学位论文 > 优秀研究生学位论文题录展示

基于数据挖掘的银行客户流失预测研究

作　者: 高海燕
导　师: 王建仁
学　校: 西安理工大学
专　业: 管理科学与工程
关键词: 数据挖掘客户关系管理 CRM 客户流失模型 Logistic回归
分类号: F224
类　型: 硕士论文
年　份: 2007年
下　载: 662次
引　用: 3次
阅　读: 论文下载

内容摘要

在银行产品同质化现象普遍存在的今天,客户选择产品及服务的余地越来越大,客户的忠诚度越来越低,客户流失已经成为银行业最为关注的问题之一。通过分析和预测客户流失行为的特征并进行有效的管理,尽可能的减少客户流失是一个紧迫的问题。论文采用了理论研究和实证研究相结合的方法,基于对客户关系管理的现状、面临的问题以及国内外的应用状况等问题的探讨,详细论述了如何应用数据挖掘技术对客户流失问题进行建模和预测。从数据挖掘和CRM的基本理论入手,以银行业为背景,以中国建设银行某分行的客户数据为基础,运用LOGISTIC回归模型,重点描述了一种基于SAS9.1挖掘平台下的客户流失建模过程。详细叙述了客户流失模型的构造思路,从客户流失的商业界定,到建模所需数据集、建模变量的选择,时间段等要素的确定,进行流失模型的总体设计工作。在实际挖掘过程中,对包括数据的准备、清洗,变量的确立,模型的构建以及模型的评价在内的整个建模过程进行了详细分析和研究。论文从初步筛选的30个预测变量中,经过SAS9.1编程进行回归运算判定,最终结论中确定出影响银行客户流失的5个贡献度最大的预测变量,并由此建立流失模型。针对每个客户,将客户的实际交易数据带入模型后,可以得到每个客户的流失概率和流失刻度,并由此进行有针对性地营销,进而为银行的经营、决策提供可靠的量化依据。通过建立客户流失模型,预测哪些客户最具有流失的倾向以及影响客户流失的关键因素,帮助识别风险客户,在客户流失之前采取针对性措施来挽留他们。这就改变了银行以往在成功获得客户以后无法监控客户流失、无法有效实现客户关怀的状况。最后讨论了如何利用模型辅助企业管理者进行决策,并且从客户关系营销的角度讨论了客户维系策略和提出减少客户流失的具体措施,提出有待进一步研究的方向或课题。论文将数据挖掘技术较好地应用到银行客户流失预测中,取得了良好的效果。

全文目录

摘要  3-4
Abstract  4-8
1 前言  8-13
  1.1 研究背景及意义  8-9
  1.2 国内外研究现状  9-11
    1.2.1 国外研究现状  9-10
    1.2.2 国内研究现状  10-11
  1.3 论文研究内容与结构  11-13
    1.3.1 本文的内容  11-12
    1.3.2 本文的结构  12-13
2 理论研究  13-26
  2.1 银行客户关系理论  13-15
    2.1.1 银行 CRM 的特点  13
    2.1.2 银行 CRM 存在的问题  13-14
    2.1.3 客户流失管理的必要性  14-15
  2.2 数据挖掘方法论  15-20
    2.2.1 数据挖掘的定义  15-16
    2.2.2 银行应用数据挖掘技术的必要性  16
    2.2.3 数据挖掘技术分类  16-20
    2.2.4 数据挖掘的主要工具  20
  2.3 数据挖掘的实施流程  20-22
    2.3.1 商业理解  21
    2.3.2 数据理解（数据预处理）  21-22
    2.3.3 建立模型  22
    2.3.4 模型评估  22
    2.3.5 模型发布  22
  2.4 SAS 程序与数据管理  22-26
    2.4.1 SAS 程序规则  23
    2.4.2 SAS 数据步的运行机制及主要语句  23-25
    2.4.3 SAS 过程步的用法及主要语句  25-26
3 银行客户流失模型研究  26-39
  3.1 客户流失定义  26
  3.2 客户流失分类  26-27
  3.3 界定客户流失期限  27
  3.4 客户流失建模的原则  27-28
  3.5 客户流失建模的意义  28-29
  3.6 客户流失建模变量的选择  29-33
    3.6.1 目标变量的选择  29
    3.6.2 输入变量的选择  29-33
    3.6.3 建模数据的选择  33
  3.7 回归模型的选择  33-34
  3.8 LOGISTIC 回归模型  34-39
    3.8.1 模型的参数估计  36
    3.8.2 模型的检验  36-37
    3.8.3 模型的评估  37-39
4 建设银行客户流失模型的建立及评价  39-58
  4.1 业务定义  39-40
  4.2 环境评估  40
  4.3 数据准备  40-41
  4.4 数据挖掘过程  41-50
    4.4.1 SAS 数据集合并  41-43
    4.4.2 数据清洗  43-44
    4.4.3 确立因变量  44-45
    4.4.4 建立客户流失模型  45-46
    4.4.5 检验客户流失模型  46-48
    4.4.6 预测客户流失概率  48-50
  4.5 SAS 软件的 LOGISTIC 过程  50-52
  4.6 LOGISTIC 回归结果  52-55
  4.7 模型评价  55-58
5 客户流失模型的应用研究  58-61
  5.1 模型应用  58-59
    5.1.1 客户流失模型的直接输出结果：客户流失概率  58
    5.1.2 针对不同流失概率的客户采取不同的管理措施  58-59
    5.1.3 客户市场细分  59
    5.1.4 模型推广  59
  5.2 控制和减少客户流失方法  59-61
    5.2.1 客户维系策略的三个层次  59-60
    5.2.2 维系客户的具体措施  60-61
6 结论  61-62
致谢  62-63
参考文献  63-66
附录  66-75
在校学习期间所发表的论文  75

基于数据挖掘的银行客户流失预测研究

内容摘要

全文目录

相似论文