RFM模型在信貸風(fēng)控的應(yīng)用

長久以來,對于用戶價(jià)值的衡量一直是令企業(yè)頭疼的棘手問題,尤其對于信貸產(chǎn)品而言,不僅要對用戶價(jià)值有明確的界定,為了防范風(fēng)險(xiǎn)控制,差異化客戶分類管理成為精細(xì)化管理的首要任務(wù)。

在眾多的用戶細(xì)分模型中,RFM模型是被廣泛提到和使用的。

01 什么是RFM模型?

RFM模型又稱用戶價(jià)值模型,是網(wǎng)點(diǎn)衡量當(dāng)前用戶價(jià)值和用戶潛在價(jià)值的重要工具。

RFM模型在信貸風(fēng)控的應(yīng)用

RFM模型即:

  • “R”——Recency(最近一次消費(fèi)時(shí)間),R值越小則價(jià)值越大,這類用戶也是最能夠?qū)Ξa(chǎn)品、活動產(chǎn)生反應(yīng)的群體;
  • “F”——Frequency(一段時(shí)間內(nèi)消費(fèi)頻次),F(xiàn)值越大,表示用戶在固定時(shí)間段內(nèi)的交易次數(shù)越多;
  • “M”——Monetary(一段時(shí)間內(nèi)消費(fèi)總額),M值越大,表示用戶消費(fèi)能力越大。

通過這三個(gè)指標(biāo)分別刻畫了用戶是基于近度(Recency),頻度(Frequency)和額度(Monetory)這3個(gè)指標(biāo)對用戶進(jìn)行聚類,我們可以找出具有潛在價(jià)值的用戶, 從而輔助風(fēng)控決策,提高營銷效率。

02 基于RFM模型的K-Means聚類算法說明

聚類, 是指按照對象的某些屬性, 以某種相似度的測量方法, 把相似的事物聚集成為一類, 其結(jié)果是獲得的類群中, 不同類的對象之間相似性小, 同一類對象的相似性大。K-MEANS算法是聚類分析中最常用, 也是最主要的算法之一。

RFM模型在信貸風(fēng)控的應(yīng)用

基于RFM模型的聚類分析算法步驟如下:

Step1:收集具有共性的較長一段時(shí)間所有用戶基礎(chǔ)交易信息數(shù)據(jù);

Step2:應(yīng)用計(jì)算機(jī)軟件系統(tǒng)計(jì)算每個(gè)用戶的RFM數(shù)值和全體用戶集合的RFM總平均值(包括R平均值、F平均值以及M平均值),每個(gè)用戶的RFM數(shù)值分別用Ri?、Fi、Mi;全體用戶集合的RFM總平均值分別用表示;

Step3:將每個(gè)用戶的RFM數(shù)值和總RFM平均值作比較,每次對比有兩個(gè)結(jié)果:大于等于總平均值和小于總平均值,其中大于等于總平均值用“1”表示,小于總平均值用“0”表示,比較結(jié)果用rRFM表示,通過比較結(jié)果得到每個(gè)用戶RFM的變動情況,進(jìn)行聚類;

Step4:根據(jù)規(guī)定的用戶簇分類,對聚類后的用戶簇進(jìn)行分類劃分,得到最終的用戶類型;

Step5:應(yīng)用計(jì)算機(jī)軟件系統(tǒng)計(jì)算每類用戶簇對公司在忠誠度、交易活躍度及對公司貢獻(xiàn)率三方面的占比。

通過對比業(yè)務(wù)結(jié)果不斷修訂完善模型的同時(shí),用營銷手段進(jìn)一步擴(kuò)大重要價(jià)值用戶群(考慮時(shí)間短、頻次高、消費(fèi)高)。分群方法如下:

  • 對于某個(gè)用戶,如果其R值高于群體平均R值,則該用戶屬于R↑,反之屬于R↓。
  • 對于某個(gè)用戶,如果其F值高于群體平均F值,則該用戶屬于F↑,反之屬于F↓。
  • 對于某個(gè)用戶,如果其M值高于群體平均M值,則該用戶屬于M↑,反之屬于M↓。

以信貸業(yè)務(wù)為例,隨機(jī)抽取100萬用戶樣本,進(jìn)行數(shù)據(jù)分析;

時(shí)間間隔:以提取樣本的時(shí)間點(diǎn)與用戶最后一次消費(fèi)時(shí)間作差,看時(shí)間間隔平均為多少天。

消費(fèi)頻次:用戶的消費(fèi)行為平均為幾次,最大多少次,最小多少次。

消費(fèi)金額:用戶消費(fèi)金額平均為多少,最大最小分別是多少。

使用K-means方法,對樣本集進(jìn)行聚類,通常分為8類。

RFM模型在信貸風(fēng)控的應(yīng)用

把聚類結(jié)果分為訓(xùn)練集(30%)和測試集(70%),根據(jù)訓(xùn)練集生成決策樹模型。

RFM模型在信貸風(fēng)控的應(yīng)用

通過RFM分析將客戶群體劃分成一般保持客戶、一般發(fā)展客戶、一般價(jià)值客戶、一般挽留客戶、重要保持客戶、重要發(fā)展客戶、重要價(jià)值客戶、要挽留客戶等八個(gè)級別。

RFM模型在信貸風(fēng)控的應(yīng)用
(用戶價(jià)值分層說明示意圖)

03 小結(jié)

通過用戶價(jià)值模型的搭建與分析,在風(fēng)險(xiǎn)評分難以決策的灰分區(qū)域,制定置入置出策略,可以預(yù)測用戶在開戶后能夠?yàn)闄C(jī)構(gòu)帶來潛在收益。在相同風(fēng)險(xiǎn)等級用戶里,可以篩選收益等級高的用戶,最大化挖掘其收益潛力。

除此之外,不僅可以通過對各個(gè)價(jià)值分層的群體特征研究,利用用戶忠誠度、用戶規(guī)模與用戶信用相結(jié)合的考察方法來劃分客戶,還可以從交易變化、流失趨勢等動態(tài)行為考察,從而有效提升獲客能力以及針對各類人群實(shí)現(xiàn)精準(zhǔn)化營銷。

本文經(jīng)授權(quán)發(fā)布,不代表增長黑客立場,如若轉(zhuǎn)載,請注明出處:http://gptmaths.com/quan/78777.html

(0)
打賞 微信掃一掃 微信掃一掃 支付寶掃一掃 支付寶掃一掃
上一篇 2022-09-14 10:32
下一篇 2022-09-14 10:54

增長黑客Growthhk.cn薦讀更多>>

發(fā)表回復(fù)

登錄后才能評論