韓宏穩(wěn)

（中山大學管理學院，廣州510275）

互聯(lián)網(wǎng)金融沖擊下銀行個人客戶分類管理研究

韓宏穩(wěn)

（中山大學管理學院，廣州510275）

由于成本和效率的優(yōu)勢，互聯(lián)網(wǎng)金融對商業(yè)銀行個人業(yè)務產(chǎn)生了較大的沖擊，個人客戶分類管理是銀行提高個人金融業(yè)務服務效率和降低服務成本的重要途徑，而實現(xiàn)個人客戶分類管理的基礎是基于客戶價值評價模型對基數(shù)龐大的個人客戶進行分類。通過實地調研構建了一個商業(yè)銀行個人客戶價值評價模型，以NS銀行作為應用案例，運用多元數(shù)據(jù)挖掘技術對收集到的個人客戶樣本進行分類。研究發(fā)現(xiàn)，所構建的評價模型能較好表征商業(yè)銀行個人客戶的價值，將層次分析、K均值聚類和判別分析三種方法相結合可對銀行規(guī)模龐大的個人客戶進行高效精確分類，基于分類結果，對每類客戶群體提出相應的分類管理策略，可為商業(yè)銀行維系個人客戶關系和應對互聯(lián)網(wǎng)金融沖擊提供參考。

互聯(lián)網(wǎng)金融；商業(yè)銀行；客戶價值評價；數(shù)據(jù)挖掘；個人客戶分類管理

引 言

近年隨著互聯(lián)網(wǎng)技術不斷進步和突破，加之金融市場供需失衡創(chuàng)造的契機，以及政府政策上的鼓勵與支持，互聯(lián)網(wǎng)金融以燎原之勢掀起井噴發(fā)展熱潮?；ヂ?lián)網(wǎng)金融通過網(wǎng)絡平臺推出低成本和低門檻的普惠金融服務，批量均等化滿足長期被商業(yè)銀行邊緣化的長尾小微客戶金融需求，強力沖擊和侵蝕著銀行個人業(yè)務［1］。面對互聯(lián)網(wǎng)金融的不斷沖擊，加上商業(yè)銀行業(yè)務結構的轉型升級，商業(yè)銀行如何防止現(xiàn)有個人客戶流失和集聚更多客戶資源，守住和增加個人業(yè)務市場份額成為實務界和學術界共同關注的熱點話題。

相比商業(yè)銀行，互聯(lián)網(wǎng)金融具有成本和效率的優(yōu)勢［2］［3］。由于服務渠道的平臺化以及互聯(lián)網(wǎng)正向的外部效應，互聯(lián)網(wǎng)金融服務支持成本相對較低?；ヂ?lián)網(wǎng)金融交易前，客戶借助互聯(lián)網(wǎng)平臺智能搜索引擎，可快速便捷地獲得到更多有價值的交易信息，這有助于提高交易完成速度和節(jié)約交易信息搜索成本；交易雙方可在網(wǎng)絡平臺上實現(xiàn)供需信息匹配，不需要經(jīng)過金融機構中介而直接磋商達成交易，這樣可以降低簽約成本和加速交易完成；此外，互聯(lián)網(wǎng)金融網(wǎng)絡平臺通過公開違約信息、降信用等級等措施，約束交易雙方違約行為，這可以降低信息不對稱帶來的違約成本。為此，商業(yè)銀行需要融合互聯(lián)網(wǎng)金融的思維，優(yōu)化資源配置，提升自身個人業(yè)務的服務效率和降低服務的成本，以應對互聯(lián)網(wǎng)金融的沖擊和侵蝕。

