以划分为2类：
[0003](1)消费信贷客户价值管理方法：通过RFM
‑
R模型进行计算，其核心在于：
[0004]R＝Recency：近度，最近一次消费距今天数；
[0005]F＝Frequency：频度，一段时间内的消费频次；
[0006]M＝Monetary；交易额，反应客户当前价值；
[0007](2)客户生命周期管理方法：通过AARRR模型对用户分层，分别对处于引入期、成长期、成熟期、休眠期、流失期的客户采取差异化运营，最大化客户价值。
[0008]这2种方案的原理分别是：RFM模型为横向价值模型，以二八原则(20％的客户带来80％的收益)为基础，客户的当前价值为核心集中资源服务高质量客户，结合客户频度及近度反应的客户活跃情况采取不同的营销活动维护客户，提升优质客户粘性。AARRR模型为纵向模型，对处于生命周期不同阶段阶段的客户采取差异化运营方案，提升其留存价值。
[0009]而给金融业务带来收益的不是客户消费，而是分期及循环等生息资产，交易频度高并不能代表客户优质，净利润的核心是风险收益均衡，风险为运营一大关键指标。
[0010]因此，上述现有的方法存在的缺陷包括：
[0011](1)RFM客户价值管理模型来源于电商消费客户管理，而信贷产品同消费产品的差异明显，模型指标不能有效衡量现金贷客户表现，具体表现在：其一、现金贷业务中客户频繁借还款只会增加交易成本，并不代表客户优质。其二、信贷净收益的核心是风险收益均衡，利息率和风险损失率衡量缺一不可，单纯交易规模不能反映客户价值。其三、客户风险是信贷运营关键，而RFM模型中没有体现该因素。
[0012](2)RFM模型未考虑客户未来的价值表现，新户、沉默客户、流失客户等不能有效管理。
[0013](3)RFM模型通过客户截面表现差异化来管理客户，未能结合生命周期的不同阶段运营。而AARRR模型是根据客户所处的时间阶段采取不同的运营措施，但在同一时点截面表现对比不足。

