文档中心

商业银行客户流失预测

最近更新时间：2023.05.24 20:55:34

首次发布时间：2021.08.19 11:18:57

1. 场景概述

在商业社会中 5％的客户留存率增长意味着公司利润 30％的增长，而把产品卖给老客户的概率是卖给新客户的 3 倍。所以在客户生命周期管理的分析框架下，用户离网阶段，采用营销手段赢回高价值用户，往往也是反映企业及产品核心竞争力的关键。

在银行及金融场景中，银行产品多样化，客户可以选择的途径更多，所以用户流失一直以来是金融行业重点关注的话题之一。银行坚持以客户为中心，关注营销和转化，提升客户服务体验，进一步提高客户与银行的粘度，加强对客户的运营和营销管理，减少不必要的客户流失，及时发现存在流失风险的客户，并采取措施挽留客户，延长客户生命周期。

本案例结合银行客户流失数据预测案例，重点介绍了决策树在实际案例中的应用。本案例通过客户的交易信息数据挖掘出对流失影响的信息，从而加强对客户的运营和营销，减少不必要的客户流失。

2. 建模方法论

关于如何进行建模解决客户流失问题，业界已经有不少成熟的方法，当前业界主要的两大方法论分别是 SEMMA 方法论 和 CRISP-DM 方法论 ：

SEMMA 方法论： 即抽样(Sample)、探索(Explore)、修改(Modify)、建模(Model)、评估(Assess)，强调的是这5个核心环节的有机循环。
CRISP-DM 方法论： 全称为跨行业数据挖掘标准流程(Cross-Industry Standard Process for Data Mining)，突出业务理解、数据理解、数据准备、建模、评价和发布这几个环节，强调将数据挖掘目标和商务目标进行充分结合。

在具体实践中，CRISP-DM 强调上层的商务目标的实现，SEMMA 则更侧重在具体数据挖掘技术的实现上。只有将两种方法紧密联系在一起，才能达到更好地达成数据分析挖掘的效果。

3. 建模过程

3.1 数据描述

结合数据准备的多元数据接入的能力，银行客户的数据可以便捷地接入系统中，一般的客户流失数据中包含了客户的个人信息，账户信息，存款信息，消费信息，基金/理财信息，数据的维度包含：

银行自有字段： 账户类信息、个人类信息、存款类信息、消费、交易类信息、理财、基金类信息、柜台服务、网银类信息
外部三方数据： 外呼客服数据、资产类数据、其他消费类数据

本案例采用经典信用卡用户流失的例子，数据字段说明如下：

字段名称	字段类型	字段意义	字段说明
CLIENTNUM	long	用户id	用户id，unique值
Attrition_Flag	string	是否流失	Existing Customer（留存用户） Attrited Customer（流失用户）
Customer_Age	int	用户年龄	数字年龄，一般年龄也会影响流失的重要因素
Gender	string	性别	M（男性）F（女性）
Dependent_count	int	家庭人员统计	受抚养人的数量
Education_Level	string	教育情况	账户持有人的教育资格（例如：高中、大学毕业生等）
Marital_Status	string	婚姻状态	已婚、单身、离婚、未知
Income_Category	string	收入区间	帐户持有人的年收入类别（< $$$$40K、$$$$40K - 60K、$$$$60K - $$$$80K、$$$$80K-$$$$120K，>$120K)
Card_Category	string	信用卡的分类	卡类型（蓝、银、金、白金）
Months_on_book	int	持有时间	与银行的关系期
Total_Relationship_Count	int	用户开通的产品数	客户持有的产品数量
Months_Inactive_12_mon	int	最近12个月不活跃月数	最近12个月不活跃月数
Contacts_Count_12_mon	int	最近12个月沟通月数	最近12个月沟通月数
Credit_Limit	int	信用卡额度	信用卡额度
Total_Revolving_Bal	int	信用卡总额度	信用卡上的总循环余额
Avg_Open_To_Buy	long	开放信用额度	过去12个月开放信用额度
Total_Amt_Chng_Q4_Q1	float	交易金额变化	交易金额变化（第 4 季度比第 1 季度），比例
Total_Trans_Amt	long	交易总额	总交易金额（过去 12 个月）
Total_Trans_Ct	int	总交易数	总交易数（过去 12 个月）
Total_Ct_Chng_Q4_Q1	float	交易数量的变化	交易数量的变化（Q4 比 Q1），比例
Avg_Utilization_Ratio	float	平均卡使用率	平均卡使用率

3.2 数据准备

本案例的数据采用 hive 的方式接入，由于其大数据量优秀的处理能力，能够支持用户流失每日的埋点数据统计，数据结果如下，结合数据准备的探查，进一步了解数据分布的情况。

3.3 数据预处理

3.3.1 数据探查

对数据源进行探查，发现 education_level 占有 15% 的未知分类，marital_status 未知占7.4%，income_category 占 10.98%，在实际处理中，这类数据并不能帮助判断实际的流失，所以在探查中需要第一步先对数据的分布/脏数据的存在先做处理。

3.3.2 脏数据过滤

从数据探查的结果和对业务数据的理解，字段中包含了大量的 Unknown 的脏数据，以及白金信用卡是专人专项跟踪的，不需要进行流失判断，所以我们可以采用过滤算子，将 education_level, income_category, marital_status 为 Unkown，card_category为 Platinum 的数据过滤。