有研究指出，對銀行規(guī)模龐大的個人客戶進行分類管理是實現(xiàn)這一目標的重要途徑［4］，而實施個人客戶分類管理的基礎是基于客戶價值評價模型對基數(shù)龐大的個人客戶進行分類［5］［6］。然而實踐中，國內商業(yè)銀行多依賴客戶經(jīng)理經(jīng)驗判斷來評價個人客戶價值，缺乏全面合理的評價模型，因而難以有效甄別出不同價值的客戶群體，無法為其提供需求相匹配的金融服務，致使資源配置的失位和浪費［7］。理論研究中，閆會娟等［8］構建了商業(yè)銀行個人客戶忠誠度的評價模型，并結合具體案例對銀行個人客戶進行分類。楊彬等依據(jù)個人客戶對銀行利潤貢獻，通過構建綜合貢獻評價模型，運用數(shù)據(jù)挖掘技術對個人客戶進行分類。這些研究僅聚焦于個人客戶價值的忠誠度或利潤貢獻方面，難以全面科學地評價商業(yè)銀行個人客戶價值，研究所得出的客戶分類結果可能會存在偏差。孫景等從歷史貢獻度、潛在貢獻度和風險水平方面構建了商業(yè)銀行個人客戶價值評價模型，為分析個人客戶價值提供了一個研究框架，但該評價模型忽視了客戶價值中成長性等影響因素，同時該研究僅停留于理論探討層面，缺乏實證可行性檢驗。鑒于此，本文試圖從理論與實踐相結合視角，構建商業(yè)銀行個人客戶價值評價模型，以NS銀行作為具體的應用案例，綜合運用多元數(shù)據(jù)挖掘技術對商業(yè)銀行個人客戶進行分類，最后依據(jù)分類結果提出相應的管理策略，以期為國內商業(yè)銀行維持與集聚個人業(yè)務市場份額以及有效應對互聯(lián)網(wǎng)金融沖擊提供支持。

一、銀行個人客戶價值評價模型

（一）個人客戶價值要素的理論分析

實現(xiàn)商業(yè)銀行個人客戶分類管理的基礎是構建一個綜合科學、可量化操作的個人客戶價值評價模型?；诳蛻羯芷诶碚?，商業(yè)銀行的個人客戶價值是指個人客戶與銀行建立交易關系期間，為銀行帶來的全部收益，主要包括當前價值和潛在價值。

一是當前價值。個人客戶當前價值是指個人客戶從與銀行建立關系到目前為止給銀行帶來的收益。個人客戶當前價值直接影響到商業(yè)銀行個人業(yè)務的當前盈利能力，是銀行識別個人客戶價值最為重要的因素。借鑒作業(yè)成本習性分析中“本量利”思想，銀行個人客戶當前價值可從利潤貢獻、業(yè)務量和成本節(jié)約方面體現(xiàn)。利潤貢獻直接反映個人客戶在與商業(yè)銀行關系保持期內給銀行帶來的利潤。利潤貢獻指標雖能較好表征個人客戶的直接貨幣價值，但卻不能客觀評價那些利潤不高卻業(yè)務量大的客戶價值貢獻。業(yè)務量大的個人客戶可以為商業(yè)銀行帶來規(guī)模經(jīng)濟效益，提高市場占有率，因而在利潤貢獻評價模型基礎上，需要加入業(yè)務量指標來評價個人客戶的當前價值。成本也是影響客戶當前價值的重要因素，而利潤貢獻和業(yè)務量指標沒有考慮到成本要素，忽視了對利潤貢獻和業(yè)務量不高、交易成本較小的個人客戶進行價值評價。結合商業(yè)銀行個人業(yè)務的分類（負債類業(yè)務、資產(chǎn)類業(yè)務和中間業(yè)務），本文進一步將利潤貢獻、業(yè)務量和成本節(jié)約三個評價指標細分為九個子指標。

二是潛在價值。個人客戶潛在價值是指當前階段到交易關系終止期間內個人客戶可能會為商業(yè)銀行創(chuàng)造的收益。個人客戶潛在價值關系到商業(yè)銀行個人業(yè)務的長遠利潤，也直接影響到銀行未來資源的配置?；诳蛻艚K身價值理論，商業(yè)銀行個人客戶潛在價值可從成長性、忠誠度、風險度方面進行直接或間接評價。個人客戶內在條件中的年齡和學歷以及外在條件中的職業(yè)可以衡量客戶成長性的主要指標，個人客戶內外在條件愈優(yōu)越，其成長價值愈高。忠誠度可正向預測客戶潛在價值的變化趨勢，主要體現(xiàn)為重復購買和交叉購買的意愿、態(tài)度和傾向等方面［9］。實踐中，商業(yè)銀行個人客戶重復交叉購買金融服務和產(chǎn)品的傾向難以直接量化，本文借鑒石冠峰等［10］的做法，采用個人客戶與銀行關系持續(xù)時間、業(yè)務量增長率和服務／產(chǎn)品使用率等三個指標來衡量個人客戶的忠誠度。個人客戶風險度是商業(yè)銀行預測兩者間未來交易會給其帶來損失的可能性，可反映個人客戶對銀行的潛在價值。如果個人客戶被商業(yè)銀行感知到的風險度越小，個人客戶潛在價值的預期值就會上升。具體評價中，本文借鑒孫景等做法，用個人現(xiàn)有財富、信用等級兩個指標來衡量個人客戶的風險度。

