姚香秀，盛 冉，郭毓婷

（西安歐亞學(xué)院 金融學(xué)院，陜西 西安 710065）

1 網(wǎng)絡(luò)借貸與客戶細(xì)分

網(wǎng)絡(luò)借貸是用于滿足小微企業(yè)及個人的小額貸款需求的互聯(lián)網(wǎng)金融創(chuàng)新運營模式，其健康發(fā)展有賴于大量借款人與出借人的參與[1]。借款用戶是網(wǎng)絡(luò)借貸平臺的重要組成部分，有效客戶關(guān)系管理也已成為網(wǎng)絡(luò)借貸平臺盈利能力和競爭優(yōu)勢的決定性因素，而任何高效的客戶關(guān)系管理都以扎實的客戶細(xì)分為基礎(chǔ)[2]。

客戶細(xì)分是企業(yè)在明確戰(zhàn)略和業(yè)務(wù)模式后，根據(jù)客戶的行為、偏好以及價值等因素對客戶進(jìn)行分類[2]。客戶分類技術(shù)通常被用來發(fā)現(xiàn)有價值的客戶[3]。Hughes（1994）等[4]提出的客戶關(guān)系管理，由3個要素組成，即最近一次消費-消費頻率-消費金額（Recency-Frequency-Monetary，RFM）模型，廣泛應(yīng)用于客戶價值分析和分類。決策者可利用RFM模型有效識別價值客戶，制定有效的營銷策略[5]。王文賢等[6]的研究表明，在預(yù)測客戶行為時，通過增加額外的變量可以提高RFM模型的預(yù)測性。本文在此基礎(chǔ)上，將RMF模型拓展為LRFM模型，通過增加L（賬戶持有時間）變量有效識別有價值的客戶，爬取了拍拍貸2018年1月—2019年7月部分借款用戶的交易數(shù)據(jù)，使用兩步聚類的方法對借款用戶進(jìn)行聚類，并針對不同類別的用戶提出了相應(yīng)的營銷建議。

2 LRFM模型與聚類算法

2.1 LRFM模型

本文選用拍拍貸網(wǎng)站作為研究對象。拍拍貸成立于2007年6月，是國內(nèi)首家P2P純信用無擔(dān)保網(wǎng)絡(luò)借貸平臺。根據(jù)RFM模型的基本原理以及網(wǎng)站用戶的數(shù)據(jù)特點，本文對LRFM的4個變量進(jìn)行定義，如表1所示。

表1 借款用戶借款行為變量定義

2.2 兩步聚類算法

兩步聚類分析方法是近年來才發(fā)展起來的聚類方法，分為兩大步驟：預(yù)聚類和正式聚類。預(yù)聚類過程主要針對每一個記錄，從根開始進(jìn)入聚類特征數(shù)，并依照節(jié)點中條目信息的指引找到最接近的子節(jié)點，直到到達(dá)葉子節(jié)點為止；正式聚類過程利用層次聚類方法對聚類特征樹上的每個葉結(jié)點進(jìn)行組合。最后，根據(jù)貝葉斯信息規(guī)則（Bayesian Information Criterions，BIC）或者赤池信息量準(zhǔn)則（Akaike Information Criterion，AIC）對各種聚類方案進(jìn)行比較選擇，選定最佳聚類方案。在實踐中，兩步聚類主要解決群體劃分、用戶或消費者行為細(xì)分等問題。

3 實證分析

3.1 數(shù)據(jù)描述

本文利用爬蟲軟件抓取了拍拍貸2018年1月—2019年7月4 836位借款用戶在的交易記錄，使用SPSS 19.0軟件進(jìn)行數(shù)據(jù)挖掘。由于部分交易記錄具有缺省值，所以先對數(shù)據(jù)進(jìn)行清洗，最終確定4 437位借款用戶為研究對象。

數(shù)據(jù)處理之后，統(tǒng)計出每位用戶在此期間關(guān)于性別、年齡和工作性質(zhì)的R，F(xiàn)，M變量，并計算L變量。為了能進(jìn)一步準(zhǔn)確定位與描述每一類別用戶的特征，本文將用戶的基本信息（性別、年齡和工作性質(zhì)）作為描述變量、用戶的交易行為數(shù)據(jù)統(tǒng)計特征，如表2所示。

表2 不同性別、年齡、工作性質(zhì)下L，R，F(xiàn)，M的不同特征

3.2 聚類結(jié)果分析

利用兩步聚類算法進(jìn)行聚類，并將每類用戶的LRFM平均值與總LRFM均值進(jìn)行比較。如果單個用戶類別的均值大于總均值，則給該指標(biāo)一個向上的箭頭“↑”標(biāo)記，反之則用“↓”，如表3所示。

首先，第一類和第二類借款用戶屬于同一種類型的用戶，是網(wǎng)絡(luò)借貸平臺的核心用戶，占總體用戶數(shù)量的16.9%。這兩類用戶L值、F值和M值均高于總體用戶的均值，說明是平臺的老用戶，與平臺的借款交易頻繁、借款金額大，對于平臺的貢獻(xiàn)度、忠誠度很高；同時，該類用戶R值低于均值，說明其重復(fù)在該平臺借款的可能性較大，潛在價值較高。

其次，第三類屬于不確定型用戶，占總用戶數(shù)量的48.9%。該類用戶的L值、F值和M值均低于總體用戶的均值，說明其實際貢獻(xiàn)和忠誠度都較低；其R值最大，說明較長時間未在平臺進(jìn)行借款行為，具有流失傾向。不確定性用戶往往是一個大的群體，通常代表了50%的客戶群，卻僅帶來10%的收益，屬于“劣質(zhì)”用戶。

最后，第四類屬于活躍用戶，占總用戶數(shù)量的34.3%。該類用戶的F值及L值約等于均值，M值小于均值，說明其在平臺交易時間較長，操作頻率高，但為平臺創(chuàng)造的利潤較少；但其R值最小，說明經(jīng)常在平臺進(jìn)行借款交易，較為活躍，可能對于平臺的選擇更為謹(jǐn)慎。

表3 聚類結(jié)果描述

4 結(jié)語

基于分類結(jié)果，本文有針對性地設(shè)計營銷策略，具體如下：第一類與第二類同屬于核心用戶，因此，企業(yè)需要將最主要資源投入到保持和發(fā)展與其關(guān)系上，對每個客戶設(shè)計和實施一對一的客戶保持策略，最好的客戶是最值得贊賞和給予特殊待遇。第三類用戶屬于短期借款客戶，極易轉(zhuǎn)換，平臺需要對其再次劃分，對于新用戶或?qū)ζ脚_評價較高的用戶，可以采取營銷策略進(jìn)行挽留，而對于此類的其他用戶不必投入更多的營銷成本。第四類用戶的忠誠度高、借款需求較多，重點在于提高其借款金額，提升對平臺的信任度與熟悉度。利用上述成果，網(wǎng)絡(luò)借貸平臺可以合理地管理客戶成本，有效地實施客戶關(guān)系管理，實現(xiàn)平臺利益的最大化。