精准营销神器之客户画像,你值得拥有
现如今越来越多的用户偏爱线上交易,越来越少的人会选择去银行网点咨询,银行业要如何精准营销呢?相比传统的问卷调查,大数据金融科技可以更好地为银行赋能。
为进一步精准、快速分析用户行为习惯、客户画像应运而生,本文就为大家阐述客户画像是如何生成的。
客户信息千千万,在生成客户画像前,需要了解业务方向与重心,例如,某行想知道零售客户群的分布情况,以及客户标签。故本文就以客户资产、投资偏好、风险承受能力三方面收集了近千条数据。
采用经典机器学习算法——聚类算法来生成客户画像,由于聚类算法是无监督模型,数据质量直接决定分群结果的好坏,这里收集到的数据大部分经过处理。
目标
1. 利用聚类算法,得到合理的分群客户。
2. 对聚类中心进行解释,生成客户标签。
3. 阐述测试样本如何分群。
数据源
本文用到的数据已经同步到kaggle数据集中,并将字段说明与结果一同上传了。
https://www.kaggle.com/yuzijuan/customer-clust
开始
环境与工具
Rstudio、openxlsx、fpc、cluster、Nbclust
调库及数据清洗
读取数据,由于数据类型大部分是连续性,故选择kmeans聚类算法,选取连续性字段,剔除掉仅有一个值的变量、剔除掉ID、年月等信息,查询数据分布,发现数据质量较好,可以用于建立数学模型。
建立聚类模型
因为kmeans算法是根据距离求得相似性,故要消除源数据的量纲,这里用scale()将源数据进行Z变化,得到一系列均值为0,方差为1的正态分布。再对每一列数据求和,验证是否变化完毕。如果源数据有取值仅为一值或者严重偏态的数据,验证便不会通过。
这种结果表示验证通过,列求和的数据位于0左右。如果出现下面的情况,则表明前面数据处理有仅有一值的数据,需要处理这样的数据。
距离的计算公式有很多,这里给出常见的几种连续性和离散型计算方式。本文全篇的计算方式均为欧式距离。
聚类的思想较为简单,难点在于要确定初始聚类中心和类别数。如果想自定义初始聚类中心,可先通过采样,用层次法对样本聚类,可以预估k-means的k值和簇中心,以这些k值和簇中心,作为大样本的初始点。对于K值的选取,R中有一个很棒的包,叫NbClust,提供了三十种评价评价指标,用于选择K值,包括聚合优度、轮廓系数以及CCC检验。执行代码如下。
通过结果可以看出,在评价指标中有6个选择分为2类,有5个选择分为3类,有6个选择分为5类。由于奥卡姆剃刀原理存在,系统推荐是分为2类,而基于业务角度思考,分为5类最为可靠。故后续我们将聚类类别分为5类。
由分类分布可知,2类和5类是一样多的票数。
再由kmeans()进行聚类。给定聚类中心为5个,最大迭代20次。算得聚类优度为0.39,给定聚类中心为2个时算得聚类优度为0.13,再次证明选择5类效果更好。
生成聚类结果
通过cluster.km$cluster可知各个样本的类别,再求得各个类别的均值,以及各类均值与总均值之比,可以看出各个类别的差异,以便给客户打标签。代码如下最后将聚类得分保存为clus_profile2.csv文件中。
通过clusplot()可以看前两个成分下的二维聚类效果图,从图中可以看出,聚类结果较好。因为较为明显地将客户分开。
后续我又用kmedios中心聚类,又将数据聚为5类,效果不如kmeans,聚类图如下。
可以看出,中心聚类下,数据有大量重叠的,而均值聚类,较好区分各个类别。
解读聚类结果
聚类算法相比于其他机器学习算法,其实还是很简单的,而聚类的难点就是需要使结果具有可解读性,也就是为客户打标签的过程。本文借助了银行对个人理财产品的风险承受能力评估等级,从低到高分别:A1(保守型)、A2(稳健型)、A3(平衡型)、A4(进取型)、A5(激进型);将得分超过100分(即比总体分布均值大)的标为红色,将得分低于65(即不达总体分布均值的65%)的标为绿色。可以看出区分程度较好。具体解读结果如下。
以第三类举例,可以看出,第三类客户在资产余额、总权益余额、近6月资产均值、近6月总权益均值的比分上均远远大于均值,并且客户爱购买债券、没有投资股票、基金、理财、贵金属、交易较为频繁且金额较大,基于这个特点,我给这类客户定义为高资产、稳中求进、投资意愿高而投资方向上,很可能属于年长多金爱存款的类别,风险承受为平衡型。当然,打标签是一个很好玩的过程,本文主要给大家介绍如何解读,至于解读得好不好,就仁者见仁智者见智。
测试新样本
最后,我简单计算了一下,如果进来新样本是如何计算类别的,由于本文仅1000条数据,没有新样本,故我将训练样本选择了200条作为新样本,纳入模型计算距离并得到类别数。代码如下。
得到的测试结果展示如下。
与原来的聚类结果相比发现并不是百分百聚类正确。不足5%的会聚类错误,在可允许范围内。
最后如果要给领导看,那么就要学会在解读结果方面下文章,给领导讲讲故事,一个好的客户画像不仅需要使结果具有可解读性,更要能够清晰展现客户特点,以便后续精准营销。
结语
本案例不足之处在于:
1. 样本量不算充裕,可能导致在聚类结果上有一定的偏差。
2. 本文未对离散型数据如何处理进行阐述。因为本案例中没有离散型数据。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14