（二）個人客戶價值評價模型的確定

綜合上述分析，基于NS商業(yè)銀行實地調研，遵循全面客觀可量化原則，從當前價值和潛在價值兩方面構建了由17個底層指標組成的商業(yè)銀行個人客戶價值評價模型（見下頁圖1）。

其中，負債類業(yè)務利潤X1是指個人客戶的儲蓄存款（借記卡存款、存折存款等）評價期內為商業(yè)銀行創(chuàng)造的利潤；資產(chǎn)類業(yè)務利潤X2指個人客戶的銀行貸款（住房貸款、消費貸款等）評價期內為商業(yè)銀行帶來的收入利潤；中間業(yè)務利潤X3是指個人客戶的中間業(yè)務（轉賬結算、信托擔保、理財業(yè)務等）評價期間為商業(yè)銀行貢獻的利潤總和；負債類業(yè)務量X4、資產(chǎn)類業(yè)務量X5和中介業(yè)務量X6分別指的是個人客戶評價期間在商業(yè)銀行辦理各類業(yè)務量累計的總額；每筆負債業(yè)務量X7、每筆資產(chǎn)業(yè)務量X8和每筆中介業(yè)務量X9分別是指個人客戶評價期內商業(yè)銀行各類業(yè)務總量與辦理筆數(shù)的比值；年齡X10、學歷X11和職業(yè)X12分別描繪個人客戶自身屬性特征，通過對不同屬性進行賦值來反映個人客戶成長價值；關系持續(xù)時間X13是指個人客戶與銀行建立交易關系截止到評價期所持續(xù)的時間；服務／產(chǎn)品使用率X14是指個人客戶使用銀行產(chǎn)品／服務數(shù)量占銀行所提供產(chǎn)品和服務總數(shù)的比重；業(yè)務增長率X15指的是個人客戶評價期內在銀行辦理的業(yè)務量與上期同比變動的幅度；現(xiàn)有財富X16是指個人客戶截止評價期在銀行中擁有財富金額；信用等級X17指個人客戶在銀行信用評價中所屬等級，通過對不同等級進行評分方式來反映個人客戶風險水平。

圖1 商業(yè)銀行個人客戶價值評價模型

二、應用案例的實證分析

（一）樣本數(shù)據(jù)

基于便利性原則，本文選取NS銀行作為應用案例。在NS銀行數(shù)據(jù)中心的支持下，本研究以2015年第4季度為評價期，采集到NS銀行某片區(qū)600名個人客戶數(shù)據(jù)。依據(jù)以下標準對采集到的數(shù)據(jù)進行篩選和預處理：（1）剔除評價指標數(shù)據(jù)不完整以及存在極端值的研究樣本。（2）對年齡X10、學歷X11、職業(yè)X12和信用等級X17等4個屬性指標進行賦值。向NS銀行零售業(yè)務部門經(jīng)理、高級經(jīng)理以及金融研究領域專家多方征詢，最后確認將X10在18到23范圍內取值為40分，在24到30范圍內取值為60分，X10在46到60范圍內取值為80分，X10在31到45范圍內取值為100分，在其他范圍內取值為20分；X11是初中及以下取值為20分，是高中、中專及大專取值為40分，是本科取值為60分，是碩士取值為80分，是博士取值為100分；X12是無業(yè)人員取值為20分，是農(nóng)民工取值為40分，是初級技術／管理人員取值為60分，是中級技術／管理人員取值為80分，是高級技術／管理人員取值為100分；X17是C等級取值為20分，是B等級取值為40分，是BB等級取值為60分，是BBB等級取值為70分，是A等級取值為80分，是AA等級取值為90分，是AAA等級取值為100分。（3）對余下X1、X2、X3等13個連續(xù)變量進行無量綱化處理。借鑒趙萌、齊佳音［11］的做法，采用極差化處理方法對這些指標進行無量綱化，以消除指標數(shù)據(jù)量綱對評價結果的影響。由于這些定量指標均為正向指標，所以運用以下轉換公式：

