基于灰聚类方法的我国银行信用卡客户细分  

作　　者：崔永生 

机构地区：[1]沈阳城市学院

出　　处：《中国商论》2018年第21期131-137,共7页China Journal of Commerce

摘　　要：3D(大数据、数字化、发展中经济体)背景下金融行业领域的竞争日益加剧,优质客户成为金融企业争夺的焦点。如何有效地、精确地运用客户细分的理论和方法,定位标识自己的核心客户群,是企业实现精准营销盈利目的的唯一有效途径。RFM模型是衡量客户价值和客户创利能力的重要工具和手段,K-means聚类结合RFM模型是一种目前企业客户细分应用中普遍采用的组合方法。如果K-means聚类结合传统的RFM模型来做客户细分,由于RFM指标取值范围通常具有灰性,需要人为经验判断,所以在指标取值上具有强主观性,会影响客户价值评价结果的准确性。为此本文针对这一问题,采用灰聚类分析技术,依据我国某商业银行信用卡客户个人信息和卡消费交易统计数据,构建了基于灰聚类的RFM两阶段细分模型,并作了实证分析。分析结果表明,此模型解决了RFM指标灰色属性取值难以度量的问题,同时对银行客户细分简单有效,结果可以为营销决策提供参考依据。

关 键 词：数据挖掘 精准营销 RFM模型 灰聚类 客户细分 K-MEANS聚类 

分 类 号：F713.50[经济管理—市场营销]