基于决策树C5.0的商业银行客户细分研究

发布时间：2019-11-05 09:45

【摘要】：客户细分是商业银行客户关系管理的核心技术之一。本文首先对国内某商业银行客户的性别、年龄、学历、职业、年薪、婚姻状况、健康状况和居住年限8类重要属性进行标准化处理,利用聚类分析方法将客户粗分为4类,进而采用决策树C5.0算法对该银行客户进行细分,得出更为细致的分类规则。最后针对4类客户的特征和属性,设计出差异化的银行客户服务体系方案。
【图文】：

商业银行客户,决策树分类,规则图

?在对银行客户的进行决策树细分之前，仍然需要对其8类特征属性进行标准化处理，然后按照聚类分析的4类客户结果进行匹配，挖掘客户分类更为细致的规则。利用决策树C5．0方法对商业银行客户进行分类，主要通过第二部分介绍的计算节点特征属性信息增益率的方法对各类属性进行划分。具体的过程利用SPSSClementime软件来实现，并采用决策树剪枝技术和Boosting技术提高分类的精确性。最终，在调节CF值为0．25，Boosting技术迭代5次的情况下，SPSSClementime软件进行决策树分类达到最优的效果。最优决策树共含有10个叶节点，如图1所示。总结银行客户决策树分类结果，得出10个叶节点的决策规则，具体内容如下：（1）年薪30万元以上（第三、四类），则认定该客户为重要客户。（2）年薪30万元以下（第一、二类），年龄36岁以上（第三、四类），且学历为高中、中专（第二类），则认定该客户为低档客户。（3）年薪30万元以下（第一、二类），年龄36岁以上（第三、四类），，且学历为初中以下或本科以上（第一、三、四类），健康状况良（第二类），则认定该客户为重要客户。（4）年薪30万元以下（第一、二类），年龄46岁以上（第四类），且学历为初中以下或本科以上（第一、三、四类），健康状况优（第一类），则认定该客户为重要客户。（5）年薪30万元以下（第一、二类），年龄36~45岁之间（第三类），且学历为初中以下或本科、大专（第一、三类），健康状况为优（第一类），则认定该客户为关注客户。（6）年薪30万元以下（第一、二类），年龄在36~45岁之间（第三类），且学历为硕士或博士（第四类），健康状况为优（第一类），则认定该客户为普通客户。（7）年薪30万元以下（第一、二类），年龄20~35岁之间（第一、二类），性别男（第一类）?

【参考文献】