上述式（1）中，Xij指的是原始數(shù)據(jù)中第i個樣本第j個指標的數(shù)值；max和min Xj分別是指13個指標集中j指標中的最大值和最小值；Yij是無綱量化處理后的標準化數(shù)值，取值介于0－1之間。由于人們差異化比較的習慣，本文采用百分制將所有轉化后的數(shù)值乘以100，得出百分制評分值。經(jīng)過以上處理，最終得到519組NS銀行個人客戶的有效樣本數(shù)據(jù)，有效率為86．5%。

（二）分類方法的選取

由于商業(yè)銀行在長期經(jīng)營過程中積累的個人客戶資源基數(shù)龐大，要實現(xiàn)對該基數(shù)龐大的個人客戶進行精確高效的分類管理，應該選取何種分類方法？客戶分類方法研究中，學者們主要單一采用決策樹、層次分析、神經(jīng)網(wǎng)絡以及K均值聚類和貝葉斯網(wǎng)絡等方法對研究對象進行分類。但遺憾的是，目前尚無單個分類方法可以實現(xiàn)大樣本客戶精確高效的分類，究其原因在于：決策樹方法處理評價模型指標層次繁冗耗時，操作性不強；神經(jīng)網(wǎng)絡法雖分類預測準確率高，但分類規(guī)則難以解釋，且計算效率偏低；貝葉斯網(wǎng)絡分類運算效率高，但處理非線性關系或非正態(tài)分布樣本數(shù)據(jù)時，分類效果不太理想；層次分析雖能確認評價指標的權重，實現(xiàn)客戶精確分類，但客戶規(guī)模較大時分類效率低，而K均值聚類可快速對數(shù)量龐大的客戶進行歸類，縮小層次分析評價范圍，但無法對客戶進行精確分類，且聚類結果的正確率需要運用判別分析進行檢驗。因而，將層次分析、K均值聚類與判別分析相結合，可對大樣本客戶數(shù)據(jù)進行高效且相對精確的分類，但目前商業(yè)銀行鮮有綜合運用這三種方法對個人客戶進行分類研究。為實現(xiàn)大樣本高效精確的分類，本文綜合運用層次分析、K均值聚類和判別分析方法對基數(shù)龐大的商業(yè)銀行個人客戶進行分類，為商業(yè)銀行個人客戶分類管理提供依據(jù)。

（三）層次分析結果與討論

基于上述構建的個人客戶價值評價模型，邀請NS銀行零售業(yè)務部門經(jīng)理、高級經(jīng)理以及金融領域研究專家共6人，讓他們依據(jù)子指標對母指標重要程度對各層指標依次進行評分。對所得出的評分取均值來確定各層指標的判斷矩陣，選擇和值法，運用yaahp7．5統(tǒng)計軟件得出各層指標的權重（見表1—表9）。

表1 個人客戶價值評價指標的判斷矩陣與權重

表2 當前價值評價指標的判斷矩陣與權重

表3 潛在價值評價指標的判斷矩陣與權重

表4 利潤貢獻評價指標的判斷矩陣與權重

表5 業(yè)務量評價指標的判斷矩陣與權重

表6 成本節(jié)約評價指標的判斷矩陣與權重

表7 成長性評價指標的判斷矩陣與權重

表8 忠誠度評價指標的判斷矩陣與權重

表9 風險度評價指標的判斷矩陣與權重

由上表1至表9分析結果可得出，所有評價指標判斷矩陣的一致性比率CR值均遠遠小于臨界值0．1，這就表明上述表中判斷矩陣具有較好的一致性，運用層次分析方法計算出的各層評價指標權重是合理可接受的。由表1可看出，個人客戶當前價值與潛在價值的判斷矩陣系數(shù)為3／2。也就是說，對于商業(yè)銀行個人客戶價值而言，當前價值較于潛在價值更為重要。依據(jù)所建立的判斷矩陣，運用和值算法得出當前價值權重為0．6，潛在價值權重為0．4。對表2至表9可依次類推，看出同一結構層下指標對所直屬上層指標的重要程度，得出同一層各指標的權重。運用層次分析法確定這些指標的權重，可以算出商業(yè)銀行個人客戶價值、當前價值和潛在價值，結合聚類分析結果可實現(xiàn)大樣本個人客戶的精確分類。

（四）聚類分析結果與討論

基于預處理后的519組銀行個人客戶樣本，通過對比不同聚類方法的差異，本研究選取K均值聚類法，運用SPSS22．0統(tǒng)計軟件對個人客戶價值評價數(shù)據(jù)進行逐步聚類分析，得出6類個人客戶群的價值評價指標聚類中心與數(shù)量（見表10）。

