[发明专利]基于RFM和Canopy的金融客户价值忠诚度细分方法

权利要求书

1.基于RFM和Canopy的金融客户价值忠诚度的细分方法，其特征在于，包括：

基于金融客户价值忠诚度的原始数据表，开展原始数据探查并梳理客户绝对价值、相对价值、股票交易偏好、资产分布方面的三级指标体系，

利用RFM进行客户购买行为的分析，梳理客户的开户情况、近一年产品购买行为，以及资金流出流入情况，

合并特征后形成整体输入，利用canopy算法，分别得到混合型客户的价值模型聚类结果和交易型客户的价值模型的聚类结果；

根据忠诚度价值评分标准，对混合型客户的每个细分群体以及交易型客户的每个细分群体分别进行价值评分、忠诚度评分；

上述交易客户：贡献率非零，仅有股票交易，近一年没有购买OTC产品和公募基金；

混合客户：贡献率非零，既有股票交易，近两年又购买OTC产品或公募基金。

2.根据权利要求1所述的方法，其特征在于，通过日均资产分布、活跃度、盈利、地域、年龄、性别中的一种或多种维度开展原始数据探查。

3.根据权利要求1所述的方法，其特征在于，所述利用RFM进行客户购买行为分析为：

计算每个客户最近一次购买产品的时间，并按照由近及远的顺序进行排序，按其数值大小进行等分，并根据等分数值分类计算出R；

计算每个客户购买的频率，并按照由高到低的顺序进行排序，按其数值大小进行等分，并根据等分数值分类计算出F；

计算每个客户总购买金额，并按照由高到低的顺序进行排序，按其数值大小进行等分，并根据等分数值分类计算出M2。

4.根据权利要求1所述的方法，其特征在于，所述得到混合型客户的价值模型聚类和交易型客户的价值模型的聚类实现过程为：

针对上述混合型客户聚类的输入、交易型客户聚类的输入，分别利用Canopy算法进行聚类；

获取混合型客户的价值模型聚类结果和交易型客户的价值模型的聚类结果。

5.根据权利要求1所述的方法，其特征在于，所述根据忠诚度价值评分过程包括：

梳理混合型客户的价值相关的评价指标体系和忠诚度相关的评价指标体系；

交易型客户混合型客户的价值相关的评价指标体系和忠诚度相关的评价指标体系；

确定混合型客户的价值评价指标的权重以及忠诚度评价指标的权重；

确定交易型客户的价值评价指标的权重以及忠诚度评价指标的权重；

计算得到混合型客户细分群体的价值得分、忠诚度得分和交易型客户细分群体的价值得分、忠诚度得分。

6.根据权利要求3所述的方法，其特征在于，所述的Canopy算法包括：

遍历给定的点集S，设置两个阈值：T1、T2且T1>T2；

选择一个点，计算它与其它Canpoy中心的距离；

如果距离小于T1则将该点加入那个Canopy，如果距离小于T2则该点不会成为某个Canopy的中心；

重复整个过程，直到S为空。

7.根据权利要求6所述的方法，其特征在于，初始随机选择一个点作为Canpoy中心，一个Canopy意味着一个分群，在同一个Canopy中包含的点距离比较小，意味着这些点比较相似；反之，若不同的点分布在不同的Canopy中，则意味着这些点之间差距较大。