基于信用卡客户交易行为的精确营销研究

摘要

信用卡业务是银行零售业务利润贡献的重要组成部分,而信用卡本身也是联系银行、客户、特约商户等多方关系的重要渠道,如何从客户大量的信用卡交易数据中挖掘出潜在价值是银行增加收益的重要研究内容。
　　对银行来说信用卡业务能促进产品和服务供求方交易的良性循环,其客户层次和客户需求呈现多元化的特点,而且每个层次的客户对银行的贡献程度也有差异。因此信用卡作为沟通银行、持卡人、商户三方的重要渠道,可以被用来发掘其不同层次客户的特点,并结合协同过滤推荐技术实施针对于商户的精确营销,以将某些商户的潜在客户转变为实际客户,从而起到增加银行信用卡业务收益,提高商户、客户的满意度和忠诚度的目的。
　　文本的研究引入了数据挖掘领域的聚类技术和CRM领域的RFM模型设计精确营销方案,提出在细分客户价值的基础上实现协同过滤推荐。主要内容包括以下几个方面:
　　改进传统的RFM模型数据,并利用信用卡交易记录得出改进的RFM数据;通过k-均值聚类算法实现客户价值细分,同时结合描述性分析定位客户类型;实现同类型客户内的商户信用卡营销信息的协同过滤推荐。这种差异化推荐将个性化推荐服务与客户关系管理有机地结合在一起,能以有限的成本提高银行信用卡业务的收益,获得尽可能高的商户/客户忠诚度和满意度。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 引言

1.1研究背景及意义

1.2研究内容和方法

1.3研究创新点

第2章 国内外相关研究理论和方法综述

2.1 精确营销研究综述

2.2 与信用卡相关的营销理论研究综述

2.3精确营销的含义界定

2.4 数据挖掘研究综述

2.5协同过滤算法研究综述

2.6本章小结

第3章 基于数据挖掘的精确营销分析

3.1 信用卡业务和客户特点

3.2数据挖掘技术对精确营销的意义

3.3本章小结

第4章 基于客户交易行为的精确营销方案设计

4.1信用卡客户价值细分模型

4.2 基于用户的协同过滤推荐

4.3评估标准

4.4本章小结

第5章 基于客户交易行为的精确营销的实证及结果分析

5.1精确营销整体解决方案

5.2数据准备

5.3数据建模

5.4协同过滤推荐的实施

5.5推荐精度检验

5.6本章小结

第6章 结论

6.1精确营销建议

6.2研究局限性及未来研究方向

6.3本章小结

参考文献

附录A R、F、M指标权重调查问卷

附录B 多重比较结果

附件C 部分核心代码

致谢

个人简历