導語：證券客戶價值指標體系及模型設計一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)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(shù)據(jù)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(shù)據(jù)、行為數(shù)據(jù)、客戶服務過程數(shù)據(jù)并合理建模，形成統(tǒng)一的數(shù)據(jù)評估模型，受到學術界和企業(yè)的關注。從證券客戶的數(shù)字化資源建設出發(fā)，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(yè)務，股票期權業(yè)務上的交易等數(shù)據(jù)，采用聚類算法實現(xiàn)對客戶群整體進行分析。最后，結合大數(shù)據(jù)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(shù)據(jù)；數(shù)據(jù)挖掘

隨著大數(shù)據(jù)時代的到來，大數(shù)據(jù)智能決策模式對金融企業(yè)更具針對性，將客戶服務流程和管理數(shù)字化，通過數(shù)據(jù)打通業(yè)務開展和管理的閉環(huán)，形成客戶服務工具，提升客戶服務效率和專業(yè)度，實現(xiàn)對業(yè)務的精細化管理等都需要充分利用大數(shù)據(jù)和人工智能技術［1］。其中，客戶數(shù)據(jù)的使用基本涉及了券商信息系統(tǒng)的方方面面，而客戶數(shù)據(jù)自身的多源性、大體量、多類型加大了數(shù)據(jù)使用的難度，因此，有效管理和利用客戶資數(shù)據(jù)、充分挖掘數(shù)據(jù)價值進而賦能業(yè)務創(chuàng)新和發(fā)展日趨重要。人工智能技術能為諸多不同的業(yè)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(shù)據(jù)分散，并且還未建立完整的、統(tǒng)一的數(shù)據(jù)標準，業(yè)務人員在分析客戶時需要在多個系統(tǒng)中導出數(shù)據(jù)，并通過Excel等工具人工統(tǒng)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(yè)務的管理流程還未工具化，多數(shù)營業(yè)部通過第三方平臺或Excel實現(xiàn)管理，效率較低。隨著數(shù)字化技術的發(fā)展，證券企業(yè)的各個業(yè)務不斷地向數(shù)字化轉型，對證券客戶的指標進行分析，不僅能實現(xiàn)對客戶的精細化管理，而且可以根據(jù)客戶的個性化需求制定差異化的服務策略來提升企業(yè)競爭力［3］?；谄髽I(yè)積累的數(shù)據(jù)，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(jù)客戶的行為數(shù)據(jù)，通過SVM、協(xié)同過濾等智能算法，將不同行為的客戶數(shù)據(jù)分為不同類別，并對他們提供精細化服務，提高用戶對企業(yè)的忠誠度與認可程度，實現(xiàn)企業(yè)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(shù)據(jù)資產(chǎn)，結合智能挖掘技術，實現(xiàn)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(shù)據(jù)資產(chǎn)，建立資訊數(shù)據(jù)統(tǒng)一采集、存儲、管控與對外服務，提高數(shù)據(jù)使用效率、規(guī)范化數(shù)據(jù)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(yè)務創(chuàng)新和智能化轉型，并為證券客戶提供定制化服務，輔助企業(yè)智能決策。本文主要從證券客戶信息數(shù)字化建設出發(fā)，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(xiàn)客戶的價值或客戶數(shù)據(jù)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(shù)據(jù)都是分析的目標。首先需要采集客戶相關數(shù)據(jù)，客戶數(shù)據(jù)包括客戶基本信息，客戶風險測評信息等。客戶交易數(shù)據(jù)包括：客戶在普通交易業(yè)務，融資融券業(yè)務，股票期權業(yè)務上的交易、持倉、盈虧信息?？蛻粜袨閿?shù)據(jù)包括：客戶在App，PC端的交易，產(chǎn)品，資訊，活動，投資等頁面瀏覽及委托行為。對獲取數(shù)據(jù)實施融合、建立客戶價值的評估指標體系，最終經(jīng)過上述過程完成客戶價值指標體系構建。（1）證券客戶數(shù)據(jù)治理：梳理相關基礎數(shù)據(jù)和應用數(shù)據(jù)的數(shù)據(jù)質量檢核標準與檢核規(guī)則，形成數(shù)據(jù)質量評估體系、評估報告，形成數(shù)據(jù)治理檢核腳本以供日常檢核。數(shù)據(jù)治理主要工作包括：定義數(shù)據(jù)質量需求、范圍，數(shù)據(jù)質量問題剖析的方式、計劃等；基于定義的數(shù)據(jù)質量范圍與數(shù)據(jù)標準，建立數(shù)據(jù)質量問題剖析規(guī)則，運行數(shù)據(jù)質量規(guī)則來檢核問題。通過數(shù)據(jù)質量檢核規(guī)則，完成一次質量檢核，生成數(shù)據(jù)質量報告，對報告結果進行問題原因分析。根據(jù)數(shù)據(jù)質量報告和數(shù)據(jù)質量檢查發(fā)現(xiàn)的問題進行處理和改進，對改進結果進行持續(xù)跟蹤和評估。建立數(shù)據(jù)治理考核體系，通過考核指標促進數(shù)據(jù)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(shù)據(jù)、互聯(lián)網(wǎng)行為數(shù)據(jù)、員工服務過程數(shù)據(jù)并合理建模，形成統(tǒng)一的數(shù)據(jù)服務基礎。