RFM模型在信貸風(fēng)控的應(yīng)用

長(zhǎng)久以來(lái)，對(duì)于用戶(hù)價(jià)值的衡量一直是令企業(yè)頭疼的棘手問(wèn)題，尤其對(duì)于信貸產(chǎn)品而言，不僅要對(duì)用戶(hù)價(jià)值有明確的界定，為了防范風(fēng)險(xiǎn)控制，差異化客戶(hù)分類(lèi)管理成為精細(xì)化管理的首要任務(wù)。

在眾多的用戶(hù)細(xì)分模型中，RFM模型是被廣泛提到和使用的。

01 什么是RFM模型？

RFM模型又稱(chēng)用戶(hù)價(jià)值模型，是網(wǎng)點(diǎn)衡量當(dāng)前用戶(hù)價(jià)值和用戶(hù)潛在價(jià)值的重要工具。

RFM模型即：

• “R”——Recency（最近一次消費(fèi)時(shí)間），R值越小則價(jià)值越大，這類(lèi)用戶(hù)也是最能夠?qū)Ξa(chǎn)品、活動(dòng)產(chǎn)生反應(yīng)的群體；
• “F”——Frequency（一段時(shí)間內(nèi)消費(fèi)頻次），F(xiàn)值越大，表示用戶(hù)在固定時(shí)間段內(nèi)的交易次數(shù)越多；
• “M”——Monetary（一段時(shí)間內(nèi)消費(fèi)總額），M值越大，表示用戶(hù)消費(fèi)能力越大。

通過(guò)這三個(gè)指標(biāo)分別刻畫(huà)了用戶(hù)是基于近度（Recency），頻度（Frequency）和額度（Monetory）這3個(gè)指標(biāo)對(duì)用戶(hù)進(jìn)行聚類(lèi)，我們可以找出具有潛在價(jià)值的用戶(hù), 從而輔助風(fēng)控決策，提高營(yíng)銷(xiāo)效率。

02 基于RFM模型的K-Means聚類(lèi)算法說(shuō)明

聚類(lèi), 是指按照對(duì)象的某些屬性, 以某種相似度的測(cè)量方法, 把相似的事物聚集成為一類(lèi), 其結(jié)果是獲得的類(lèi)群中, 不同類(lèi)的對(duì)象之間相似性小, 同一類(lèi)對(duì)象的相似性大。K-MEANS算法是聚類(lèi)分析中最常用, 也是最主要的算法之一。

基于RFM模型的聚類(lèi)分析算法步驟如下：

Step1：收集具有共性的較長(zhǎng)一段時(shí)間所有用戶(hù)基礎(chǔ)交易信息數(shù)據(jù)；

Step2：應(yīng)用計(jì)算機(jī)軟件系統(tǒng)計(jì)算每個(gè)用戶(hù)的RFM數(shù)值和全體用戶(hù)集合的RFM總平均值(包括R平均值、F平均值以及M平均值)，每個(gè)用戶(hù)的RFM數(shù)值分別用R_i?、F_i、M_i；全體用戶(hù)集合的RFM總平均值分別用表示；

Step3：將每個(gè)用戶(hù)的RFM數(shù)值和總RFM平均值作比較，每次對(duì)比有兩個(gè)結(jié)果：大于等于總平均值和小于總平均值，其中大于等于總平均值用“1”表示，小于總平均值用“0”表示，比較結(jié)果用r_RFM表示，通過(guò)比較結(jié)果得到每個(gè)用戶(hù)RFM的變動(dòng)情況，進(jìn)行聚類(lèi)；

Step4：根據(jù)規(guī)定的用戶(hù)簇分類(lèi)，對(duì)聚類(lèi)后的用戶(hù)簇進(jìn)行分類(lèi)劃分，得到最終的用戶(hù)類(lèi)型；

Step5：應(yīng)用計(jì)算機(jī)軟件系統(tǒng)計(jì)算每類(lèi)用戶(hù)簇對(duì)公司在忠誠(chéng)度、交易活躍度及對(duì)公司貢獻(xiàn)率三方面的占比。

通過(guò)對(duì)比業(yè)務(wù)結(jié)果不斷修訂完善模型的同時(shí)，用營(yíng)銷(xiāo)手段進(jìn)一步擴(kuò)大重要價(jià)值用戶(hù)群（考慮時(shí)間短、頻次高、消費(fèi)高）。分群方法如下：

• 對(duì)于某個(gè)用戶(hù)，如果其R值高于群體平均R值，則該用戶(hù)屬于R↑，反之屬于R↓。
• 對(duì)于某個(gè)用戶(hù)，如果其F值高于群體平均F值，則該用戶(hù)屬于F↑，反之屬于F↓。
• 對(duì)于某個(gè)用戶(hù)，如果其M值高于群體平均M值，則該用戶(hù)屬于M↑，反之屬于M↓。

以信貸業(yè)務(wù)為例，隨機(jī)抽取100萬(wàn)用戶(hù)樣本，進(jìn)行數(shù)據(jù)分析；

時(shí)間間隔：以提取樣本的時(shí)間點(diǎn)與用戶(hù)最后一次消費(fèi)時(shí)間作差，看時(shí)間間隔平均為多少天。

消費(fèi)頻次：用戶(hù)的消費(fèi)行為平均為幾次，最大多少次，最小多少次。

消費(fèi)金額：用戶(hù)消費(fèi)金額平均為多少，最大最小分別是多少。

使用K-means方法，對(duì)樣本集進(jìn)行聚類(lèi)，通常分為8類(lèi)。

把聚類(lèi)結(jié)果分為訓(xùn)練集（30%）和測(cè)試集（70%），根據(jù)訓(xùn)練集生成決策樹(shù)模型。

通過(guò)RFM分析將客戶(hù)群體劃分成一般保持客戶(hù)、一般發(fā)展客戶(hù)、一般價(jià)值客戶(hù)、一般挽留客戶(hù)、重要保持客戶(hù)、重要發(fā)展客戶(hù)、重要價(jià)值客戶(hù)、要挽留客戶(hù)等八個(gè)級(jí)別。

03 小結(jié)

通過(guò)用戶(hù)價(jià)值模型的搭建與分析，在風(fēng)險(xiǎn)評(píng)分難以決策的灰分區(qū)域，制定置入置出策略，可以預(yù)測(cè)用戶(hù)在開(kāi)戶(hù)后能夠?yàn)闄C(jī)構(gòu)帶來(lái)潛在收益。在相同風(fēng)險(xiǎn)等級(jí)用戶(hù)里，可以篩選收益等級(jí)高的用戶(hù)，最大化挖掘其收益潛力。

除此之外，不僅可以通過(guò)對(duì)各個(gè)價(jià)值分層的群體特征研究，利用用戶(hù)忠誠(chéng)度、用戶(hù)規(guī)模與用戶(hù)信用相結(jié)合的考察方法來(lái)劃分客戶(hù)，還可以從交易變化、流失趨勢(shì)等動(dòng)態(tài)行為考察，從而有效提升獲客能力以及針對(duì)各類(lèi)人群實(shí)現(xiàn)精準(zhǔn)化營(yíng)銷(xiāo)。