商业银行基于客户价值的客户识别模型研究

现代商业银行已经认识到客户是企业的重要资源,成功地获得有价值的新客户和维系高价值客户是至关重要的。但目前,空前巨大的客户数据量使得准确识别有价值的个体客户变得复杂和难以有效实施。文中利用数据挖掘技术,抽取建立商业银行基于客户价值的客户识别模型所需要的知识,建立了一个考察客户目前价值、潜在价值和忠诚度的客户价值模型;并以此模型为基础进行客户识别与分割。此外,根据某商业银行的客户样本进行实例研究,划分出8个客户细分市场,根据每一细分市场的特点设计了简单的营销策略。

企业集团客户贷后信用风险识别

初步研究了企业集团客户贷后信用风险识别模型的构建问题,并实证考察了中国三个生产经营型集团的信用风险与其母公司的信用风险之间的关系。由于不能获得这三个生产经营型集团的信用价差数据,本文利用从信用风险评估模型(KMV)获得的预期违约概率构建一种企业集团违约指标作为其信用价差的替代。实证结果发现,在双变量向量自回归模型中,母公司的信用价差并不是企业集团违约指标的格兰杰原因,反之亦然。

以“数”为据的模型构建及应用

本文基于数据中台和业务中台的强大数据计算、建模和服务配置能力,构建以"数"为据的客户分层、产品健全、渠道整合、团队赋能、服务增值、客户体验等智能应用场景。以面向个人、机构和企业内部运营各类业务场景需求,通过多种客户识别模型的不同应用组合优化整体流程,持续提供以优化客户画像、产品画像、流失预警、客户聚类、ALS最小二乘推荐、交叉推荐等应用场景。实现对客户服务得全覆盖,对客户业务分流闭环管理,以数据驱动不断迭代模型,最终实现正确得识别客户,为客户提供最适合的服务与产品。