[發明專利]基于RFM和Canopy的金融客戶價值忠誠度細分方法

在審

• 申請號: 201810328423.4
• 申請日: 2018-04-13
• 公開（公告）號: CN108776931A
• 公開（公告）日: 2018-11-09
• 發明（設計）人: 李煒;宋林利;周靜
• 申請（專利權）人: 上海琢學科技有限公司
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06Q40/04;G06Q30/02
• 代理公司: 西安毅聯專利代理有限公司 61225
• 代理人: 楊燕珠

本發明公開了基于RFM和Canopy的金融客戶價值忠誠度的細分方法，基于金融客戶價值忠誠度的原始數據表，從幾個維度開展原始數據探查。一方面梳理客戶絕對價值、相對價值、股票交易偏好、資產分布方面的三級指標體系。另一方面，利用RFM進行客戶購買行為的分析，梳理客戶的開戶情況、近一年產品購買行為，以及資金流出流入情況。然后，合并特征后形成整體輸入，利用canopy算法，分別得到混合型客戶的價值模型聚類結果和交易型客戶的價值模型的聚類結果。最后，根據忠誠度價值評分標準，對混合型客戶的每個細分群體以及交易型客戶的每個細分群體分別進行價值評分、忠誠度評分。

技術領域

本發明涉及金融技術領域，更具體的說，是涉及基于RFM和Canopy的金融客戶價值忠誠度細分方法。

背景技術

面對日益激烈的競爭和開放的市場競爭環境，證券公司應該明確目標細分市場，制定未來的差異化發展方向。

實行差異化戰略需要從客戶的各個方面發現差異點，找出目標市場，因此需要對客戶的各方面的情況進行分析，通過客戶基本屬性、歷史購買行為、風險偏好等對客戶進行細分，根據客戶細分結果對每個客戶進行歸類，實現個性化的服務，提高客戶滿意度，進而有針對性的對目標群體客戶服務，避免大而全的客戶開發和服務，充分利用自己的優勢為客戶服務。

發明內容

有鑒于此，本申請提供了基于RFM和Canopy的金融客戶價值忠誠度的細分方法，以提高金融對客戶的精細化管理水平，更好地提供差異化金融服務。

為實現上述目的，本發明提供如下技術方案：

基于RFM和Canopy的金融客戶價值忠誠度的細分方法，包括：

基于金融客戶價值忠誠度的原始數據表，開展原始數據探查并梳理客戶絕對價值、相對價值、股票交易偏好、資產分布方面的三級指標體系，

利用RFM進行客戶購買行為的分析，梳理客戶的開戶情況、近一年產品購買行為，以及資金流出流入情況，

合并特征后形成整體輸入，利用canopy算法，分別得到混合型客戶的價值模型聚類結果和交易型客戶的價值模型的聚類結果；

根據忠誠度價值評分標準，對混合型客戶的每個細分群體以及交易型客戶的每個細分群體分別進行價值評分、忠誠度評分；

上述交易客戶：貢獻率非零，僅有股票交易，近一年沒有購買OTC產品和公募基金；混合客戶：貢獻率非零，既有股票交易，近兩年又購買OTC產品或公募基金。

在本發明的一個優選實施例中，通過日均資產分布、活躍度、盈利、地域、年齡、性別中的一種或多種維度開展原始數據探查。

在本發明的一個優選實施例中，所述利用RFM進行客戶購買行為分析為：

計算每個客戶最近一次購買產品的時間，并按照由近及遠的順序進行排序，按其數值大小進行等分，并根據等分數值分類計算出R；

計算每個客戶購買的頻率，并按照由高到低的順序進行排序，按其數值大小進行等分，并根據等分數值分類計算出F；

計算每個客戶總購買金額，并按照由高到低的順序進行排序，按其數值大小進行等分，并根據等分數值分類計算出M。

在本發明的一個優選實施例中，所述得到混合型客戶的價值模型聚類和交易型客戶的價值模型的聚類實現過程為：

針對上述混合型客戶聚類的輸入、交易型客戶聚類的輸入，分別利用 Canopy算法進行聚類；

獲取混合型客戶的價值模型聚類結果和交易型客戶的價值模型的聚類結果。

在本發明的一個優選實施例中，所述根據忠誠度價值評分過程包括：