精準(zhǔn)營銷神器之客戶畫像，你值得擁有

現(xiàn)如今越來越多的用戶偏愛線上交易，越來越少的人會選擇去銀行網(wǎng)點咨詢，銀行業(yè)要如何精準(zhǔn)營銷呢？相比傳統(tǒng)的問卷調(diào)查，大數(shù)據(jù)金融科技可以更好地為銀行賦能。

為進一步精準(zhǔn)、快速分析用戶行為習(xí)慣、客戶畫像應(yīng)運而生，本文就為大家闡述客戶畫像是如何生成的。

客戶信息千千萬，在生成客戶畫像前，需要了解業(yè)務(wù)方向與重心，例如，某行想知道零售客戶群的分布情況，以及客戶標(biāo)簽。故本文就以客戶資產(chǎn)、投資偏好、風(fēng)險承受能力三方面收集了近千條數(shù)據(jù)。

采用經(jīng)典機器學(xué)習(xí)算法——聚類算法來生成客戶畫像，由于聚類算法是無監(jiān)督模型，數(shù)據(jù)質(zhì)量直接決定分群結(jié)果的好壞，這里收集到的數(shù)據(jù)大部分經(jīng)過處理。

目標(biāo)

1. 利用聚類算法，得到合理的分群客戶。

2. 對聚類中心進行解釋，生成客戶標(biāo)簽。

3. 闡述測試樣本如何分群。

數(shù)據(jù)源

本文用到的數(shù)據(jù)已經(jīng)同步到kaggle數(shù)據(jù)集中，并將字段說明與結(jié)果一同上傳了。

https://www.kaggle.com/yuzijuan/customer-clust

開始

環(huán)境與工具

Rstudio、openxlsx、fpc、cluster、Nbclust

調(diào)庫及數(shù)據(jù)清洗

讀取數(shù)據(jù)，由于數(shù)據(jù)類型大部分是連續(xù)性，故選擇kmeans聚類算法，選取連續(xù)性字段，剔除掉僅有一個值的變量、剔除掉ID、年月等信息，查詢數(shù)據(jù)分布，發(fā)現(xiàn)數(shù)據(jù)質(zhì)量較好，可以用于建立數(shù)學(xué)模型。

建立聚類模型

因為kmeans算法是根據(jù)距離求得相似性，故要消除源數(shù)據(jù)的量綱，這里用scale()將源數(shù)據(jù)進行Z變化，得到一系列均值為0，方差為1的正態(tài)分布。再對每一列數(shù)據(jù)求和，驗證是否變化完畢。如果源數(shù)據(jù)有取值僅為一值或者嚴(yán)重偏態(tài)的數(shù)據(jù)，驗證便不會通過。

這種結(jié)果表示驗證通過，列求和的數(shù)據(jù)位于0左右。如果出現(xiàn)下面的情況，則表明前面數(shù)據(jù)處理有僅有一值的數(shù)據(jù)，需要處理這樣的數(shù)據(jù)。

距離的計算公式有很多，這里給出常見的幾種連續(xù)性和離散型計算方式。本文全篇的計算方式均為歐式距離。

聚類的思想較為簡單，難點在于要確定初始聚類中心和類別數(shù)。如果想自定義初始聚類中心，可先通過采樣，用層次法對樣本聚類，可以預(yù)估k-means的k值和簇中心，以這些k值和簇中心，作為大樣本的初始點。對于K值的選取，R中有一個很棒的包，叫NbClust，提供了三十種評價評價指標(biāo)，用于選擇K值，包括聚合優(yōu)度、輪廓系數(shù)以及CCC檢驗。執(zhí)行代碼如下。

通過結(jié)果可以看出，在評價指標(biāo)中有6個選擇分為2類，有5個選擇分為3類，有6個選擇分為5類。由于奧卡姆剃刀原理存在，系統(tǒng)推薦是分為2類，而基于業(yè)務(wù)角度思考，分為5類最為可靠。故后續(xù)我們將聚類類別分為5類。

由分類分布可知，2類和5類是一樣多的票數(shù)。

再由kmeans()進行聚類。給定聚類中心為5個，最大迭代20次。算得聚類優(yōu)度為0.39，給定聚類中心為2個時算得聚類優(yōu)度為0.13，再次證明選擇5類效果更好。

生成聚類結(jié)果

通過cluster.km$cluster可知各個樣本的類別，再求得各個類別的均值，以及各類均值與總均值之比，可以看出各個類別的差異，以便給客戶打標(biāo)簽。代碼如下最后將聚類得分保存為clus_profile2.csv文件中。

通過clusplot()可以看前兩個成分下的二維聚類效果圖，從圖中可以看出，聚類結(jié)果較好。因為較為明顯地將客戶分開。

后續(xù)我又用kmedios中心聚類，又將數(shù)據(jù)聚為5類，效果不如kmeans,聚類圖如下。

可以看出，中心聚類下，數(shù)據(jù)有大量重疊的，而均值聚類，較好區(qū)分各個類別。

解讀聚類結(jié)果

聚類算法相比于其他機器學(xué)習(xí)算法，其實還是很簡單的，而聚類的難點就是需要使結(jié)果具有可解讀性，也就是為客戶打標(biāo)簽的過程。本文借助了銀行對個人理財產(chǎn)品的風(fēng)險承受能力評估等級，從低到高分別：A1(保守型)、A2(穩(wěn)健型)、A3(平衡型)、A4(進取型)、A5(激進型)；將得分超過100分（即比總體分布均值大）的標(biāo)為紅色，將得分低于65（即不達總體分布均值的65%）的標(biāo)為綠色。可以看出區(qū)分程度較好。具體解讀結(jié)果如下。

以第三類舉例，可以看出，第三類客戶在資產(chǎn)余額、總權(quán)益余額、近6月資產(chǎn)均值、近6月總權(quán)益均值的比分上均遠遠大于均值，并且客戶愛購買債券、沒有投資股票、基金、理財、貴金屬、交易較為頻繁且金額較大，基于這個特點，我給這類客戶定義為高資產(chǎn)、穩(wěn)中求進、投資意愿高而投資方向上，很可能屬于年長多金愛存款的類別，風(fēng)險承受為平衡型。當(dāng)然，打標(biāo)簽是一個很好玩的過程，本文主要給大家介紹如何解讀，至于解讀得好不好，就仁者見仁智者見智。

測試新樣本

最后，我簡單計算了一下，如果進來新樣本是如何計算類別的，由于本文僅1000條數(shù)據(jù)，沒有新樣本，故我將訓(xùn)練樣本選擇了200條作為新樣本，納入模型計算距離并得到類別數(shù)。代碼如下。

得到的測試結(jié)果展示如下。

與原來的聚類結(jié)果相比發(fā)現(xiàn)并不是百分百聚類正確。不足5%的會聚類錯誤，在可允許范圍內(nèi)。

最后如果要給領(lǐng)導(dǎo)看，那么就要學(xué)會在解讀結(jié)果方面下文章，給領(lǐng)導(dǎo)講講故事，一個好的客戶畫像不僅需要使結(jié)果具有可解讀性，更要能夠清晰展現(xiàn)客戶特點，以便后續(xù)精準(zhǔn)營銷。

結(jié)語

本案例不足之處在于：

1. 樣本量不算充裕，可能導(dǎo)致在聚類結(jié)果上有一定的偏差。

2. 本文未對離散型數(shù)據(jù)如何處理進行闡述。因為本案例中沒有離散型數(shù)據(jù)。