摘要
在大数据时代，随着互联网金融的发展、市场竞争的加剧，各大商业银行由一贯以来的“跑马圈地”粗放式抢占市场模式逐步转变为“精耕细作”的精细化营销模式。在生存与利润的双重压力下，如何搭上数字化转型这个顺风车，精准识别客户，并将有限的资源投入吸引和维护更多高端客户，满足中低端客户基础金融需求，已然成为各大商业银行的头号难题。众所周知，客户看服务，提供高质量服务、提升用户体验是留住高端客户提升利润的主要手段，基于此商业银行的客户细分方案及差异化服务营销方案显得尤为重要。 本文基于大数据客户细分方法及客户细分相关理论，采用K-means聚类算法与业务专家经验相结合的模式、K-means聚类算法与DBSCAN聚类算法相结合的模式、CART决策树分类算法三个角度构建模型，采用网格搜索方式寻找各类算法最优参数，选取X商业银行代发工资客户这一特定群体，从客户的基本信息和金融资产属性入手，有效实现代发工资客群客户细分及精准定位不同价值客户，挖掘客群资产特征及金融属性偏好。并根据客户细分类别结果，提供相应差异化服务建议方案，为下一步制定精准营销方案提供有力数据支持。此论文结论有助于提高该客群客户粘性、增加忠诚度，并充分挖掘存量客户当前潜在价值。 研究结果表明，聚类算法需根据业务实际情况进行多次聚类结果进行分析、合并，找到最佳聚类结果，实验结果在实际应用上有较高价值。CART树分类算法基于聚类算法实现的结果标签上进行分类，采用预剪枝手段利用网格化搜索寻求最优参数构建分类决策树，分类准确率在样本数据上达到97%以上。
NETL