證券客戶價值指標體系及模型設計

導語：證券客戶價值指標體系及模型設計一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：證券客戶評估是客戶數據挖掘的重要工作，通過對客戶指標體系構建，可以整合證券客戶和交易數據、行為數據、客戶服務過程數據并合理建模，形成統一的數據評估模型，受到學術界和企業的關注。從證券客戶的數字化資源建設出發，提出了證券客戶指標體系構建及評估模型設計方法，基于客戶對券商的價值、用戶交易行為、融資融券業務，股票期權業務上的交易等數據，采用聚類算法實現對客戶群整體進行分析。最后，結合大數據及智能處理技術，構建了一種證券客戶價值指標體系構建及評估架構，從而提高券商客戶管理和智能化服務水平，實時與公司各部門及客戶對接。

關鍵詞：客戶價值；指標體系；評估模型；大數據；數據挖掘

隨著大數據時代的到來，大數據智能決策模式對金融企業更具針對性，將客戶服務流程和管理數字化，通過數據打通業務開展和管理的閉環，形成客戶服務工具，提升客戶服務效率和專業度，實現對業務的精細化管理等都需要充分利用大數據和人工智能技術［1］。其中，客戶數據的使用基本涉及了券商信息系統的方方面面，而客戶數據自身的多源性、大體量、多類型加大了數據使用的難度，因此，有效管理和利用客戶資數據、充分挖掘數據價值進而賦能業務創新和發展日趨重要。人工智能技術能為諸多不同的業務場景提供定制化智能服務用以提升服務質量，提高工作效率，減少人工成本［2］。當前，客戶數據分散，并且還未建立完整的、統一的數據標準，業務人員在分析客戶時需要在多個系統中導出數據，并通過Excel等工具人工統計分析才能得到結果。在服務過程中，投資顧問通過表格軟件、第三方資訊平臺等工具整理服務內容之后向客戶提供服務，過程未留痕。業務的管理流程還未工具化，多數營業部通過第三方平臺或Excel實現管理，效率較低。隨著數字化技術的發展，證券企業的各個業務不斷地向數字化轉型，對證券客戶的指標進行分析，不僅能實現對客戶的精細化管理，而且可以根據客戶的個性化需求制定差異化的服務策略來提升企業競爭力［3］?；谄髽I積累的數據，準確地構建客戶的指標體系并進行價值評估，有助于對客戶提供精細化服務，并提高客戶服務的質量［4］。此外，根據客戶的行為數據，通過SVM、協同過濾等智能算法，將不同行為的客戶數據分為不同類別，并對他們提供精細化服務，提高用戶對企業的忠誠度與認可程度，實現企業和客戶之間的雙贏。為此，本文提出構建證券客戶指標體系和客戶價值智能挖掘的方法，整合客戶數據資產，結合智能挖掘技術，實現客戶的精細化服務。具體內容包括兩個方面。（1）證券客戶價值指標體系構建：整合公司客戶數據資產，建立資訊數據統一采集、存儲、管控與對外服務，提高數據使用效率、規范化數據質量和標準。在此基礎上，構建證券客戶的指標體系，以正確地描述證券客戶的特征；（2）構建客戶價值評估模型：基于客戶價值的指標體系，進行了客戶評估模型構建。通過客戶評估模型，有效地挖掘證券客戶潛在價值、驅動業務創新和智能化轉型，并為證券客戶提供定制化服務，輔助企業智能決策。本文主要從證券客戶信息數字化建設出發，對客戶價值指標體系設計提出解決方案，并對客戶價值評估過程進行剖析。

