商業(yè)銀行儲(chǔ)蓄客戶的現(xiàn)狀與問題

商業(yè)銀行儲(chǔ)蓄客戶的現(xiàn)狀與問題

“客戶”向“產(chǎn)品”轉(zhuǎn)變,增加客戶流失的比例銀行產(chǎn)品和服務(wù)的一個(gè)重要特征是同質(zhì)性強(qiáng)，銀行自身的競(jìng)爭(zhēng)優(yōu)勢(shì)越來越難以實(shí)現(xiàn)，同行競(jìng)爭(zhēng)激烈。競(jìng)爭(zhēng)使得零售銀行業(yè)務(wù)的經(jīng)營(yíng)理念從“產(chǎn)品為中心”向“客戶為中心”轉(zhuǎn)變。有關(guān)數(shù)據(jù)顯示,企業(yè)開發(fā)一個(gè)新客戶的成本是維系一個(gè)老客戶成本的4~5倍,減少5%的客戶流失就可增加60~80%的利潤(rùn)。故銀行迫切需要正確識(shí)別現(xiàn)有客戶,能夠監(jiān)測(cè)客戶的流失風(fēng)險(xiǎn),適時(shí)提出流失預(yù)警,以便企業(yè)及時(shí)采取保持或挽留措施。本研究就是通過隨機(jī)模型計(jì)算客戶活躍度P(active),并將其用于價(jià)值客戶的流失風(fēng)險(xiǎn)監(jiān)測(cè),實(shí)現(xiàn)流失預(yù)警。一、模型的構(gòu)建1、模型參數(shù)估計(jì)對(duì)客戶基礎(chǔ)分析和未來行為預(yù)測(cè)的相關(guān)研究大多集中在客戶終身價(jià)值的研究上。早在1959年Ehrenberg將NBD模型引入到了營(yíng)銷分析中,隨后Goodhardt和Ehrenberg以及Morrison又對(duì)NBD模型的條件期望公式進(jìn)行了推導(dǎo),為預(yù)測(cè)未來交易頻數(shù)的發(fā)生奠定了基礎(chǔ)。但是NBD模型并未考慮到客戶的流失問題,所以后來Schmittlein等人將客戶流失引入到模型中,對(duì)NBD模型進(jìn)行了改進(jìn),提出了Pareto/NBD模型,它能夠得到客戶活躍度這個(gè)重要的信息,但其參數(shù)估計(jì)方法復(fù)雜。Fader等人(2005)為了解決參數(shù)估計(jì)的復(fù)雜性,對(duì)Pareto/NBD模型的假設(shè)進(jìn)行了微小調(diào)整,提出了一個(gè)其替代模型BG/NBD(Beta-Geometric)模型。該模型的參數(shù)估計(jì)過程可以在Excel中輕松實(shí)現(xiàn)。根據(jù)Fader等人(2005)的研究,在T時(shí)間點(diǎn)客戶仍然活動(dòng)的概率,即客戶活躍度P(active)可由如下公式可得:其中x為客戶在(0,T)時(shí)間內(nèi)實(shí)際交易天數(shù),tx為最后一筆交易發(fā)生的時(shí)間點(diǎn)(tx≤T)。2、首次開啟活期儲(chǔ)蓄賬戶之日tx我們對(duì)(X=x,tx,T)變量做如下定義:x為客戶自首次開立活期儲(chǔ)蓄賬戶之日(后簡(jiǎn)稱為客戶開戶日期)起,至統(tǒng)計(jì)截止日期止的交易次數(shù)之和;tx為客戶開戶日期到最后一次交易日期間的天數(shù)。T為客戶開戶日期到統(tǒng)計(jì)截止日期間的天數(shù)。二、確認(rèn)研究1、歷史交易數(shù)據(jù)的消費(fèi)研究樣本為隨機(jī)抽取國(guó)內(nèi)某商業(yè)銀行在2008年8月首次開立活期儲(chǔ)蓄賬戶的客戶30000人,我們有這些客戶自開立活期儲(chǔ)蓄賬戶后2008年8月至2009年8月共計(jì)13個(gè)月的活期儲(chǔ)蓄歷史交易數(shù)據(jù)。