轉(zhuǎn)帖|實(shí)施案例|編輯:況魚(yú)杰|2020-05-12 17:03:38.773|閱讀 651 次
概述:中國(guó)某大眾國(guó)有銀行的分行難以維系其私人銀行業(yè)務(wù)客戶(hù)。銀行清楚知道,爭(zhēng)取新客戶(hù)要比維系現(xiàn)有客戶(hù)的成本高出數(shù)倍。不幸的是,最近幾個(gè)季度客戶(hù)流失率(也就是開(kāi)戶(hù)人停止使用服務(wù)的百分比)已超過(guò)預(yù)期。而SPM就是他們的轉(zhuǎn)機(jī)。
# 界面/圖表報(bào)表/文檔/IDE等千款熱門(mén)軟控件火熱銷(xiāo)售中 >>
相關(guān)鏈接:
中國(guó)某大眾國(guó)有銀行的分行難以維系其私人銀行業(yè)務(wù)客戶(hù)。每個(gè)賬戶(hù)每天最低的存款額要求高達(dá) 1000 萬(wàn)元人民幣(或 150 萬(wàn)美元)。因此,銀行清楚知道,爭(zhēng)取新客戶(hù)要比維系現(xiàn)有客戶(hù)的成本高出數(shù)倍。不幸的是,最近幾個(gè)季度客戶(hù)流失率(也就是開(kāi)戶(hù)人停止使用服務(wù)的百分比)已超過(guò)預(yù)期。
挑戰(zhàn)
該銀行檢測(cè)到私人銀行業(yè)務(wù)的客戶(hù)流失率介于 5% 和 13% 之間,在短短幾個(gè)月內(nèi),這些客戶(hù)要么將其存款賬戶(hù)換為其他產(chǎn)品,要么轉(zhuǎn)投其他銀行。其中期貨部門(mén)和存款部門(mén)的客戶(hù)流失最為嚴(yán)重。銀行要求其營(yíng)銷(xiāo)部門(mén)立即開(kāi)展推廣宣傳活動(dòng),將目標(biāo)對(duì)準(zhǔn)那些最有可能取出存款的客戶(hù)。該部門(mén)所面臨的挑戰(zhàn)是如何找出最有可能流失的高額存款客戶(hù),然后使用目標(biāo)營(yíng)銷(xiāo)推廣活動(dòng)來(lái)阻止這些客戶(hù)遷移賬戶(hù)。
SPM 如何提供幫助
項(xiàng)目團(tuán)隊(duì)采用了 Salford Predictive Modeler (SPM) 的機(jī)器學(xué)習(xí)引擎 TreeNet® 來(lái)預(yù)測(cè)潛在的客戶(hù)流失。Minitab 的中國(guó)授權(quán)合作伙伴 QY Datatech Inc 為該團(tuán)隊(duì)提供了 Salford Predictive Modeler (SPM)。TreeNet 的靈活性、準(zhǔn)確性,及其處理包含多個(gè)觀測(cè)值的數(shù)據(jù)結(jié)構(gòu)的能力是其備受團(tuán)隊(duì)青睞的原因所在。
TreeNet 協(xié)助項(xiàng)目團(tuán)隊(duì)快速縮小了影響最大的變量范圍,并直觀地說(shuō)明了變量與包含已確定變量的流失概率之間的關(guān)系。TreeNet 模型有助于直觀地說(shuō)明復(fù)雜變量間的不同交互作用層。在這個(gè)案例中,這些變量包括儲(chǔ)蓄額、黃金購(gòu)入和其他投資、交易時(shí)間、交易量、公司、職位、社會(huì)保險(xiǎn)、債務(wù)、信用卡額度、不動(dòng)產(chǎn)和汽車(chē)持有。
將未能積極響應(yīng)的客戶(hù)從列表移出并對(duì)模型進(jìn)行驗(yàn)證,便可確定出目標(biāo) VIP 客戶(hù)群。模型能夠基于此前的營(yíng)銷(xiāo)宣傳活動(dòng),預(yù)測(cè)客戶(hù)對(duì)營(yíng)銷(xiāo)活動(dòng)的響應(yīng)程度。
TreeNet 分析操作簡(jiǎn)便,只需點(diǎn)擊幾下,便可通過(guò)自動(dòng)化生成具有可靠結(jié)果的初始模型,并且能在之后的幾天內(nèi)完成更復(fù)雜的分析,因此受到了團(tuán)隊(duì)的青睞。
TreeNet 模型的雙變量依賴(lài)圖能夠一目了然地顯示“婚姻”和“不同地區(qū)家庭”這兩個(gè)變量與目標(biāo)變量或客戶(hù)對(duì)市場(chǎng)宣傳活動(dòng)響應(yīng)概率的交互作用。之后,項(xiàng)目團(tuán)隊(duì)便可輕松、準(zhǔn)確地找出響應(yīng)程度較高或較低的范圍。
TreeNet 的變量重要性匯總顯示了哪些變量是項(xiàng)目團(tuán)隊(duì)所關(guān)注的目標(biāo)交互作用。變量評(píng)級(jí)越高,對(duì)目標(biāo)的貢獻(xiàn)就越大。
TreeNet 匯總報(bào)告以單一窗口顯示模型性能。報(bào)告中將列出量化統(tǒng)計(jì)數(shù)據(jù),方便與其他模型進(jìn)行比較,由 ROC、Lift、K-S Stat 和 Misclassification Rate 等其他工具生成的模型也可與之進(jìn)行比較。
成果
最終,銀行預(yù)測(cè)在兩個(gè)月后,可能會(huì)有 1,700 名私人銀行業(yè)務(wù)客戶(hù)(共 1290 萬(wàn))轉(zhuǎn)投其他銀行或金融服務(wù)提供商,且準(zhǔn)確率介于 80% 和 90% 之間。
之后,銀行便針對(duì)這些客戶(hù)開(kāi)展了營(yíng)銷(xiāo)宣傳活動(dòng),并實(shí)現(xiàn)了減少 VIP 客戶(hù)流失的目標(biāo),提升了銀行留存的資金量。此外,包括存款、期貨、股票及黃金在內(nèi)的銀行客戶(hù)資產(chǎn)管理規(guī)模 (AUM) 也擴(kuò)大了 16%。
本站文章除注明轉(zhuǎn)載外,均為本站原創(chuàng)或翻譯。歡迎任何形式的轉(zhuǎn)載,但請(qǐng)務(wù)必注明出處、不得修改原文相關(guān)鏈接,如果存在內(nèi)容上的異議請(qǐng)郵件反饋至chenjj@ke049m.cn
文章轉(zhuǎn)載自:minitab中文網(wǎng)