通過證券數(shù)據(jù)的融合、關聯(lián)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(shù)據(jù)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(jù)公司積累的歷史數(shù)據(jù)和實時數(shù)據(jù)，結合客戶行為數(shù)據(jù)，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(shù)據(jù)中計算提取的特征。但是指標特征之間存在的聯(lián)系對與進行數(shù)據(jù)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(shù)據(jù)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(tǒng)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(jié)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(xiàn)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(xiàn)客戶洞察和精準營銷；任務中心實現(xiàn)客戶管理服務過程的數(shù)據(jù)化和精細化管理；指標體系構建中心實現(xiàn)對客戶數(shù)據(jù)的實現(xiàn)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(jīng)理的工作效率和服務質量，另一方面通過優(yōu)質服務提升客戶體驗，從而促進業(yè)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(xiàn)對客戶的洞察和精準營銷的需要。通過大數(shù)據(jù)和人工智能能力的結合持續(xù)挖掘證券客戶的數(shù)據(jù)價值、提升數(shù)據(jù)資產(chǎn)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(shù)據(jù)和客戶基礎數(shù)據(jù)等挖掘相關的指標，采用聚類算法分析客戶群的時序動態(tài)［8］。證券客戶價值分群模型建模流程：（1）根據(jù)證券客戶的數(shù)據(jù)，分析證券客戶聚類的目標；（2）分析客戶操作數(shù)據(jù)、網(wǎng)絡頁面數(shù)據(jù)和App日志數(shù)據(jù)等，以生產(chǎn)分析模型所需的出數(shù)據(jù)；（3）對采集數(shù)據(jù)進行治理和特征提取，梳理證券客戶基礎數(shù)據(jù)和行為數(shù)據(jù)的數(shù)據(jù)標準和質量體系；（4）依據(jù)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(shù)據(jù)和指標體系，采用機器學習方法得到價值評估模型；（6）優(yōu)化客戶價值評估模型，如根據(jù)證券客戶數(shù)據(jù)特征和指標體系分析聚類個數(shù)，根據(jù)軟件配置特征優(yōu)化系統(tǒng)的性能，依據(jù)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(chǎn)型和行情型呈對稱結構，是因為在變換矩陣此維度上資產(chǎn)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(shù)據(jù)標準化與證券客戶分群有助于提高數(shù)據(jù)的準確性和質量，降低系統(tǒng)維護成本、提高應用效率。在此基礎上，基于大數(shù)據(jù)和智能化分析的技術，能夠充分挖掘客戶數(shù)據(jù)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(shù)據(jù)時，聚合數(shù)據(jù)的方法與現(xiàn)實場景中的客戶劃分都是利用數(shù)據(jù)簇來區(qū)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(shù)據(jù)特征和數(shù)據(jù)樣本用在傳統(tǒng)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(shù)據(jù)集方面效果顯著且能有效降低大數(shù)據(jù)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(shù)少?？蛻籼卣鞯奶崛?、客戶特征的權重計算以及簇分群個數(shù)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(shù)據(jù)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(shù)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(shù)據(jù)相關，并且特征關聯(lián)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(xiàn)有的消費數(shù)據(jù)，還要考慮個人的相關信息。提取出不同的特征數(shù)據(jù)在模型中的分配權重也是不同的。最后，分群個數(shù)的確定不僅要根據(jù)用戶的行為數(shù)據(jù)特征提出，還要結合業(yè)務需求。分群個數(shù)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(shù)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(shù)據(jù)治理、統(tǒng)一管控、數(shù)據(jù)融合和集中化數(shù)據(jù)交互服務的構建，提升證券客戶數(shù)據(jù)質量，提高數(shù)據(jù)消費端的系統(tǒng)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(xiàn)數(shù)據(jù)質量管理、元數(shù)據(jù)管理、數(shù)據(jù)服務管理等模塊功能，從證券客戶大數(shù)據(jù)中選取和客戶價值評估相關的數(shù)據(jù)，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(shù)據(jù)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(yè)務創(chuàng)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(shù)據(jù)驅動的客戶價值評估系統(tǒng)架構

