汪云

（汕头职业技术学院计算机系，汕头515000）

0 引言

目前，随着互联网技术的不断进步和市场的发展成熟，银行产品和服务的差异越来越小，传统的零售业务发展之三大驱动力：“产品拉动、价格驱动、团队驱动”，在当前的市场环境下虽能取得短期产能提升，但对于持久繁荣却不能形成稳定的支撑线[1]。随着新常态下大数据时代的来临，银行业不仅拥有广大的客户群体，更具备客户群的基本信息、交易行为、消费行为等维度特征，如何给客户形成标签化管理，提供数字化运营逐渐开始成为银行零售业发展的有效手段和目的[2]。在银行经营中，获取新客户付出的成本收益率远比维系优质老客户的成本效益率高[3]。因此，银行存量潜力客户的挖掘、贵宾客户的流失提升持续成为银行业发展中面临的巨大挑战。

1 客户提升数据模型

目前，银行零售客群数据庞大，如何挖掘和分析是一个热点和难题[4-5]。银行业面临各色各样的消费者，从性别、年龄、职业、教育程度、收入、婚姻状况和子女状况，以及与银行的交易频率、交易额、产品偏好等各个特征均不相同，因此，市场细分是成功的市场营销战略的基础。目前在实践上，银行大多数通过金融资产、负债等静态数据判断客户在银行的价值，忽略了其交易行为、信息属性等综合特征[6]。对于建立科学合理的零售客户分类体系，发现有价值客户，尚未有成熟的方法研究。所谓潜力客户挖掘，是指商业银行在一定成本控制下，通过与潜力客户之间建立并培养良好的关系来挖掘客户潜力的关系管理，其挖掘的核心是逐步培养关系，促进客户与客户关系不断升级[7]。……