技术实现思路

[0014]本专利技术提供了一种应用于银行信贷的客户价值分析方法，分析出表现期不足的客户预期收益表现，实现全方位衡量客户价值。
[0015]本专利技术应用于银行信贷的客户价值分析方法，包括步骤：
[0016]A.通过四个维度分别对所有客户进行分析：
[0017]维度一：根据每个客户的贷中行为、以及设定的风险指标，通过已有模型对每个客户的逾期风险进行预测，得到每个客户的逾期概率(Risk)，在存储空间中建立相应的数据
结构，用于存储每个客户的逾期概率；
[0018]维度二：根据每个客户的借款活跃度，将各客户分别划分到对应的已设置的活跃度类型中(Recency)，且在存储空间中分别建立与每个活跃度类型对应的存储结构，所述各存储结构能够存储对应的活跃度类型包含的客户的相关数据；
[0019]维度三：通过利息收入、预估风险损失、其它成本和资金成本，计算出客户的当前净收益，用以表示该客户已创造的收益(Net Return)；
[0020]维度四：通过聚类算法对所有客户分成不同的客群，并分别计算不同客群中表现期超过设定年限的客户的总期净收益，用以表示该客群的潜在价值(Expect Return)；
[0021]B.分别设置风险等级、收益等级和潜在价值等级，根据维度一得到的每个客户的逾期概率划分对应的客户到对应的风险等级中，根据维度三得到的各客户的当前净收益划分对应的客户到对应的收益等级中，根据维度四得到的各客群的总期净收益划分对应的客群到对应的潜在价值等级中；
[0022]C.根据维度二和步骤B对客户类型的分类，结合银行信贷业务需求进行相应的运营方式。
[0023]上述步骤A中的维度一至维度四均是针对所有客户，各维度之间没有直接的关联关系。由于金融业务带来收益的不是客户消费，而是分期及循环等生息资产，交易频度高并不能代表客户优质，净利润的核心是风险收益均衡，因此本专利技术通过“4R”(Risk、Recency、Net Return、Expect Return)分析的方法，能够结合客户的当前价值与潜在价值评估客户的综合价值表现，这样不仅能区分出已带来高收益的优质客户，还能挖掘出尚未表现的优质客户，实现第一时间挖掘优质客户，并进入差异化维护，最大程度减少潜在优质客户流失。还能够同时考虑活跃客户、流失客户、新户等客群的活跃度。而且，通过已有的模型对客户的风险衡量机制进行差异化运营，有效提升了净收益。
[0024]具体的，在步骤A的维度一中，包括步骤：
[0025]A1.1.对客户的贷中行为、以及设定的风险指标进行特征加工，所述特征加工包括缺失值处理、异常值处理和加工变量，并通过变量相关性分析法和变量重要度分析法筛选变量，得到用于训练模型的行为变量X，即因变量，行为变量X为一系列客户的行为变量以及评分变量的集合；
[0026]A1.2.对当前正常未逾期的客户进行滑动变量加工，得到逾期变量Y，Y表示客户当前表现正常，且在未来三个月内是否逾期，若逾期则逾期变量Y的值为1，未逾期则逾期变量Y的值为0；
[0027]A1.3.对行为变量X和逾期变量Y采用十折交叉验证法分出训练组、验证组和测试组；
[0028]A1.4.通过所述训练组对XGBoost模型进行训练，通过所述验证组验证模型训练的效果，并通过调整验证组中预测错误的样本权重进行调优，再通过所述测试组测试调优后的模型的泛化能力，用以表示该模型应用到业务中的实际表现，评估该模型的过拟合或欠拟合程度，最终得到每个客户的逾期概率。
[0029]每个客户都有各种行为指标，将这些行为指标设置为行为变量X，同时，客户也有逾期指标，设置为逾期变量Y，将行为变量X和逾期变量Y构成一个样本，所有有过贷款行为的客户构成预测样本集。在训练的时候将所有样本按十折交叉验证法拆分为训练组、验证
组和测试组。
[0030]具体的，在步骤A的维度二中，包括步骤：
[0031]A2.1.按每个客户的当前额度使用率的高低将整个客户群体分为高活跃客群和低活跃客群；
[0032]A2.2.对曾经借过款且当前无在贷的客户，根据该客户的借款结清天数分为不活跃预流失客群和不活跃准流失客群；
[0033]A2.3.对未借款的客户根据其授信时长分为潜在活跃户、预沉默客户、准沉默客户和沉默客户。
[0034]通过对客户活跃度进行类型划分，得到每个客户的活跃度类型。通常客户的活跃度可以通过以下公式进行计算：
[0035][0036]其中，R
i
为第i个客户的活跃度，数值越大表示活跃度越高。r
i
为第i个客户的当前余额，L为授信额度，第一项本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.应用于银行信贷的客户价值分析方法，其特征为，包括步骤：A.通过四个维度分别对所有客户进行分析：维度一：根据每个客户的贷中行为、以及设定的风险指标，通过已有模型对每个客户的逾期风险进行预测，得到每个客户的逾期概率，在存储空间中建立相应的数据结构，用于存储每个客户的逾期概率；维度二：根据每个客户的借款活跃度，将各客户分别划分到对应的已设置的活跃度类型中，且在存储空间中分别建立与每个活跃度类型对应的存储结构，所述各存储结构能够存储对应的活跃度类型包含的客户的相关数据；维度三：通过利息收入、预估风险损失、其它成本和资金成本，计算出客户的当前净收益，用以表示该客户已创造的收益；维度四：通过聚类算法对所有客户分成不同的客群，并分别计算不同客群中表现期超过设定年限的客户的总期净收益，用以表示该客群的潜在价值；B.分别设置风险等级、收益等级和潜在价值等级，根据维度一得到的每个客户的逾期概率划分对应的客户到对应的风险等级中，根据维度三得到的各客户的当前净收益划分对应的客户到对应的收益等级中，根据维度四得到的各客群的总期净收益划分对应的客群到对应的潜在价值等级中；C.根据维度二和步骤B对客户类型的分类，结合银行信贷业务需求进行相应的运营方式。2.权利要求1所述的应用于银行信贷的客户价值分析方法，其特征为：在步骤A的维度一中，包括步骤：A1.1.对客户的贷中行为、以及设定的风险指标进行特征加工，所述特征加工包括缺失值处理、异常值处理和加工变量，并通过变量相关性分析法和变量重要度分析法筛选变量，得到用于训练模型的行为变量X，即因变量，行为变量X为一系列客户的行为变量以及评分变量的集合；A1.2.对当前正常未逾期的客户进行滑动变量加工，得到逾期变量Y，Y表示客户当前表现正常，且在未来三个月内是否逾期，若逾期则逾期变量Y的值为1，未逾期则逾期变量Y的值为0；A1.3.对行为变量X和逾期变量Y采用十折交叉验证法分出训练组、验证组和测试组；A1.4.通过所述训练组对XGBoost模型进行训练，通过所述验证组验证模型训练的效果，并通过调整验证组中预测错误的样本权重进行调优，再通过所述测试组测试调优后的模型的泛化能力，用以表示该模型应用到业务中的实际表现，评估该...

【专利技术属性】
技术研发人员：罗怀芳，李秀梅，任静，
申请(专利权)人：四川新网银行股份有限公司，
类型：发明
国别省市：