1證券客戶價值指標體系

證券客戶指標體系是由一系列與客戶相關指標所組成的整體，以便從多個方面體現客戶的價值或客戶數據的特征［5－6］。以客戶價值評估為目標，構建一個以客戶價值為主題的指標體系，與客戶相關的數據都是分析的目標。首先需要采集客戶相關數據，客戶數據包括客戶基本信息，客戶風險測評信息等?？蛻艚灰讛祿ǎ嚎蛻粼谄胀ń灰讟I務，融資融券業務，股票期權業務上的交易、持倉、盈虧信息?？蛻粜袨閿祿ǎ嚎蛻粼贏pp，PC端的交易，產品，資訊，活動，投資等頁面瀏覽及委托行為。對獲取數據實施融合、建立客戶價值的評估指標體系，最終經過上述過程完成客戶價值指標體系構建。（1）證券客戶數據治理：梳理相關基礎數據和應用數據的數據質量檢核標準與檢核規則，形成數據質量評估體系、評估報告，形成數據治理檢核腳本以供日常檢核。數據治理主要工作包括：定義數據質量需求、范圍，數據質量問題剖析的方式、計劃等；基于定義的數據質量范圍與數據標準，建立數據質量問題剖析規則，運行數據質量規則來檢核問題。通過數據質量檢核規則，完成一次質量檢核，生成數據質量報告，對報告結果進行問題原因分析。根據數據質量報告和數據質量檢查發現的問題進行處理和改進，對改進結果進行持續跟蹤和評估。建立數據治理考核體系，通過考核指標促進數據質量問題的有效解決。（2）證券客戶特征篩選：整合證券客戶賬戶和交易數據、互聯網行為數據、員工服務過程數據并合理建模，形成統一的數據服務基礎。通過證券數據的融合、關聯和匹配，構建證券客戶的多維指標體系，形成標準化的多源數據融合、客戶標識和基礎服務能力。證券客戶標簽體系的構建一方面依據公司積累的歷史數據和實時數據，結合客戶行為數據，包括交易、持倉、盈虧等，在此基礎上設計符合邏輯的指標特征，該類指標和證券客戶價值評估的內容相關，且能夠從已有數據中計算提取的特征。但是指標特征之間存在的聯系對與進行數據的研究存在一些影響，為此要對這些可用的指標特征進行進一步的篩選。有的指標特征之間存在明顯的線性關系，有的指標特征數據的分布情況過于單一，類似的一些問題在特征篩選中都需要去處理。（3）證券客戶指標體系構建證券客戶指標體系構建是對客戶價值評估的基礎，其合理性直接影響到評估的結果。證券客戶用戶與傳統的電商用戶行為模式之間存在許多差異。證券客戶指標體系構建主要從證券客戶貢獻度、證券客戶消費價值、成本節約帶來的價值、客戶忠誠度和客戶信用度等方面考慮［7］。在證券客戶指標體系設計原則的指導下，構建了證券客戶評估的指標體系。實現功能包括客戶中心、任務中心和指標體系構建中心?？蛻糁行膶崿F客戶洞察和精準營銷；任務中心實現客戶管理服務過程的數據化和精細化管理；指標體系構建中心實現對客戶數據的實現分析并構建客戶的指標體系。這3大功能中心一方面能夠提升客戶經理的工作效率和服務質量，另一方面通過優質服務提升客戶體驗，從而促進業務轉化。

2客戶價值評估模型構建

基于構建的證券客戶指標體系，研究客戶價值分析模型構建，實現對客戶的洞察和精準營銷的需要。通過大數據和人工智能能力的結合持續挖掘證券客戶的數據價值、提升數據資產利用率。

2．1證券客戶分群

基于證券客戶的價值、客戶活躍度、客戶行為數據和客戶基礎數據等挖掘相關的指標，采用聚類算法分析客戶群的時序動態［8］。證券客戶價值分群模型建模流程：（1）根據證券客戶的數據，分析證券客戶聚類的目標；（2）分析客戶操作數據、網絡頁面數據和App日志數據等，以生產分析模型所需的出數據；（3）對采集數據進行治理和特征提取，梳理證券客戶基礎數據和行為數據的數據標準和質量體系；（4）依據證券客戶價值評估的模板，選擇合適的分群模型，如KM聚類算法［9］、隨機森林［10］；（5）輸入證券客戶的特征數據和指標體系，采用機器學習方法得到價值評估模型；（6）優化客戶價值評估模型，如根據證券客戶數據特征和指標體系分析聚類個數，根據軟件配置特征優化系統的性能，依據AUC曲線指標，分析各種證券客戶分類模型等；（7）利用客戶價值分析模型輸出結果，制定精細化服務和個性化服務策略。通過分析，可以得到證券客戶分群的結果，具體的內容如圖1所示。橫軸上，資產型和行情型呈對稱結構，是因為在變換矩陣此維度上資產特征和行情特征占了主要影響。而豎軸上，交易和行情型客戶呈對稱，也是因為行情特征和交易特征在變換矩陣中占了主要影響。理財型客戶處于中部則是因為其理財特征占比過大，導致其他特征影響無法凸顯。通過數據標準化與證券客戶分群有助于提高數據的準確性和質量，降低系統維護成本、提高應用效率。在此基礎上，基于大數據和智能化分析的技術，能夠充分挖掘客戶數據的潛在價值，形成客戶價值評估的智能應用，輔助智能決策不斷提升服務質量。

