[发明专利]融合层次分析法和RFM的商业银行客户评级方法及装置

权利要求书

1.一种融合层次分析法和RFM的商业银行客户评级方法，其特征在于，其实现过程包括：

步骤1、确定目标层和准则层，目标层是对用户的评分评级，准则层分为用户活跃度、用户忠诚度、用户价值三个方面；

步骤2、收集用户活跃度、用户忠诚度、用户价值三个方面的用户数据集；

步骤3、对步骤2中涉及的数据进行数据清洗；

步骤4、利用RFM模型分别构建用户活跃、用户价值、用户忠诚三个准则的方案层指标；基于层次分析法确认方案层指标权重，输出准则层指标结果，确定准则层指标权重，输出目标层客户的评分评级；

步骤5、基于目标层客户的评分评级，完成差异化营销策略或活动的制定和推广。

2.根据权利要求1所述的一种融合层次分析法和RFM的商业银行客户评级方法，其特征在于：所涉及用户数据集包括四部分：

第一部分是用户的基本属性数据；

第二部分是用户行为数据，是用户操作APP过程中的痕迹数据；

第三部分是用户交易数据，包含用户线下场景的支付数据、用户交易存款和贷款产品的数据；

第四部分是用户使用积分兑换商品的记录数据。

3.根据权利要求1所述的一种融合层次分析法和RFM的商业银行客户评级方法，其特征在于：执行步骤3，对数据进行数据清洗：

步骤3.1、使用SQL查询语句获取所需的全部数据，并使用Python加载数据；

步骤3.2、对数据进行变量探查，包含变量的统计值分析，结合变量的业务特征对变量进行缺失值填充，删除重复数据；

步骤3.3、构造模型所需特征，包括对分类变量的数值化处理，和连续变量的离散化处理，以及通过变量交叉、合成衍生新的符合业务逻辑的变量；

步骤3.4、对步骤3.3得到的数据进行无量纲处理，得到标准化的数据，可选方法包括有实际意义的量纲处理和数理化的量纲处理。

4.根据权利要求1所述的一种融合层次分析法和RFM的商业银行客户评级方法，其特征在于：执行步骤4，对处理后的数据建立层次分析模型，具体操作内容包括：

步骤4.1、基于步骤3.4得到的标准化的数据构建层次分析模型，该结构包括目标层、准则层、方案层；目标层为用户的评分评级，准则层分为用户活跃、用户价值、用户忠诚三个方面，方案层是对准则层指标的进一步细化的指标；

步骤4.2、对各准则层下的细分变量进行重要性进行两两比较，构造成对比较矩阵，用于判断变量的重要程度；

步骤4.3、对成比较矩阵进行一致性检验：对每个成对比较矩阵计算最大特征值及其对应的特征向量，并进行一致性检验，若通过，归一化特征向量为变量的权向量，否则需要重新构造成对比较矩阵；

步骤4.4、计算准则层指标，用户活跃、用户价值、用户忠诚的得分；

步骤4.5、重复步骤4.2～4.4的方法，计算出目标层的客户评级，并依据得分完成用户分级。

5.一种融合层次分析法和RFM的商业银行客户评级装置，其特征在于，其实现过程包括：

目标层及准则层模块、确定目标层和准则层，目标层是对用户的评分评级，准则层分为用户活跃度、用户忠诚度、用户价值三个方面；

用户数据集模块、收集用户活跃度、用户忠诚度、用户价值三个方面的用户数据集；

清洗模块、对用户数据集模块中的数据进行数据清洗；

评级模块、利用RFM模型分别构建用户活跃、用户价值、用户忠诚三个准则的方案层指标；基于层次分析法确认方案层指标权重，输出准则层指标结果，确定准则层指标权重，输出目标层客户的评分评级；

营销模块、基于目标层客户的评分评级，完成差异化营销策略或活动的制定和推广。

6.根据权利要求5所述的一种融合层次分析法和RFM的商业银行客户评级装置，其特征在于：所涉及用用户数据集包括四部分：

第一部分是用户的基本属性数据；

第二部分是用户行为数据，是用户操作APP过程中的痕迹数据；

第三部分是用户交易数据，包含用户线下场景的支付数据、用户交易存款和贷款产品的数据；

第四部分是用户使用积分兑换记录数据。