对于信用卡行业来说,利息收入始终是其整体收入中所占比重最大的一部分,也是最大的利润增长点。循环信贷客户是对利息收入贡献很大的客户群体,因此非常有必要培养更多的循环信贷客户。客户是否使用循环信贷,与其他的用卡行为一样,需要在银行与客户建立关系的初期,对可能使用循环信贷的客户进行引导和培养。由于新客户阶段缺乏丰富的行为信息,因此很难准确地预测出客户是否会使用循环信贷,仅能通过对客户还款方式的预测来了解客户未来使用循环信贷的倾向及这种倾向有多大。
为了预测客户的循环信贷倾向,我们通过一个能够综合表现客户还款意愿、欠款程度以及逾期频次的指标,即月均未偿还金额占比来对客户的还款行为进行分类,分为全额还款、混合型还款、非全额还款三类。月均未偿还金额占比定义如下:
其中,M为该账户开户12个账单期内应还款总期数。
依据上述关于月均未偿还金额占比对客户实际还款情况进行考察,得出客户的这种占比情况与其还款特征之间的关系,分别定义为全额还款、非全额还款以及混合型还款。
通过上述关于不同还款方式的定义,建立模型对客户未来的还款方式进行预测,并认为客户未来成为非全额还款客户的可能性越大,其使用循环信贷的倾向相对越大。
建模案例
建模目的
预测新客户未来的循环信贷倾向。
建模素材
如图13.5所示,在循环倾向模型的建立过程中,主要涉及的素材及具体定义为:
·循环倾向定义【Y】
·预测变量【X】
预测变量主要包括图13.5中六大类变量中的信息【各类变量所包含具体信息见表13.1所示】。
建模方法
从上面的介绍中可以了解到新客户使用循环信贷倾向的研究,实际上是建立在对客户还款方式预测的基础上的。因此,在进行客户还款方式模型中需要注意如下几点:
分地域建模:考虑到不同地域客户在风险特征上存在一定的差异性,彼此之间的非全额还款客户的特征也将具有不同的特点。因此,采用与信用审批模型相同的分地域建模方式,具体的划分方法和过程可以参见信用审批模型的描述。
模型开发过程:由于建立模型预测客户未来是使用全额还款还是非全额还款的过程中,有一部分介于这两类客户之间的混合型客户的存在,从定义中便可以了解到这类客户的特征不是非常清晰,如果将其作为样本放入模型,将很容易影响模型对于不同还款倾向客户的区分效果。因此,在模型开放的过程中,仅选用全额还款与非全额还款两类客户作为样本,从上述目标变量Y的定义中也可以了解到这一点。最后,在选定的样本的基础上,通过Logistic回归分析的方法,建立起??款方式预测模型,并考察这两类客户之间的特征差异性。
模型应用
如何利用还款方式预测模型进行新客户循环信贷倾向的研究和应用,需要结合新客户阶段循环信贷倾向指标的具体用途进行考虑。在该阶段,客户循环信贷倾向的确立和考察,主要是为了帮助市场部门在开展新客户循环信贷活动中,能够更准确地锁定目标客户,提高活动效果。同时,也需要合理控制风险。因此,在应用过程中主要需要考虑这样几个问题:哪些客户具有循环信贷倾向?哪些客户的预期风险可以接受?市场活动的投入有多大?
在具体的应用之前,首先将包含混合型还款客户在内的现有的三大还款类别的所有客户放入到预测模型中计算结果,类似于信用审批模型,将计算出的概率转换成相应的评分,并将所得的评分由高到低排序,按照人数平分为若干个分数段,分别统计出每一分数段中客户实际的逾期比率。在有效的模型中,随着分数段的分数降低,其逾期比率也呈递减趋势。在此基础上,解答上述所提出的三个问题,每一个问题都将确定一个分数线供市场部门参考,如图13.6举例。
分数线:用来确定有循环信贷倾向的客户,随着分数由高到低排序,每个分数段中的逾期客户比率依次下降,当该比例下降到0,且以后的各分数段中的逾期比率也为0%时,将最后一个逾期比率大于0的分数段下限所对应的分数作为确定具有循环信贷倾向客户的最低分数线。
分数线:用来确定风险可以接受的客户群体,通过每个分数段的逾期比率与风险部门所确定的逾期比率进行对比,将逾期比率低于风险部门要求的第一个分数段下限所对应的分数作为控制风险情况的分数线。
分数线:分数线、分数线之间的客户为既具有循环信贷倾向,风险也在可接受范围内的客户群体,在市场活动资源充足的情况下,可以将这些客户全部作为目标客户;但当市场活动投入有限的情况下,则需要按照资源所能满足的客户数量按分数由高到低挑选目标客户,确定出相应的分数线,得分介于分数线和之间的客户则为目标客户。
新客户收益水平预测
按照国际同行业惯例,一般采用如下几种行为因素作为分析客户区隔收益的驱动因素:
·活跃状态:客户用卡意愿和忠诚度的表现。
·消费/提现:消费促进手续费并间接驱动利息收入,提现风险相对高,但可以产生利息收入。
·还款方式:产生利息的还款方式是最大的利息驱动引擎。
如表13.4,综合这几个重要收益驱动因素,将已有一定用卡历史【一般选择一年】的客户按照是否全额还款、是否消费活跃、是否提现活跃进行客户收益的区隔划分,并计算各类客户区隔的人均月收益【Si】。同时,依据前面各种指标的预测方法,计算新客户落在各种区隔中的概率【Pi】。根据区隔人均收益及新客户落在各区隔中的概率,便可以对客户的未来收益水平进行预测,预测结果为:
其中,Ri为客户成为全额还款客户的概率,Ti为客户成为消费活跃客户的概率,Ci为客户成为提现活跃客户的概率。这三种概率均可以通过前面所述的几种模型进行预测。
新客户市场策略的制定
依据基本信息对新客户从各个角度进行特征分析,从而可以实现客户特征分群,依据不同的客户群体,制定相应的市场策略如下:
结合行为信息的预测结果修正及管理策略完善
以上对于新客户的各种指标的预测及评价均是建立在客户未用卡的前提之下,即仅通过客户所提供的申请表中的个人信息进行的预测。但是,由于客户拿到卡片最初的几个月【我们定义为三个月】均为新客户阶段,因此在这个阶段已经有一部分客户开始用卡,即增加了一定的行为信息,这些信息可以帮助分析人员对原有的各项指标的预测结果进行修正,如表13.6举例。
在原有的客户特征预测的基础上,结合已发生的客户行为信号,对原有的市场策略进行调整和完善,从而及时刺激客户用卡,正确引导客户用卡的习惯。如表13.7举例。
本章小结
在对客户整个生命周期的管理过程中,新客户阶段起着一个非常重要的承接作用。无论从现实环境还是从统计数据来看,及时刺激新客户用卡,与客户建立关系,对客户未来的价值体现和银行的贡献都起着非常重要的决定作用。因此,需要在这一阶段对客户进行科学、全面的评估和考察,从而制定出符合客户特征和需求的市场策略。整个分析过程可以分为两个阶段:
·第一阶段是在客户真正用卡之前,基于申请表中的个人信息,从活跃度、潜力、循环倾向、收益等角度进行考察,并综合这些因素进行有意义的客户分群,结合客户个人情况,初步制定出相应的市场促动策略。
·第二阶段是依据客户开户后短期内的一些行为信息,对第一阶段的预测结果进行修正,并依据修正后的信息以及现有的客户行为信号,对原有的市场策略进行调整和完善,尽量更加准确地把握和满足客户需求。