牛亚琴 卢苗苗

摘要：随著金融行业竞争愈加剧烈，加之互联网金融的快速发展，银行业利差不断收窄、波动剧烈，使其正面临着全方位的挑战。如何更有效地进行精准营销在很大程度上决定银行是否能在激烈的竞争中脱颖而出。该研究将80%预处理后数据作为训练集，20%的数据用于验证集，利用数据挖掘技术中的 Logistic回归和XGBoost两种客户提升模型分别对存量客户数据进行了比对分析。通过对比两种模型的ROC和Lift曲线后发现XGBoost模型提升客户数量更多、预测准确率较高。

关键词：银行业;数据挖掘;客户提升

中图分类号：TP311       文献标识码：A

文章编号：1009-3044（2021）10-0205-02

Abstract： With the fiercer competition in the financial sector and the rapid development of Internet finance， the banking industry is facing comprehensive challenges due to the narrowing and drastic fluctuation of interest rate spreads. How to carry out precision marketing effectively determines whether it can stand out in the fierce competition. In this study， 80% of the pre-processed data was taken as a training data， and 20% of the data was used for a validation set. Through data mining techniques， two customer improvement models including Logistic regression and XGBoost were used for comparative analysis of the existing customer data. By comparing the ROC and Lift curves of these two models， it was found that the XGBoost model can simultaneously improve the number of the customers and the accuracy of prediction.

Key words： banking industry; data mining; customers improvement

随着大数据时代来临，越来越多行业利用数据挖掘技术锁定目标客户群，从而进行精准营销，降低经营成本，提升整体效益。对公业务是商业银行的经营基础和利润效益的主要来源，对公业务的发展直接影响商业银行经营状况与资产质量，因此对公业务营销能力的提升首当其冲。本文通过比对XGBoost和Logistic回归两种算法，寻找影响客户提升的主要因素。一方面可以帮助银行找出具有提升空间的潜在客户，并有针对性的为用户提供其感兴趣的服务和产品，推动用户的价值成长;另一方面可以帮助银行确定影响客户提升的主要因素，通过调整市场和产品战略来改善这些因素，进一步提升银行的竞争力。

1数据挖掘技术

数据挖掘是发现暗藏的、未被发现的知识的行为，是指从海量的、随机的数据中抽取那些隐含的、有利用价值的知识的过程[1]。……