银行如何利用机器学习维系客户，将资金量提高 16%

中国某大众国有银行的分行难以维系其私人银行业务客户。每个账户每天最低的存款额要求高达 1000 万元人民币（或 150 万美元）。因此，银行清楚知道，争取新客户要比维系现有客户的成本高出数倍。不幸的是，最近几个季度客户流失率（也就是开户人停止使用服务的百分比）已超过预期。

挑战

该银行检测到私人银行业务的客户流失率介于 5% 和 13% 之间，在短短几个月内，这些客户要么将其存款账户换为其他产品，要么转投其他银行。其中期货部门和存款部门的客户流失最为严重。银行要求其营销部门立即开展推广宣传活动，将目标对准那些最有可能取出存款的客户。该部门所面临的挑战是如何找出最有可能流失的高额存款客户，然后使用目标营销推广活动来阻止这些客户迁移账户。

SPM 如何提供帮助

项目团队采用了 Salford Predictive Modeler (SPM) 的机器学习引擎 TreeNet^® 来预测潜在的客户流失。Minitab 的中国授权合作伙伴 QY Datatech Inc 为该团队提供了 Salford Predictive Modeler (SPM)。TreeNet 的灵活性、准确性，及其处理包含多个观测值的数据结构的能力是其备受团队青睐的原因所在。

TreeNet 协助项目团队快速缩小了影响最大的变量范围，并直观地说明了变量与包含已确定变量的流失概率之间的关系。TreeNet 模型有助于直观地说明复杂变量间的不同交互作用层。在这个案例中，这些变量包括储蓄额、黄金购入和其他投资、交易时间、交易量、公司、职位、社会保险、债务、信用卡额度、不动产和汽车持有。

将未能积极响应的客户从列表移出并对模型进行验证，便可确定出目标 VIP 客户群。模型能够基于此前的营销宣传活动，预测客户对营销活动的响应程度。

TreeNet 分析操作简便，只需点击几下，便可通过自动化生成具有可靠结果的初始模型，并且能在之后的几天内完成更复杂的分析，因此受到了团队的青睐。

成果

最终，银行预测在两个月后，可能会有 1,700 名私人银行业务客户（共 1290 万）转投其他银行或金融服务提供商，且准确率介于 80% 和 90% 之间。

之后，银行便针对这些客户开展了营销宣传活动，并实现了减少 VIP 客户流失的目标，提升了银行留存的资金量。此外，包括存款、期货、股票及黄金在内的银行客户资产管理规模 (AUM) 也扩大了 16%。