基于数据挖掘技术的证券营业部客户关系管理分析
来源:用户上传
作者: 路 逊
[摘 要] 本文通过分析在证券市场积极发展和网络信息技术的兴起的形势下证券营业部所面临的市场需求，提出证券营业部应以优质的客户关系管理促进营销，并使用C5.0决策树的数据挖掘技术对股民调查问卷进行分析，在证券营业部挖掘潜在客户、为老客户提供优质服务，以及开发新的业务提出建议。
[关键词] 证券营业部 客户关系管理 数据挖掘
一、 新形势下证券营业部的市场需求
随着证券市场的发展，证券类理财产品日益丰富，同时由于网络信息技术的应用，证券营业部面临复杂的市场需求。首先，生活水平的提高使人们在基本花费之外的资金增多，同时投资意识也进一步提高。根据中国证券登记结算有限责任公司提供的信息:截至2007年11月30日，沪深两市共有A股账户达7021.787万户。如此庞大的股民无疑形成了证券营业部增长的需求趋势。其次，由于信息技术的兴起，在家或办公室利用互联网交易证券具有很大的便利性，这在很大程度上减少了证券营业部的需求。最后，证券市场由于其受经济周期影响极为敏感，证券市场繁荣与冷淡的更替使得证券营业部面临不规则需求。
二、证券营业部的营销策略
证券市场面临着三种不同方向的需求力量：上升需求、下降需求以及不规则需求，对于这样复杂的市场需求状况，需要实施创新和合理的营销策略以促进证券营业部的业绩提升。
由于各证券公司经营股票交易的佣金率是全国统一管制，所以很难从改变主要业务的定价等方面进行改善。而为了从较为激烈的市场竞争中获取更多的市场份额，需要提供差异化的“产品”，因此对客户的服务成为非常重要的一个方面。所以对证券营业部现有的客户资料进行分析，制定一套可行的客户关系管理体制是证券营业部创新服务的关键。
目前，各证券营业部的普遍做法是把客户按照投资金额进行细分，对小户提供标准化的服务，如统一的交易大厅、计算机屏幕、和定期提供的投资分析报告等；对大户则提供个性化的服务，如安排专用的房间和计算机，及时提供客户需要的投资报告，以及提供投资建议等；对于中户则提供介于大户和散户之间的一种有限制的个性化服务。
这种细分有利于证券营业部区别不同客户群，减少成本以及提高服务质量。但是只做到这样是不够的。面对网络信息技术的影响，我们需要了解证券营业部的客户的特点以实施针对性的营销，发展新的客户，对原有市场进行市场渗透；同时需要通过对现有客户的深入分析，为老客户提供更为优质的服务；最后，我们也需要开发设计一些新的投资服务项目，以提升利润，并减少熊市业绩下滑的损失。
三、CRISP-DM、决策树技术与模型简介
数据挖掘技术是商业智能中知识发现的重要手段，其中CRISP-DM(Cross-Industry Standard Process for Data Mining)是在各个企业中被广泛采用的数据挖掘的标准流程。按照CRISP-DM的标准，数据挖掘包含6个步骤，分别是商业理解、数据理解、数据准备、模型建立、结果评估和应用部署。在本篇研究中，我们的商业问题被定义为如下三个问题：
如何挖掘潜在客户？
如何为现有客户提供更好的服务？
根据现有客户的需求，可以设计哪些新的投资服务项目？
这三个问题中的前两个是对原有市场原有产品的研究以达到渗透市场，利用正向需求，化解不利需求因素的目标；第三个问题则是针对原有市场开发新的“产品”，以研发新的服务项目提供差异化的“产品”，应对证券市场牛熊更替造成的不规则需求。因此，本文将利用数据挖掘技术建立两个模型以解决以上问题。第一个模型通过对通过证券营业部进行交易的客户特征进行分析，以识别和预测潜在客户；第二个模型则是将客户按入市资金进行分类，考察大、中、小户这三个客户群各自的特点。对于新服务项目开发的结论将综合两个模型得出。
建模的方法采用决策树技术中的CART。决策树是一种有监督的分类方法,它提供了一种展示类似在什么条件下会得到什么值的规则,它可以为决策制定过程进行图形表示,因为它所做的预测相当准确,而且又比类神经网络容易了解,所以是一种应用广泛的有监督分类方法。有许多不同的方法建构决策树，分类与回归树(Classification And Regression Tree.CART)是其中之一。CART是一个二分式决策树,采用分散度作为分隔变量的衡量标准。
本次建模利用的数据，来自于厦门大学经济学院社会实践活动中对股市投资者进行的问卷调查。有效样本容量为457。由于样本中通过证券营业部交易证券的投资者只占17.71%，为准确分析与证券营业部相关的记录，需要对样本中通过证券营业部交易证券的投资者记录进行过度抽样，经过使用神经网络技术对样本进行多次抽样对比稳定性，最终认为通过证券营业部交易证券的投资者记录占样本55%的比例是合适的。并且为了防止过度拟合,限制树深为4。建模过程使用clemintine11.0软件。通过分类矩阵和增益图对模型评估，可以得知本文建立的两个模型是具有比较理想预测效果的。
四、模型结果解释
第一个模型用于识别潜在客户，它的输入变量包括如下几个方面的选项：入市目的、通常购买的股票类型、投资者基本信息、投资习惯。输出变量为定性变量：是否通过证券营业部进行交易。使用clemintine11.0软件进行建模分析可以得到如下的决策树形图。
