1703655382
随着数据挖掘技术的发展和营销理念的转变，粗放式营销策略不再满足服务客户的要求，金融机构追求对客户的精益化营销，提高营销效率，提高客户的满意度。例如亚马逊公司的推荐系统，不仅给客户带来便利，同时还增加了收入，增强了客户的黏性。市场响应模型多用于衡量客户对市场活动的响应可能性。市场响应模型通常也和风险模型结合使用，筛选风险较优、响应较好的客户群作为营销的目标客户群。
1703655383
1703655384
市场响应模型预测变量依赖于需要营销的业务，存量客户业务的营销包括存量客户再贷营销、信用卡分期营销、信用卡取现营销等。不同的营销目标，考虑预测变量的方向不太一样，以存量客户再贷营销为例，主要考量客户对新信贷的需求，市场响应模型预测变量包括以下几方面。
1703655385
1703655386
•最近是否有申请贷款的查询记录；
1703655387
1703655388
1703655389
1703655390
•信用卡的额度占用情况；
1703655391
1703655392
1703655393
1703655394
•信用卡循环使用情况；
1703655395
1703655396
1703655397
1703655398
•收入、负债情况。
1703655399
1703655400
1703655401
1703655402
此外，第三方数据对市场响应模型的预测非常有帮助。例如，客户最近是否有买车、买房、买奢侈品等大额单笔交易的记录，这些对于客户是否需要新信贷的判断很有帮助。另外，客户的浏览行为信息也可以反映出客户的购物需求，对于判断客户是否需要新信贷也有很大帮助。
1703655403
1703655404
大数据对存量计量模型体系的影响
1703655405
1703655406
存量管理阶段，客户的行为信息最为丰富，而大数据正为存量管理带来了更广泛的信息输入。大数据的应用对存量计量模型体系的影响最为深刻。
1703655407
1703655408
1703655409
1703655410
第一，大数据进一步提高了信息的完备性。信息的完备性对提高模型的精准度有很大帮助。例如，金融机构信用卡交易流水和互联网交易流水的趋势对比，对于行为流失模型有很好的预测作用；客户在电商网站购物是否有分期习惯，对于市场响应模型有很强的预测作用；客户线下交易特征和线上浏览特征，对于行为风险模型的预测有辅助作用。循环授信产品之外，其他个人信贷产品缺乏可以观察的交易行为，较难开发行为类评分模型，而引入第三方数据，丰富客户行为观测信息，可以弥补金融机构内部数据的不足。
1703655411
1703655412
1703655413
1703655414
第二，模型的精益化程度提高。大数据从更多维度反映出不同客户群行为模式的差异，对不同类型客户群能够采集的信息类别差异也很大。例如，中青年人的互联网行为信息非常丰富，但老年人的线上信息则较少。如利用互联网行为进行模型开发，则需要考虑将两类客户群区分开，分别建立子模型。在体现客户群差异化的同时，模型中可纳入更多外部信息，提高模型区分能力，使模型更加精益化。
1703655415
1703655416
1703655417
1703655418
第三，模型与策略结果更新更为频繁。一般情况下，传统行为风险模型定期更新即可，但是随着大数据的深入应用，由于大数据的更新速度非常快，模型结果的更新速度也随之加快了。特别当重大负面信息出现时，有必要触发模型及更新策略，及时强化风险管理动作。大数据的应用使计量模型与风险决策过程更为及时，也更为复杂。
1703655419
1703655420
1703655421
1703655422
第四，模型技术日益复杂。传统模型开发最常用的统计方法主要有Logistic回归和决策树等比较成熟的模型，但由于大数据具有多样性、稀疏性的特征，有些模型开发方法可能不再适用，而需要根据实际情况采用不同的统计学方法。
1703655423
1703655424
1703655425
1703655426
1703655427
1703655428
1703655430
互联网信贷风险与大数据：如何开始互联网金融实践 第五章 逾期客户管理
1703655431
[
上一页 ]
[ :1.703655382e+09 ]
[
下一页 ]