具有分组和层次排名分析的客户选择模型
摘要：基于20个维度构建顾客选择模型：针对客户代码、总贡献、资产、存款、利润、利润率、交易量、交易金额、换手率、订单金额、提现金额、提现率、处理费用、提交的处理费用、保留的处理费用、净处理费用保留、利息收入、利息返还、交易所返还I和交易所返还II，对顾客进行分组和排序。在证券或期货公司中，传统的顾客分组方式仅仅基于他们的资产。然而，仅仅考虑资产作为唯一的分组标准不能给我们提供关于顾客属性的整体图像。如果我们仅仅考虑资产作为唯一的分组标准，很难将具有相似特征或价值的顾客分到同一组。如今，证券或期货公司通常基于经理的经验进行顾客分组，缺乏数量分析，这是不有效的。因此，我们使用kmeans无监督学习方法，根据显著的维度对顾客进行分组，以便将具有相似属性的顾客聚集在一起。分组是我们的第一步。这是顾客研究中的横向分析。下一步是顾客排名。这是纵向分析。通过给予我们的加权顾客价值计算公式所给定的特定分数来对顾客进行排名。因此，通过分组和排名顾客，我们可以区分我们的顾客，并基于价值对他们进行排名，而不是盲目地接触每个人。
作者：Bowen Cai
论文ID：1711.05598
分类：General Finance
分类简称：q-fin.GN
提交时间：2017-11-16