基于數(shù)據(jù)挖掘技術(shù)的銀行電話營銷成功率影響因素研究

邢瀚文　靳雯涵　靳齡婷

摘要：電話營銷在各行業(yè)中的應(yīng)用越來越普遍，在諸如保險公司、銀行等系統(tǒng)內(nèi)電話營銷是聯(lián)系客戶的重要手段之一。影響電話營銷成功率的原因有很多，銷售員的態(tài)度和能力是重要的方面，但這些影響因素的評價相對而言較為主觀。文章從以往銀行電話營銷成功率及其影響因素的數(shù)據(jù)出發(fā)，通過決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)三個模型方法，探究銀行電話營銷成功率的影響因素。

關(guān)鍵詞：數(shù)據(jù);營銷

一、文獻綜述

當(dāng)今，網(wǎng)絡(luò)經(jīng)濟飛速發(fā)展，內(nèi)地銀行業(yè)逐漸從依靠柜臺營銷模式轉(zhuǎn)變，電話營銷以及網(wǎng)上營銷等新穎的營銷方式剛剛起步，商業(yè)銀行的營銷模式未來將會發(fā)生劇烈轉(zhuǎn)變，銀行電話營銷也許會成為主流，研究銀行電話營銷影響因素的重要性顯而易見。

近年來，許多國內(nèi)外學(xué)者展開了對銀行電話營銷的研究。李明月（2016）認為針對銀行定期存款數(shù)據(jù)集，傳統(tǒng)決策樹算法的分類效率和分類準確度較低，進一步提出了集成分類樹算法。王艷雯（2019）提出如何利用數(shù)據(jù)挖掘技術(shù)在銀行電話營銷目前所處的境地獲得較為深遠的業(yè)務(wù)突破，是任何一家銀行提高自身的核心競爭力過程中，都不能回避的十分重要的問題，應(yīng)探究Stacking集成模型在銀行電話營銷中的應(yīng)用。王琴（2019）發(fā)現(xiàn)在數(shù)據(jù)時代背景下，綜合應(yīng)用神經(jīng)網(wǎng)絡(luò)、支持向量機和決策樹等數(shù)據(jù)挖掘方法建立銀行電話營銷分類模型，運用案例分析法和比較分析法，通過ROC曲線、響應(yīng)率曲線和捕獲率曲線發(fā)現(xiàn)，最好的結(jié)果是BP神經(jīng)網(wǎng)絡(luò)，其AUC值是0.97。

但以往學(xué)者針對銀行電話營銷成功率的影響因素從不同角度展開了眾多研究，但研究還存在不足之處：第一，少有學(xué)者通過決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)等多個模型對銀行電話營銷成功率數(shù)據(jù)進行操作，缺少橫向?qū)Ρ?第二，少有學(xué)者利用低門檻軟件，例本文所用clementine建立模型;第三，內(nèi)地銀行電話營銷業(yè)務(wù)剛剛起步，有眾多問題需要發(fā)現(xiàn)并研究，但數(shù)據(jù)較少，關(guān)注度較低，針對內(nèi)地銀行電話營銷成功率影響因素的研究較少、不深入。

但以上不足也為本論文研究提供了一定的空間。本論文將做出的邊際貢獻：以銀行電話營銷成功率及其影響因素的相關(guān)數(shù)據(jù)為基礎(chǔ)，建立決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)三個模型，獲取變量重要性以及模型正確率，通過橫向?qū)Ρ?，確定最優(yōu)模型以及影響銀行電話營銷成功率的重要因素。

二、研究意義及目的

（一）理論意義

本文并對決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)三個方法進行了簡單主要內(nèi)容及優(yōu)缺點進行了簡單介紹。并選取了16個輸入變量和1個輸出變量y（客戶是否認購了定期存款），運用clementine軟件工具，通過對來自UCI數(shù)據(jù)集的45211個銀行電話營銷成功率及其影響因素的相關(guān)數(shù)據(jù)進行決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)三個模型操作，獲取變量重要性以及模型正確率，并對三個模型進行了結(jié)果及對比分析，模型正確率依次為89.92%、90.18%、90.66%。確定神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于影響銀行電話營銷成功率的因素分析更優(yōu)，且知duration（最后一次聯(lián)系的持續(xù)時間）、month（最后一次聯(lián)系的月份）、poutcome（上次營銷活動的結(jié)果）是影響銀行電話營銷成功率的重要因素，并依托神經(jīng)網(wǎng)絡(luò)模型及已知數(shù)據(jù)對銀行電話營銷成功率進行預(yù)測，對商業(yè)銀行電話營銷提供一定的參考與借鑒。

