数据挖掘在银行电话营销中的应用

摘要

随着金融全球化和自由化，银行业面临着全方位和多层次的市场竞争。技术驱动的网络时代的迅速发展，改变传统的被动的客户服务变为主动的客户关怀。在营销领域，传统的粗放式的客户营销策略转向精细化的客户营销策略，展开以客户为中心的营销活动已是大势所趋。
　　以预测银行电话营销结果为研究对象，首先对研究的问题的背景、国内外关于此问题的研究现状以及研究方法与思路进行介绍。其次是大数据时代的银行电话营销简介，包括银行电话营销的相关理论，BP神经网络、支持向量机和决策树等分类方法以及大数据时代的营销。BP神经网络方法是并行分布式处理模型。支持向量机（SVM）通过训练有限样本获得最小误差分类器，具有很好的分类和泛化能力。决策树是一种树状的分类结构模型。
　　在大数据时代背景下，综合应用神经网络、支持向量机和决策树等数据挖掘方法建立银行电话营销分类模型，运用案例分析法和比较分析法，通过ROC曲线、响应率曲线和捕获率曲线发现，最好的结果是BP神经网络，其AUC值是0.97。对电话营销提出相关建议：在未来，可以改变银行客户选择策略，选择最有可能的客户，减少客户联系成本，提高效率，创造更多的价值；充分利用高度相关的属性，为电话销售经理提供有价值的信息。希望以此相关建议为国内银行提供借鉴。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 研究方法与思路

2 大数据时代的银行电话营销简介

2.1 银行电话营销相关理论

2.2 分类算法综述

2.3 大数据时代的银行营销

3 银行电话营销数据准备

3.1 问题分析

3.2 数据检查

3.3 数据预处理

3.4 数据探索

4 银行电话营销模型

4.1 分类模型

4.2 解释性知识

4.3 模型评价

4.4 结论

5 总结与展望

5.1 全文总结

5.2 展望

致谢

参考文献

附录-部分程序代码