客戶價值評估系統(tǒng)架構圖包括4層：客戶數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)采集和整理；客戶指標體系根據(jù)實際數(shù)據(jù)值大小和數(shù)據(jù)分布，基于數(shù)字化建設的指標體系，動態(tài)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(shù)據(jù)進行細分；基于客戶端用戶基礎數(shù)據(jù)，App操作行為日志，賬戶信息，購買記錄等大數(shù)據(jù)，建立證券客戶價值挖掘模型，形成系列數(shù)據(jù)分析應用?？蛻魯?shù)據(jù)層：將集團及子公司通過外部采購、內部生產(chǎn)和互聯(lián)網(wǎng)采集的多源資訊數(shù)據(jù)，統(tǒng)一采集和存儲至大數(shù)據(jù)平臺，整合并統(tǒng)一管理集團資訊數(shù)據(jù)資產(chǎn)。客戶指標體系：通過對證券客戶數(shù)據(jù)分析，理解和掌握客戶行為模式、規(guī)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(chǎn)總額等作為定義客戶價值的指標特征。客戶分群層：整合客戶賬戶和交易數(shù)據(jù)、互聯(lián)網(wǎng)行為數(shù)據(jù)、員工服務過程數(shù)據(jù)并合理建模，形成統(tǒng)一的數(shù)據(jù)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(shù)據(jù)平臺的內容推薦、協(xié)同推薦、大數(shù)據(jù)挖掘（知識發(fā)現(xiàn)、關聯(lián)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(shù)據(jù)可視化：建立可視化場景，實現(xiàn)數(shù)據(jù)實時圖形可視化、場景化以及實時交互，以便直觀展示數(shù)據(jù)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(yè)務內容的核心數(shù)據(jù)，從而作出更精準的預測和判斷。

4總結

利用大數(shù)據(jù)和人工智能技術處理證券客戶數(shù)據(jù)，將提升數(shù)據(jù)資源的使用效率，減少系統(tǒng)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(jié)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(yōu)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(xiàn)的步驟。通過以上方法能夠將企業(yè)級規(guī)模的證券客戶細分為合理可靠的不同用戶群，為企業(yè)的業(yè)務開展提供參考與依據(jù)。

作者：舒宏 李雙宏 單位：東方證券股份有限公司