You need to enable JavaScript to run this app.
导航

【案例】⁣商业银行客户流失预测

最近更新时间2023.08.22 19:52:56

首次发布时间2021.08.17 20:25:08

1. 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/金融场景中,银行产品的多样化,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最关注的话题之一。银行坚持以客户为中心,重点做好营销和转化指导方针,加强客户群体建设和提高客户与我行粘度,加强对客户的跟踪和营销管理,减少不必要的客户流失,及时发现即将流失客户,延长客户生命周期,可以因地制宜采取措施挽留客户。

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,从而加强对客户的跟踪和营销,减少不必要的客户流失。

2. 问题建模

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。其中SAS公司提出的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。而SPSS公司提出的CRISP-DM是英文缩写,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。

image.png

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方便接入现有的数据准备服务中,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

输入接入,本例的数据采用hive的方式接入,由于其大数据量优秀的处理能力,能够支持PB级别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

image.png

3.3 数据预处理

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

image.png

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

image.png

3.3 字符串索引

数据准备建模过程,由于大多数算法天然不能支持,所以这里需要字符类型进行索引处理,传统做法可以采用计算列的方式,比如主动将Existing Customer主动替换成0,将Attrited Customer替换成0,数据准备提供了字符串索引的算子,一步将所有字符列转换成索引

image.png

结果如下

image.pngimage.png

4. 特征处理

特征处理这里采用PCA降维,主要因为涉及高维特征向量的问题往往容易陷入维度灾难。随着数据集维度的增加,算法学习需要的样本数量呈指数级增加,所以采用PCA可以把可能具有相关性的高维变量合成线性无关的低维变量,称为主成分,低维数据集会尽可能的保留原始数据的变量,同时也能加速模型的收敛

5. 问题建模

image.png

构建上面的训练/预测任务,对历史数据采用决策树进行二分类训练,决策树因为模型具有可读性,分类速度快的优点,可以方便对机器学习的理解,最终模型会构建成一个树状的结构,每个叶子结点根据if-then的逻辑,经过层层判断,最终到唯一确定分类的例子,如下图所示,最快经过一层判断,就能确定能否贷款

image.png

6. 模型评估

数据准备集成多种评估指标来辅助AI算法的调参数,如下的二分类评估报告

6.1 混淆矩阵

计算召回率/正确率,表示精度常见的指标

image.png

6.2 召回曲线

P- R图直观地显示出学习器 在样本总体上的查全率和 查准率。 在进行比较时, 若一个学习器的P- R曲线完全被另一个学习 器 的曲线完全“包住”, 则我们就可以断言后者的 性能优于前者

image.png

6.3 提升曲线

Lift指标衡量的是与不利 用模型相比,模型的预测 能力提升了 多少。Lift=P V/k,其中PV为正例的命 中率,即预测为正例的 样 本中真实正例的比例;k 是在不使用模型的情况下 ,用先验 概率估计正例的 比例。Lift越大则表明模 型的效果越好

image.png

6.4 K-S曲线

K- S曲线的横坐标是阈值, 纵坐标分别为真阳性率( 灵敏度)、假阳性率(1- 特异度),绘制两条折线 图。两条曲线相距最远的地方就是KS值,同时也是 ROC曲线上auc最大的值

image.png

6.5 ROC曲线

ROC曲线是根据一系列不 同的二分类方式(分界值 或决定阈), 以真阳性率 (灵敏度)为纵坐标,假 阳性率(1- 特异度) 为横坐标绘制的 曲线

image.png

7. 数据生产应用

在得到有效的模型之后,可以将最终的结果输出到标签系统或者数据源(hive/clickhouse),结合CDP模块,可以在标签洞察/营销应用/用户分群中投入生产使用。同时也可以应用于ABI模块,支持指标的仪表盘/可视化查询。

image.png

标签结果
image.png