表10 個人客戶聚類分析結果

由表10可知，個人客戶群1的利潤貢獻和業(yè)務量中子評價指標得分比較高，成本節(jié)約、成長性、忠誠度和風險度中子指標得分處于中等水平。依次類推，可看出其他5類客戶群的價值評價子指標特征。從個人客戶數(shù)量上來看，客戶群3和群5中個人客戶數(shù)目比較多，客戶群2、群4和群6中個人客戶數(shù)目一般，客戶群1中個人客戶數(shù)目較少。K均值聚類分析結果縮小了運用層次分析評價個人客戶價值的范圍，但聚類效果具體如何有待于使用判別分析方法進一步驗證。

（五）判別分析結果與討論

為對K均值聚類效果進行檢驗，本研究采用Fisher判別分析方法，基于K均值聚類分析得出的個人客戶類別，運用SPSS22．0統(tǒng)計軟件，以519組個人客戶數(shù)據(jù)作為訓練樣本，用客戶群標識為組變量，對同時漸入模型的所有個人客戶數(shù)據(jù)（全模型法）進行判別分析。SPSS軟件自動選取有客戶群標識的樣本數(shù)據(jù)進行判別，獲得到6個Fisher判別函數(shù)，據(jù)此分別將519組樣本的17個評分指標得分數(shù)值代入這6個判別函數(shù)計算其函數(shù)值，哪個函數(shù)值最大就說明個人客戶歸屬于哪類客戶群，最后得到Fisher判別結果（見下頁表11）。

表11 個人客戶Fisher判別分析結果

由表11可得出，F(xiàn)isher判別分析識別出的個人客戶群1的數(shù)量是21組，K均值聚類結果中客戶群1的數(shù)量是22組，兩者結果一致率為95．5%。以此類推，可判斷出其他5類個人客戶群的聚類結果與判別結果一致情況。整體來看，F(xiàn)isher判別分析結果檢驗出K均值聚類分析結果的準確率為95．4%，折半率也超過90%，這說明聚類分析效果所得出的6類個人客戶群是比較合理的。

（六）個人客戶分類結果

結合聚類分析和層次分析結果，依次算出6類客戶群價值、當前價值和潛在價值（見表12）。

表12 個人客戶當前價值和潛在價值

基于表12分析結果，依據(jù)二八準則，與NS銀行零售業(yè)務部門高級經(jīng)理共同協(xié)商，按當前價值以60和50分為分界點，潛在價值以65分為分界點，將NS銀行519名個人客戶細分為6類（見圖2）。同時，根據(jù)綜合價值將細分的6類客戶群中個人客戶降序排列，以此實現(xiàn)更為精確的分類。最終將519名個人客戶分類結果反饋到NS銀行零售部，得到了他們的認可。

三、管理建議與研究展望

本文基于分類結果（圖2），融合互聯(lián)網(wǎng)金融的思維與創(chuàng)新，提出以下相應的分類管理策略：

圖2 個人客戶分類結果

一是“低價值個人客戶群”當前價值和潛在價值都低，但數(shù)目最多。這些低價值個人客戶群體的金融需求同質化程度較高，為此銀行可汲取和融合互聯(lián)網(wǎng)金融服務渠道所長，通過自助銀行和電子銀行渠道提供標準化、高效率的金融服務，推出低成本和低門檻的普惠金融產(chǎn)品，不斷拓展業(yè)務范圍和服務口徑，滿足商業(yè)銀行這些低價值客戶的金融需求。這樣，一方面可避免低價值個人客戶流失，另一方面可實現(xiàn)業(yè)務分流，提升銀行金融服務效率和降低服務成本。

二是“次價值個人客戶群”當前價值處中等水平、潛在價值較低。該類客戶群數(shù)量眾多，因而整體上可為銀行帶來較多現(xiàn)金流和利潤收益。為此銀行可借鑒互聯(lián)網(wǎng)金融平臺化的運作模式，打造金融服務、信息管理、數(shù)據(jù)應用等多重服務綜合化的電商平臺，通過線上和線下服務無縫整合，實現(xiàn)銀行業(yè)務線上線下的協(xié)同，為這些次價值個人客戶群體提供綜合化金融服務，提高他們價值潛力，循序漸進讓其成為銀行的高價值客戶。

