56
基金项目: 国家自然科学基金项目———“基于结构化大数据深度挖掘的非寿险保险公司经营风险模型研究” ( 项目编号:61502280;项目负
责人:闫春)成果之一。
作者简介: 闫春,工学博士,山东科技大学数学与系统科学学院副教授,研究方向:保险精算、大数据分析与处理、统计学;孙海棠,山东科
技大学数学与系统科学学院硕士研究生,研究方向:保险精算;李亚琪,山东科技大学数学与系统科学学院硕士研究生,研究方向:保险精算。
基于随机森林与 RFM 模型的
财险客户分类管理研究
闫 春 孙海棠 李亚琪
(山东科技大学数学与系统科学学院, 山东 青岛 266590)
摘 要: 基于客户价值的财险客户分类管理能够帮助公司更有效地节约成本,创造收益。 通过在 RFM( 近度、值
度、频度)模型中加入财险客户理赔额指标,将模型扩展为 RFMP 模型,综合考虑了财险客户的利润贡献度及其风
险因素,从风险和贡献两个角度更有效的衡量客户价值。 同时,将随机森林分类算法应用到客户分类管理中,并与
神经网络分类模型进行比较,实验结果显示随机森林分类具有更小的误差。 进一步分析了各客户类群的人口统计
学指标,避免了复杂的客户指标量化计算过程,有利于财险公司对庞大的客户群进行分类管理,也有助于公司对新
入客户进行风险价值评估,提供具有针对性与个性化的产品与服务。
关键词: RFM 模型;财险客户风险价值评价体系;客户分类管理;随机森林
精准有效的客户分类不仅可以降低财险公司
客户关系管理(CRM)中的客户维护成本,也有助于
公司制定针对性营销和管理策略,实现利润的最大
化。 在实际应用中,客户分类管理一般包含客户价
值分级管 理和 客 户风 险 分级 管 理 两 方 面。 其 中,
RFM 模型是衡量客户利润贡献度和忠诚度的重要
工具和手 段, 被广 泛 应 用 于 金融、 零 售、 货运等各
行业。
国内学者运用 RFM 模型的研究主要有孙瑛等
建立了客户价值计量模型
[1]
,王文贤给出多层级客
户忠诚度衡量指标及评估模型
[2]
。 吕斌将营销问
题转化为组合优化问题
[3]
。 杨彬实现了双阶段客
户关联分类
[4]
。 国外相关研究,Hamid 等在 RFM 模
型中加入客户生命价值分析中的两个变量,结合基
本分类 模 型, 对 银 行 网 上 支 付 客 户 进 行 分 类 研
究
[5]
。 Dursuna 等运用数据挖掘技术对酒店客户进
行 RFM 分析,指出管理者在实施客户关系管理时,
应根 据 RFM3 个 指 标 的 变 化 来 提 出 新 的 管 理
策略
[6]
。
在分类算法方面,随机森林是一种较新颖的被
证明表现良好的算法,当前在生态环境及遥感等领
域应用广泛。 Hobley 运用随机森林研究了环境和
人类活动对土壤中有机碳组分的影响
[7]
。 Becksch-
fer 等提出了基于随机森林的亚热带叶面积指数计
算方法
[8]
。 Gounaridis 等分析了影响土壤类型的主
要变量
[9]
。 国内学者近几年的研究也非常广泛,李
欣海阐述了随机森林分类方法在朱鹮选址预测上
的应用
[10]
。 明均仁,肖凯将随机森林应用到需水预
测中
[11]
。 马玥等则研究了农耕地区土地利用分类
预测问题
[12]
。 在社会人类学研究中,蔡加欣等将其
应用到人体行为分类
[13]
,孙菲菲等将其运用到犯罪
预测
[14]
。 在风险评估和客户管理等方面,方匡南等
预测了基金收益率方向
[15]
,将非参数随机森林回归
引入到基于 RFM 模型指标的保险客户利润贡献度
研究之中。 于晓虹则将其应用于 P2P 网贷信用风
险评价与预警
[16]
。
财险客户分类研究对保险公司的运营管理决
策同样起着重要的作用,相当数量的学者对保险客
户分类进行了研究,但 RFM 模型缺少风险衡量指
标,Shweta Singh 等曾指出这一问题,并指出在 RFM
模型中可以加入三个风险指标(客户依然活跃的概
率、达到最低消费水平的概率和消费频率)
[17]
。 因
此,本文在 RFM 模型的基础上,考虑财险业务特点
加入客户理赔指标,提出 RFMP 模型。
万方数据