[发明专利]基于RFM和Canopy的金融客户价值忠诚度细分方法

说明书

本发明公开了基于RFM和Canopy的金融客户价值忠诚度的细分方法，基于金融客户价值忠诚度的原始数据表，从几个维度开展原始数据探查。一方面梳理客户绝对价值、相对价值、股票交易偏好、资产分布方面的三级指标体系。另一方面，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。然后，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。最后，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。

技术领域

本发明涉及金融技术领域，更具体的说，是涉及基于RFM和Canopy的金融客户价值忠诚度细分方法。

背景技术

面对日益激烈的竞争和开放的市场竞争环境，证券公司应该明确目标细分市场，制定未来的差异化发展方向。

实行差异化战略需要从客户的各个方面发现差异点，找出目标市场，因此需要对客户的各方面的情况进行分析，通过客户基本属性、历史购买行为、风险偏好等对客户进行细分，根据客户细分结果对每个客户进行归类，实现个性化的服务，提高客户满意度，进而有针对性的对目标群体客户服务，避免大而全的客户开发和服务，充分利用自己的优势为客户服务。

发明内容

有鉴于此，本申请提供了基于RFM和Canopy的金融客户价值忠诚度的细分方法，以提高金融对客户的精细化管理水平，更好地提供差异化金融服务。

为实现上述目的，本发明提供如下技术方案：

基于RFM和Canopy的金融客户价值忠诚度的细分方法，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。

在本发明的一个优选实施例中，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。

在本发明的一个优选实施例中，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M。

在本发明的一个优选实施例中，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。

在本发明的一个优选实施例中，所述根据忠诚度价值评分过程包括：