三是“潛價值個人客戶群”當前價值偏低，但潛在成長空間較大。這意味著該類客戶群體現(xiàn)階段難為商業(yè)銀行創(chuàng)造更多收益，但由于可塑性強，未來可能會成為銀行重要客戶。為此銀行應用長遠眼光對待潛價值個人客戶群，給予適時資源配置，維持和發(fā)展其與銀行交易關系。銀行可運用互聯(lián)網(wǎng)思維，通過移動端和線上平臺建立客戶社區(qū)，向這些客戶群體推送金融服務和產(chǎn)品信息、優(yōu)惠活動等，增強潛價值個人客戶對銀行金融服務的熟知程度，并配備銀行業(yè)務人員對其進行引導和推廣，提升其在銀行辦理個人業(yè)務數(shù)量和金額，為銀行創(chuàng)造更多當前價值。

四是“成長型個人客戶群”當前價值處中等水平、潛在價值較高。該類客戶群，商業(yè)銀行應要重點關注，配置和投入較多資源來加強其與銀行交易強度，提高當前價值。為此，商業(yè)銀行可學習互聯(lián)網(wǎng)金融，創(chuàng)新金融服務模式，促進零售銀行業(yè)務縱深改革，突破金融交易物理邊界，為成長型個人客戶提供全天候無間斷的綜合金融服務，增強交易的頻率、數(shù)量、金額和銀行利潤收益。如加快推出K碼、近場支付等新興支付手段，為客戶提供安全便捷的在線理財和消費等業(yè)務。

五是“金牛型個人客戶群”當前價值很高，但潛在價值較低。對于該類個人客戶群，銀行一方面持續(xù)其與銀行交易時間，另一方面充分挖掘其潛在價值。為此，商業(yè)銀行可吸收互聯(lián)網(wǎng)金融的思維和創(chuàng)新，運用云計算和大數(shù)據(jù)等互聯(lián)網(wǎng)技術，充分整合利用內部信息，加工分析金牛型個人客戶金融交易過程和結果的數(shù)據(jù)，深度挖掘和錨定他們未得到滿足的金融需求，并有的放矢地為其提供相符合的金融服務和產(chǎn)品，培育他們新的增值空間。

六是“高價值個人客戶群”當前價值和潛在價值都高。該類個人客戶群是銀行零售部門獲取持續(xù)競爭優(yōu)勢和長期利潤的重要源泉。為此，銀行需重點維護兩者間交易關系，為銀行持續(xù)創(chuàng)造價值。渠道是獲得客戶和維護客戶關系的重要紐帶，而營業(yè)網(wǎng)點和電子銀行渠道是并存互補的關系。對此銀行可整合服務渠道，強化銀行與高價值個人客戶的關系。一方面，借助物理營業(yè)網(wǎng)點的優(yōu)勢，為高價值個人客戶提供專業(yè)化和差異化的金融服務，同時強化情感交流，提升其對銀行金融服務的認可度和忠誠度；另一方面，通過銀行電商平臺設置VIP線上服務通道，為高價值個人客戶提供安全、便捷的綜合化和智能化金融服務，提高他們對銀行服務的滿意度。

本文基于理論與實踐相結合的視角構建了商業(yè)銀行客戶價值評價模型，以NS銀行為應用案例，綜合運用多種數(shù)據(jù)挖掘方法對收集到的個人客戶樣本進行了分類，最終的分類結果和管理建議得到了NS銀行的認可。本文可能存在以下方面的貢獻：第一，擺脫過去研究中從單一方面考察客戶價值的局限，并對所構建的個人客戶價值評價模型進行了實踐運用檢驗，說明本文構建的個人客戶價值評價模型是較為綜合全面且可量化操作的，能夠較好表征商業(yè)銀行個人客戶的價值，將不同價值個人客戶甄別出來，可為銀行客戶價值評價研究提供理論依據(jù)；第二，本文彌補單一分類方法的短板，將層次分析、K均值聚類和判別分析方法相結合運用，對基數(shù)龐大的商業(yè)銀行個人客戶實現(xiàn)了高效且精確的分類，識別出相鄰客戶群的邊緣區(qū)域（如成長型客戶群中哪些個人客戶比較接近高價值客戶群），有助于優(yōu)化銀行有限資源的合理配置；第三，本文依據(jù)分類結果，融合互聯(lián)網(wǎng)金融思維，針對不同客戶群體提出的分類管理策略，可為商業(yè)銀行提升個人客戶服務效率和降低服務成本，緩沖互聯(lián)網(wǎng)金融沖擊提供有價值的參考。