（二）現(xiàn)實意義

產(chǎn)品營銷手段上的先進性和多樣性是國外銀行的顯著優(yōu)勢。國外銀行進行專業(yè)化電話營銷已經(jīng)有了近二十年的歷史，積累了不少的相關(guān)經(jīng)驗。但內(nèi)地銀行進行電話營銷以及網(wǎng)上營銷等新穎的營銷方式剛剛起步。銀行的傳統(tǒng)營銷模式與網(wǎng)絡(luò)經(jīng)濟時代的電話營銷模式相對比，在互動方式、去求方式、服務(wù)方式、收入模式、發(fā)展模式、競爭優(yōu)勢、經(jīng)營導(dǎo)向等多方面均有所不同。僅運用銀行傳統(tǒng)營銷模式，已不能滿足需求，為了增強自身核心競爭力，銀行客戶服務(wù)中心不僅要重視電話呼入服務(wù)的處理，更要充分地發(fā)揮電話呼出營銷的作用，逐步地形成一套完整的銀行電話客戶服務(wù)體系。

本文利用決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)三個模型對影響銀行電話營銷成功率的因素進行對比及分析，可以給商業(yè)銀行發(fā)展自身電話營銷業(yè)務(wù)提供一定的參考價值，助力我國商業(yè)銀行電話營銷成功率穩(wěn)步提升。

三、方法介紹、優(yōu)缺點及主要內(nèi)容

（一）決策樹

1. 方法介紹

決策樹是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過構(gòu)成決策樹來求取凈現(xiàn)值的期望值大于等于零的概率，評價項目風(fēng)險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。

2. 優(yōu)點

第一，決策樹易于理解并且方便實現(xiàn)。它可以直接體現(xiàn)數(shù)據(jù)，在學(xué)習(xí)的過程中，使用者不需要了解眾多的背景知識;第二，對于決策樹，數(shù)據(jù)的準備往往是非常簡單，甚至是不必要的，數(shù)據(jù)型和常規(guī)型屬性能夠同時被處理，對大型數(shù)據(jù)源做出可行并且有效果的結(jié)果，只需要較短的時間。

3. 缺點

第一，對連續(xù)性的字段比較難預(yù)測;第二，一般的算法分類時，只是根據(jù)一個字段來分類;第三，對有時間順序的數(shù)據(jù);第四，當(dāng)類別太多時，可能會出現(xiàn)錯誤增加較快;第五，需要很多預(yù)處理的工作。

（二）邏輯回歸

1. 方法介紹

邏輯回歸又稱Logistic回歸分析，是一種廣義的線性回歸分析模型，常用于數(shù)據(jù)挖掘、疾病自動診斷、經(jīng)濟預(yù)測等領(lǐng)域。邏輯回歸從本質(zhì)來說屬于二分類問題。

Logistic回歸函數(shù)的表達為參數(shù)化的函數(shù)，即：

2. 優(yōu)點

第一，訓(xùn)練速度較快，在分類時，和計算量相關(guān)的只有特征的數(shù)目;第二，簡單易理解，模型的可解釋性非常好，從特征的權(quán)重可以看到不同的特征對最后結(jié)果的影響;第三，內(nèi)存資源占用小，因為只需要存儲各個維度的特征值。

3. 缺點

第一，對多重共線性數(shù)據(jù)較為敏感;第二，很難處理數(shù)據(jù)不平衡的問題;第三，準確率并非很高，因為形式非常的簡單（非常類似線性模型），很難去擬合數(shù)據(jù)的真實分布。

（三）神經(jīng)網(wǎng)絡(luò)

1. 方法介紹

人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進行信息處理的數(shù)學(xué)模型，是一種運算模型，由大量的節(jié)點（或稱神經(jīng)元）和之間相互聯(lián)接構(gòu)成。

2. 優(yōu)點

第一，自學(xué)習(xí)和自適應(yīng)能力：BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時，能夠通過學(xué)習(xí)自動提取輸出、輸出數(shù)據(jù)間的“合理規(guī)則”，并自適應(yīng)地將學(xué)習(xí)內(nèi)容記憶于網(wǎng)絡(luò)的權(quán)值中;第二，泛化能力：在設(shè)計模式分類器時，需要考慮網(wǎng)絡(luò)在保證對所需分類對象進行正確分類的同時，關(guān)心網(wǎng)絡(luò)在經(jīng)過訓(xùn)練后，能否對未見過的模式或有噪聲污染的模式進行正確分類;第三，容錯能力：在系統(tǒng)受到局部損傷的情況下，仍可以正常進行工作。