2．2客戶價值評估模型

在處理用戶數據時，聚合數據的方法與現實場景中的客戶劃分都是利用數據簇來區分對象，相似度越高的對象分到同一個簇的概率也會越大。這種方法適用于對客戶價值的分析。將復雜的數據特征和數據樣本用在傳統的概率預測模型中有著明顯的局限性。而K－Means算法相對高效，在處理大型數據集方面效果顯著且能有效降低大數據對模型的影響。與其它算法相比，K－Means算法能夠輕松部署到實際生活中，計算延遲低，這主要是因為算法的參數少。客戶特征的提取、客戶特征的權重計算以及簇分群個數的確定，是K－Means算法主要的3個部分。明確模型所需要的特征能夠有效地減少模型的訓練時間。模型利用客戶的數據進行特征分析從而將客戶分為不同集合的過程稱為價值分析。在開始細分客戶群體前，需要明確所使用的特征數量和類別。模型使用的特征和客戶劃分相關。用戶的特征與客戶自身消費習慣的數據相關，并且特征關聯了客戶代碼、性別、年齡、風險級別、資金余額、證券市值、交易頻率和傭金貢獻等。所以提取的客戶特征范圍很廣，不僅要考慮客戶現有的消費數據，還要考慮個人的相關信息。提取出不同的特征數據在模型中的分配權重也是不同的。最后，分群個數的確定不僅要根據用戶的行為數據特征提出，還要結合業務需求。分群個數對于K－Means算法的精度影響非常大，需要多次的模型訓練才能確定。所以，本文將使用隨意提取樣本分析的方法，從而確認改變特征細分結果對模型分群的個數合理性的判別。綜合以上考慮，價值分析的主要流程如圖2所示。圖2客戶價值分析流程圖通過數據治理、統一管控、數據融合和集中化數據交互服務的構建，提升證券客戶數據質量，提高數據消費端的系統效率、減少維護的成本。主要內容包括如下方面。①證券客戶指標體系構建。分析和選擇證券客戶的特征，實現數據質量管理、元數據管理、數據服務管理等模塊功能，從證券客戶大數據中選取和客戶價值評估相關的數據，并結合具體的應用場景，構建證券客戶的指標體系。②證券客戶價值評估。通過對客戶數據的提取和指標體系的構建，可以全面刻畫客戶的需求，從而可以進一步分析客戶的交易情況。采用K－means方法，通過改變細分結果在多個方面的評分去評估證券客戶的價值。以有效地挖掘證券客戶潛在價值、驅動業務創新和智能化轉型?？蛻魞r值評估模型將從客戶收入貢獻、證券客戶價值、證券客戶利潤、證券客戶忠誠度和證券客戶信用度等多維度展開客戶價值的有效評估。

3數據驅動的客戶價值評估系統架構

客戶價值評估系統架構圖包括4層：客戶數據層、客戶指標體系、客戶分群層和客戶價值評估，如圖3所示。數據層主要對客戶基本信息、客戶活躍信息、貢獻度信息和交易行為等方面進行數據采集和整理；客戶指標體系根據實際數據值大小和數據分布，基于數字化建設的指標體系，動態篩選能夠定義客戶價值的指標特征。采用聚類算法對證券客戶數據進行細分；基于客戶端用戶基礎數據，App操作行為日志，賬戶信息，購買記錄等大數據，建立證券客戶價值挖掘模型，形成系列數據分析應用?？蛻魯祿樱簩⒓瘓F及子公司通過外部采購、內部生產和互聯網采集的多源資訊數據，統一采集和存儲至大數據平臺，整合并統一管理集團資訊數據資產。客戶指標體系：通過對證券客戶數據分析，理解和掌握客戶行為模式、規律、成因和關鍵影響因素，對證券客戶行為進行挖掘分析，平衡各類指標對于證券客戶價值評估的作用。選取活躍度、周轉率和資產總額等作為定義客戶價值的指標特征?？蛻舴秩簩樱赫峡蛻糍~戶和交易數據、互聯網行為數據、員工服務過程數據并合理建模，形成統一的數據服務基礎。通過對證券客戶分群，將客戶按照特征進行分類，分析每一類客戶的特點，以便為客戶提供精細化服務?？蛻魞r值分析：基于大數據平臺的內容推薦、協同推薦、大數據挖掘（知識發現、關聯分析、聚類）推薦、混合推薦等技術分析客戶與項目特征、評分、歷史行為等技術挖掘客戶價值。數據可視化：建立可視化場景，實現數據實時圖形可視化、場景化以及實時交互，以便直觀展示數據進行分析處理的成果。借此從多個角度查看運營狀況，按照不同的主題和方式探查業務內容的核心數據，從而作出更精準的預測和判斷。

4總結

利用大數據和人工智能技術處理證券客戶數據，將提升數據資源的使用效率，減少系統維護和擴展的復雜性。提出一種證券客戶指標體系構建與價值評估方法。從客戶收入貢獻、客戶消費帶來的價值、成本節約帶來的價值、未來利潤、客戶忠誠度和客戶信用度等多維度構建指標體系，基于優化后的K－Means算法對證券客戶進行細分和挖掘潛在的價值，詳細描述了具體實現的步驟。通過以上方法能夠將企業級規模的證券客戶細分為合理可靠的不同用戶群，為企業的業務開展提供參考與依據。

作者：舒宏 李雙宏 單位：東方證券股份有限公司