本文的局限和展望如下：第一，本文所構建的商業(yè)銀行個人客戶價值評價模型是較為全面且可量化操作的，但隨著商業(yè)銀行數(shù)據(jù)“倉庫”建設的完善，該評價模型中尤其潛在價值中成長性與風險度，能否用更多的客觀指標來衡量有待于后續(xù)研究者進行補充和完善；第二，本文基于分類結果，提出相應的分類管理策略，可為商業(yè)銀行管理實踐中如何有效應對互聯(lián)網(wǎng)金融沖擊提供思路，但具體細化的應對措施有待于結合商業(yè)銀行自身特征進一步深入探討。

［1］鄭志來．互聯(lián)網(wǎng)金融對我國商業(yè)銀行的影響路徑——基于“互聯(lián)網(wǎng)＋”對零售業(yè)的影響視角［J］．財經(jīng)科學，2015，（5）：34－43．

［2］楊東．互聯(lián)網(wǎng)金融的法律規(guī)制——基于信息工具的視角［J］．中國社會科學，2015，（4）：107－126．

［3］李繼尊．關于互聯(lián)網(wǎng)金融的思考［J］．管理世界，2015，（7）：1－7．

［4］FAROKHI S，TEIMOURPOUR B，SHEKARRIZ F，et al．A New Application of Clustering for Segmentation of Banks’e－payment Services Based on Profitability［J］．Uncertain Supply Chain Management，2016，4（1）：55－60．

［5］孫景，李莉，胡宏力．商業(yè)銀行個人客戶價值評價模型研究［J］．金融論壇，2013，（1）：29－35．

［6］HAN H W，ZHANG J L．Application of AHP and Cluste?ring，Discriminant Analysis in Categorization of Cigarette Retailers［J］．Acta Tabacaria Sinica，2014，20（6）：119－126．

［7］楊彬，尹為．商業(yè)銀行個人客戶貢獻度評價及實證分析［J］．學術論壇，2010，（9）：135－138．

［8］閆會娟，張醒洲，劉子瑞，等．基于交易行為的個人客戶忠誠度評價模型［J］．管理現(xiàn)代化，2015，（6）：70－72．

［9］王文賢，金陽，陳道斌．基于RFM模型的個人客戶忠誠度研究［J］．金融論壇，2012，（3）：75－80．

［10］石冠峰，韓宏穩(wěn)，肖靜．基于層次分析與聚類方法的商業(yè)企業(yè)零售戶分類研究［J］．商業(yè)研究，2014，（9）：152－157．

［11］趙萌，齊佳音．基于購買行為RFM及評論行為RFMP模型的客戶終身價值研究［J］．統(tǒng)計與信息論壇，2014，（9）：91－98．

Research on Individual Customer Classification Management of Commercial Banks under the Impact Effect of the Internet Finance

HAN Hong?wen
（School of Business，Sun Yat?Sen University，Guangzhou 510275，China）

To effectively deal with the impact effect of the Internet finance，individual customer classifi?cation management is an important way to improve the efficiency of financial services and reduce the cost of service for commercial banks，and the basis for individual customer classification managementis to classify the huge number of individual customers based on a customer value evaluation model．Combined with the existing theoretical researches，the value evaluation modelof individualcustomers of commercial banks was established through field research．Taking NS bank as the specific study case，based on the evaluation index system，this paper employs data mining techniques to classify individual customers sample collection．The results indicate that the evaluation index system constructed for commercialbanks can better characterize the value of individu?al customers，and the comprehensive methods of hierarchical analysis，K－means clustering analysis and dis?criminant analysis could be used to accurately classify the large－scale individual customer samples．In addi?tion，based on the classification results，the corresponding differentiated classification management strategies，which were proposed according to each type of customer base with different characteristics，can provide a ref?erence for commercial banks to achieve individual customer relationship management．

Internet finance；commercial bank；customer value evaluation；data mining；individual cus?tomer classification management

F830．49

A

1009－1971（2017）03－0123－08

［責任編輯：王 春］

2017－01－17

國家自然科學基金面上項目（71672204）；廣西哲學社會科學重點項目（15AGL001）

韓宏穩(wěn)（1990—），男，安徽合肥人，博士研究生，從事公司金融研究。