數(shù)據(jù)被分為兩部分:2008年8月至2009年5月共計(jì)10個(gè)月的數(shù)據(jù)做參數(shù)估計(jì);2009年6月至2009年8月共計(jì)3個(gè)月的數(shù)據(jù)做預(yù)測(cè)以及模型驗(yàn)證。經(jīng)過數(shù)據(jù)清洗,最終用于建模的數(shù)據(jù)為21670位客戶的歷史交易數(shù)據(jù)。本研究對(duì)(X=x,tx,T)變量定義如下:x為客戶開戶日期起,至統(tǒng)計(jì)截止日期(2009年8月31日)止的交易次數(shù)之和;tx為客戶開戶日期到最后一次交易日期間的天數(shù)(統(tǒng)計(jì)截止日期為2009年8月31日)。T為客戶開戶日期到統(tǒng)計(jì)截止日期(2009年8月31日)間的天數(shù)。2、參數(shù)估計(jì)我們用EXCEL作為BG/NBD模型參數(shù)估計(jì)的工具。參數(shù)估計(jì)結(jié)果如下:3、客戶活躍度的確定將參數(shù)帶入公式(1),我們可以得到客戶活躍度P(active)的值。我們通過考察客戶前十個(gè)月實(shí)際交易次數(shù)x來驗(yàn)證客戶活躍度預(yù)測(cè)的精度。數(shù)據(jù)統(tǒng)計(jì)情況如下:從上表可以看出客戶在0.5之下時(shí),客戶在2009年6月至2009年8月3個(gè)月間的實(shí)際發(fā)生交易的可能性非常小,有高于80%的客戶交易次數(shù)為0;而當(dāng)客戶的活躍度接近1時(shí),客戶在這3個(gè)月發(fā)生交易的可能性最大,發(fā)生多次交易的可能性也最大。由此,我們可以確定以0.5作為樣本從活躍度到不活躍的一個(gè)臨界值。在該值以下,發(fā)生0次交易的客戶所占比例很大,與銀行發(fā)生交易的可能性極小,可以認(rèn)為這是客戶是不活躍的;在0.5以上,發(fā)生0次交易的客戶的比例明顯降低,故客戶活躍度越高,其交易的可能性和發(fā)生交易的次數(shù)就越大?？梢?客戶活躍度的臨界值對(duì)預(yù)測(cè)客戶的交易行為極為重要。三、客戶活躍度監(jiān)測(cè)在銀行產(chǎn)品同質(zhì)化現(xiàn)象普遍存在的今天,客戶選擇產(chǎn)品及服務(wù)的余地越來越大,客戶流失已經(jīng)成為銀行業(yè)最關(guān)注的問題之一。從銀行自身的角度來看,客戶流失管理是企業(yè)生存發(fā)展的需要。有關(guān)數(shù)據(jù)顯示企業(yè)開發(fā)一個(gè)新客戶的成本是維系一個(gè)老客戶成本的4~5倍,因此企業(yè)能否維系住老客戶尤其是優(yōu)質(zhì)客戶,是決定企業(yè)盈利能力大小的關(guān)鍵,也是企業(yè)核心競(jìng)爭(zhēng)力的重要組成部分。由于客戶活躍度的量化,本研究可實(shí)現(xiàn)對(duì)高價(jià)值客戶活躍度的實(shí)時(shí)監(jiān)測(cè)。本研究當(dāng)前設(shè)定的客戶活躍與不活躍的臨界點(diǎn)為0.5。事實(shí)上,可以根據(jù)客戶重要程度的不同以及營(yíng)銷預(yù)算的大小,調(diào)整臨界點(diǎn)的大小,以便對(duì)不同客戶進(jìn)行及時(shí)預(yù)警,進(jìn)而實(shí)現(xiàn)及時(shí)反應(yīng),能夠及時(shí)采取營(yíng)銷手段(客戶挽留或挽回),有效提高客戶的保持率。四、客戶活躍度的計(jì)算本文通過對(duì)BG/NBD模型變量的重新定義,得到了非常有應(yīng)用價(jià)