从上面的树形图可以看出，是否购买基金是识别潜在客户的重要因素，这一节点应该理解为证券营业部的潜在客户很有可能购买基金；年龄也是一个比较重要的因素，在证券营业部进行交易，需要花费较多的时间，因此我们在证券营业部观察到的客户中有相当一部分为退休人员，年龄比较大，所以在有意愿购买基金的人中35岁以下者就不是我们的潜在客户；在35岁以上的投资者中，购买科技股的投资者有可能是潜在客户；投资科技股并且经常持有的股票个数为2只～3只者，也是潜在的客户;而持有股票数目为其他数目的投资者，若持有PT、ST股票可能是潜在投资者，这与这类股票风险大，需要及时收集上市公司重组信息有关。
第二个模型的输入变量包括如下几个方面的选项：入市的目的，通常购买哪些股票，投资者个人基本信息。输出变量为：入市资金。使用clemintine11.0软件进行建模分析可以得到如下的决策树形图。
将5万以内定义为小户，5万～20万定义为中户，20万以上定义为大户，则根据上图可以发现入市年限在四年以下、选择股票不通过亲朋好友的推荐，以及虽然通过亲朋好友推荐获得信息，同时也利用互联网信息，但是没有购买基金，或者持有股票数目较少为2只～3只的投资者为小户;而具有上述特征却持有较多的股票，或者入市年限较久为4年以上，并且以不以获得二级市场差价为投资目标，或者虽以获得二级市场差价为投资目标但是也通过股民的交流但不通过网络信息获取投资信息以及不通过股民的交流但通过广播电视及一般刊物获取投资信息的投资者为中户；入市年限较长为4年以上，以及通过股民的交流和晚上信息，或者不通过股民的交流也不通过广播电视及一般刊物获取信息的投资者为大户。同时注意到年龄、学历以及习惯使用的投资分析方法等变量对客户按入市资金的这种细分并没有显著的影响。
五、客户关系管理和营销策略建议
从上面决策树模型的讨论中,我们可以得到如下的结论：
1.潜在客户通常年龄在35岁以上，具有投资基金、科技股、PT、ST股的偏好等特征。
2.大户特征：入市时间较长，以获得二级市场差价为目的、信息主要来自于网络信息、股民交流。
3.中户特征:入市时间约为3年～6年居多，以获得二级市场差价为目的，持有股票数目在3只～5只居多，信息来自于网上、股民交流、一般媒体报刊。
4.小户特征:投资基金偏好，易受亲朋好友及股民的影响，持有股票个数较少。
根据从挖掘模型中得到的以上知识可以解答前文中提出的三个问题，并将这些知识与证券营业部的实际业务相联系，提出具体的建议。
证券营业部在发展客户时，首先应考虑营业部的选址问题，营业部应当设置在中老年住户较多，住户收入水平中等的社区附近，营业部的装修设计等应适当地考虑中老年的便利问题；证券营业部的广告措施也应重点在中老年住户较多的社区及附近的银行、保险公司等地展开；善于利用已有客户发展新的客户，因为已有客户通常的交际人群具有与之相似的特征，为老客户提供优质服务利用其口碑宣传，或者为老客户发展新客户提供一定的激励措施都是比较有效和成本较低的方案；同时，可以通过证券公司的用户交易资料中寻找符合潜在客户特征的客户，通过短信、电话等形式进行宣传。
在细分客户群，深入了解不同类别客户特征以及提供更优质服务时可以利用模型中关于大、中、小户的特征进行分析。对于大户，可以利用其喜爱通过股民交流获得信息的特点，定期组织一些较高层次的股民沙龙，提供较为规范的交流平台，并且对大户的交易情况及时地了解，提供个性化的投资理财建议；另外大户因为资金充裕，收益机会和避险措施丰富，可以为他们提供新的投资工具的信息。对于中户，应当为其提供更为广泛的信息来源，如在计算机内设置可以便利访问的财经证券门户网站的链接，在证券营业部内设置报刊阅览区，及时更新相关的报刊和杂志，提供一个投资分析报告借阅区，同时也可以举办股民沙龙来提供交流机会。对于小户，可以提供更多关于基金的信息；并且举办针对小户的讲座，加强风险管理意识，投资知识的教育等等。
根据挖掘模型的结果，我们可以考虑利用证券营业部网点多，以及营业部员工对客户了解程度较高的特点，推出一系列个人投资理财咨询的业务。如帮助客户构建各种证券投资组合，选择合适的基金组合，利用证券营业部中老年较多的特点，与保险公司合作推出证券产品与生命健康保险组合的理财业务等。这样不仅可以直接利用现有客户进行营销，并且可以吸引一些因为忙碌没有时间理财的上班族前来咨询，同时可以根据宏观经济运行的状况，推出灵活的个人理财项目，如在股市陷入熊市时，重点考虑债券选购、保险等组合的理财咨询，这样即使宏观经济陷入低谷，证券营业部也可以因其产品的灵活变化而降低证券经纪业绩下滑的不利影响。
参考文献:
[1]韩家炜 堪 博:数据挖掘概念与技术(原书第二版）[M].北京:机械工业出版社,2007
[2]郭国庆:市场营销学通论（第二版）[M].北京:人民大学出版,2000
“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”
转载注明来源:https://www.xzbu.com/3/view-1492066.htm
