中文字数:5207, 英文字数:3436
题目Ⅰ： 英文名（A Data Mining Approach for Retailing Bank Customer Attrition Analysis ） 中文名（ 一种用于零售银行客户流失分析的数据挖掘方法） 来 源： 《Applied Intelligence》
一种用于零售银行客户流失分析的数据挖掘方法 这篇文档描述了一种用来做零售银行客户流失分析的数据挖掘方法。目的是确认规则、趋向、模式和能够被作为潜在的流失指标的群体和预先确认潜在的流失客户。那么银行就可以采取预防措施来降低流失指数。文档是这样安排的：我们首先定义客户保留领域上的问题和问题的形成模式，我们讨论数据筛选、数据初审和复审，然后是数据收集、编辑数据的目录和数据格式化、数据演变和对时间敏感的变量定义。然后我们讨论敏感度、分析、遗漏侦测和特征筛选。接下来我们描述经由决策树的数据模型。我们讨论主要的发现结果、字段测试的结果。最后得出结论。 我们的客户是世界十大零售银行之一，它提供很多种类的金融零售产品给大量的客户。我们文档中讨论的产品属于一项特定的贷款服务。超过750，000的客户目前正在使用这项产品，资金达到150亿美元，这项产品已经遭遇了显著的持续的高客户流失率，每个月客服中心会受到4500个要求关闭银行账户的电话。另外接近1200条记录属于缓慢流失（连续12个月以上不平衡），同时非法账户构成了一系列威胁到产品收益率的挑战，由于指数、贷款限额以及佣金的影响，流失指数总计达到每月5700。另外很多客户只在优惠价时使用该产品，过期后就不使用了。每一个账户都有客户管理项目和客户获得方面的成本，邮递需要在每个客户上花1美元，电话营销需要在每个客户上花5美元。刺激成本（比如降低利率来留住客户）是需要考虑到的，以及取决于你提供什么。我们的客户没有一种前瞻性的或者有反应的效果。虽然有人认为这并不是仅有的或者最好的策略，但在大多数情况下，这被归结于价格下降。但是，我们以上描述的情况已经使得我们客户的商务和技术部门的管理者们开始审视采取以相关知识为基础通过一系列有效的客户分类、客户概况了解、数据挖掘和信用积分的结合来保留更多的客户以达到收益最大化的可能性。这个提议的结果就是下文所描述项目的实施。
