双视角下的商业银行客户价值评价研究

客户价值管理是客户关系管理理论的基础与核心,客户价值评价又是客户价值管理研究的重点和难点。当前学术界对于客户价值的研究主要建立在单一视角的基础上,一种是从企业的角度来评价客户带给企业的价值贡献,价值评价的主体是企业,价值评价的客体是客户;另一种是从客户的角度来评价企业带给客户的价值贡献,价值评价的主体是客户,价值评价的客体是企业。由于市场活动是供需双方动态博弈的过程,单视角下开展客户价值研究,容易忽视对方的感受和接受程度,难以形成企业和客户双赢目标的导向,据此理论开展的客户维护和市场营销工作必然无法收到满意效果。对于向社会提供金融产品的服务型企业,商业银行的客户关系管理机制更是一切经营活动开展的基石。因此,从银行与客户价值互动入手,深入开展双视角下的客户价值评价研究,对于商业银行构建长期稳定的客户关系,提高客户忠诚度,促进我国商业银行可持续发展,完善客户关系管理理论与方法,具有重要的理论意义和实用价值。
文章以商业银行个人客户价值研究为切入点,以价值链理论、社会交换理论和平等理论以及客户关系管理领域知识为基础,从银行与客户价值互动入手,开展双视角下的客户价值评价研究。通过数据挖掘技术手段,对双视角下的客户价值评价指标进行识别研究,对其影响效应程度进行综合分析,并运用真实交易报告数据对双视角下客户价值评价方法的有效性予以验证。
论文的主要研究工作及创新点如下:
(1)构建了双视角下的客户价值管理新模式。尝试把价值链理论引入客户价值管理研究中,将银行客户管理价值链进一步细分为银行价值及客户价值两个子链条,结合社会交换特点,分析了价值流在银行客户之间的流动传导规律。为从商业银行和客户双视角下开展客户价值评价提供了理论基础。该模式有助于商业银行建立更加长期和稳定的客户关系,回避了银行或客户为过度追求自身利益的最大化,忽视了另外一方的感受和接受程度的不可持续发展方式,更加符合市场运行规律。
(2)提出了一种新型的基于关联分类规则的客户特征识别算法。在分析客户属性与其购买金融产品关系基础上,引入加权支持度以及加权置信度进行关联规则的挖掘,然后综合考虑这些规则与测试数据之间的最小差异度,并以此作为依据对客户特征价值能力进行分类。实验分析表明,与传统的关联分类方法相比,该算法可以有效避免关键不频繁项目难以挖掘和特殊情况的过度拟合问题,从而提高了分类器的可理解性。为商业银行根据客户静态特征有效开展客户类型识别提供了参考,有助于帮助商业银行与不同类型客户群体间在均衡的前提下实现良性互动。
(3)提出了一种融合了K-Means聚类算法和Apriori关联规则算法的双阶段商业银行客户行为混合分析模型。该模型在客户行为特征RMF分析框架下,将关联规则分析Apriori算法引入商业银行客户行为关联挖掘中,通过融合K-means初级分类分析与Apriori深度关联分析两种方法,实现了兼顾银行客户大类分析与行为特征关联关系的商业银行客户行为精准刻画。经过实际客户数据检验,该模型对客户行为分类及关联关系描述准确度可以较好地满足商业银行客户群行为分类和需求发现的管理需要,为商业银行在大数据时代进行客户行为分析和精准市场营销提供了一条新的研究思路。
(4)提出一个基于判别分析和神经网络的混合两阶段个人信用评分模型。该模型先建立了个人信用评分的多元线性判别分析模型,然后将这一模型的输出结果作为自变量之一与其他特征变量一起作为输入变量,建立BP神经网络模型,最后用BP神经网络模型对客户进行信用评分。通过实际数据验证,该模型与使用单一模型相比较,在对结果进行判断的精确性和稳健性上都有所改善,克服二者的缺点,发挥二者的优势,达到同时满足预测的精度和稳健性的目的。

®演示站™ | 版权所有 | 若非注明 | 均为原创™
㊣ 转载请附上文章链接并注明: 双视角下的商业银行客户价值评价研究 - 演示站 +复制链接
㊣ 本文永久链接: 双视角下的商业银行客户价值评价研究