商业银行大数据技术探索——从日常交易流水到价值客户发现

发布时间：2020-12-16 08:40

　　商业银行实施精准营销战略的目标是将有限的营销资源精准投放到目标客户,达到资源利用效率最大化。准确定位价值客户是中国商业银行实施营销战略过程中迫切需要解决的难题。本文通过基于客户日常交易流水数据搭建的重构交易网络,创新地将客户交易行为模式的研究转化为网络结构的识别,并提出两类研究框架:第一类基于同构网络表示学习获得客户交易属性;第二类通过异构网络表示学习获得客户综合属性。通过实验得出了以下结论:第一,仅基于客户基础属性的客户价值分类效率很低;第二,将基于重构交易网络表示学习获得的交易行为属性纳入分类指标,分类效率显著提高;第三,将客户基础属性和交易行为属性放入统一的研究框架之下,价值客户分类效率最高。本文提出的研究方法不仅可以运用于商业银行,也可以用于第三方支付企业、电信运营商及政府部门等具备网络结构数据的实体,进行客户行为模式研究及其他相关应用。 

【文章来源】：上海金融. 2020年08期 北大核心CSSCI

【文章页数】：8 页

【部分图文】：

客户属性分布（不同年龄段男女数量分布）

客户交易网络示意图

（一）框架本研究提出两类研究框架。研究框架一（图4）对基于交易轨迹数据所搭建的同构交易网络进行网络表示学习，模型输出为每一个节点对应于一组嵌入坐标，进而获得客户的交易行为属性表征。将交易行为属性与客户基础属性作为分类模型输入，对具有价值分类标签的客户数据进行分类模型训练。

【参考文献】：
期刊论文
[1]网络表示学习算法的分析与验证[J]. 王岩,唐杰.  中文信息学报. 2019(02)
[2]商业银行基于客户行为数据的客户画像研究[J]. 郭松.  智库时代. 2018(47)
[3]基于客户画像和GBDT算法的客户价值预测方法[J]. 冯娟娟,辜丽川,饶海笛,史先章,焦俊,王超,陈卫.  洛阳理工学院学报(自然科学版). 2018(03)
[4]基于大数据的精准营销应用研究综述[J]. 龚敏,刘广丹.  市场周刊(理论研究). 2016(07)
[5]中国大型商业银行精准营销管理机制研究[J]. 王文硕.  金融论坛. 2011(01)
[6]商业银行零售管理及目标客户流失概率预测研究[J]. 陈建成,马文扬.  金融论坛. 2007(12)

博士论文
[1]协同过滤系统的稀疏性与冷启动问题研究[D]. 孙小华.浙江大学 2005



本文编号：2919874