3. 缺點

第一，BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇不一：對于選擇BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，至今，沒有一種統(tǒng)一并完整的理論指導(dǎo)，所以目前一般只可以由經(jīng)驗選定;第二，BP神經(jīng)網(wǎng)絡(luò)預(yù)測能力和訓(xùn)練能力的矛盾問題：在一般情況下，訓(xùn)練能力越高，預(yù)測能力相應(yīng)越高。但當(dāng)達到某一極限時，隨著訓(xùn)練能力的提高，預(yù)測能力反而下降;第三，BP神經(jīng)網(wǎng)絡(luò)樣本依賴性問題：網(wǎng)絡(luò)模型的逼近以及推廣的能力，與學(xué)習(xí)樣本的典型性緊密相關(guān)，但是如何從問題中選取典型樣本實例，進而組成訓(xùn)練集，目前是一個較為困難的問題。

四、數(shù)據(jù)選取

本文收集了45211個銀行電話營銷成功率及其影響因素的相關(guān)數(shù)據(jù)。

該數(shù)據(jù)與葡萄牙一家銀行機構(gòu)的直接營銷活動有關(guān)。這些營銷活動是基于電話的。通常情況下，需要對同一客戶進行一次以上的聯(lián)系，以便了解產(chǎn)品（銀行定期存款）是否會被訂購（“是”）或不（“否”）。

輸出變量為：y-客戶是否認購了定期存款;輸入變量為16個：age（年齡）、job（工作）、marital（婚姻）、education（教育）、default（違約）、Housing（住房）、Loan（貸款）、Contact（聯(lián)系通信類型）、Month（最后一次聯(lián)系的月份）、day_of_week（最后一次聯(lián)系的星期）、duration（最后一次聯(lián)系的持續(xù)時間）、campaign（在這個活動期間為這個客戶進行的接觸次數(shù)）、pdays（在上次活動中最后一次與客戶聯(lián)系后的天數(shù)）、previous（在這次活動之前，為這個客戶進行的接觸次數(shù)）、poutcome（上次營銷活動的結(jié)果）。

五、操作過程及結(jié)果

（一）決策樹

變量重要性：duration（最后一次聯(lián)系的持續(xù)時間）對y（客戶是否認購了定期存款）影響程度最大，大約為0.58;其次，poutcome（上次營銷活動的結(jié)果）對y的影響程度較大，大約為0.28;再次，month（最后一次聯(lián)系的月份）對y的影響程度較大，大約為0.12;其他變量影響程度較小，不足0.05。

模型正確率：89.92%。

（二）邏輯回歸

變量重要性：duration（最后一次聯(lián)系的持續(xù)時間）對y（客戶是否認購了定期存款）影響程度最大，大約為0.49;其次，poutcome（上次營銷活動的結(jié)果）對y的影響程度較大，大約為0.20;再次，month（最后一次聯(lián)系的月份）對y的影響程度較大，大約為0.18;從次，contact（聯(lián)系通信類型）對y有一定的影響，大約為0.17;最后，housing（住房）對y有一定的影響，大約為0.16;其他變量影響程度較小，不足0.05。

模型正確率：90.18%。

（三）神經(jīng)網(wǎng)絡(luò)

變量重要性：duration（最后一次聯(lián)系的持續(xù)時間）對y（客戶是否認購了定期存款）影響程度最大，大約為0.33;其次，month（最后一次聯(lián)系的月份）對y的影響程度較大，大約為0.17;再次，poutcome（上次營銷活動的結(jié)果）對y的影響程度較大，大約為0.13;其他變量影響程度較小，不足0.05。

模型正確率：90.66%。

六、結(jié)果對比及分析（如表2所示）

由表2可知，神經(jīng)網(wǎng)絡(luò)模型正確率相對高，是三者中最優(yōu)模型。

duration（最后一次聯(lián)系的持續(xù)時間）、month（最后一次聯(lián)系的月份）、poutcome（上次營銷活動的結(jié)果）對y的影響程度較大，是影響銀行電話營銷成功率的重要因素。

參考文獻：

[1]陳光榮，王軍政，郭盛，等.基于C4.5決策樹的自主步態(tài)選擇算法[J].指揮與控制學(xué)報，2021，7（01）：38-45.

[2]甘甜.基于決策樹分類算法的高校遠程教學(xué)質(zhì)量評估研究[J].現(xiàn)代電子技術(shù)，2021，44（09）：171-175.

[3]李娉，彭海珍，李宏，等.基于BP神經(jīng)網(wǎng)絡(luò)和決策樹的梅毒早期預(yù)警指標的模型構(gòu)建[J].廣東醫(yī)學(xué)，2021，42（04）：459-462.

（作者單位：河北經(jīng)貿(mào)大學(xué)）