항목 2 테라뱅크 은행 대출 사례
1, 사례 배경
Thera Bank 는 증가하는 고객 기반을 보유한 은행입니다. 이 은행의 대다수 고객의 예금 규모는 모두 다르다. 대출 업무는 고객 수가 적기 때문에 은행은 예금 사용자를 대출 사용자로 효과적으로 전환하여 대출 업무량의 기반을 넓혀 더 많은 대출 업무를 창출하고 그 과정에서 대출 이자를 통해 더 많은 돈을 벌기를 희망하고 있다. (윌리엄 셰익스피어, 대출, 대출, 대출, 대출, 대출, 대출, 대출, 대출, 대출, 대출)
이에 따라 이 은행은 지난해 예금 가입자이지만 개인 대출 업무를 처리하지 않은 고객을 위해 개인 대출 업무를 추진하기 위한 프로모션을 실시했으며, 일부 고객은 이 활동을 통해 이미 관련 서비스를 처리했다. 이때 소매 마케팅 부서는 마케팅을 포지셔닝하기 위한 더 나은 전략을 세우고 최소한의 예산으로 성공률을 높이고자 합니다. 이 부서는 대출을 구매할 가능성이 더 높은 잠재 고객을 식별하여 전환의 성공률을 높이고 마케팅 비용을 줄이고자 합니다.
2, 데이터 이해
이 데이터 세트의 총 5000 행, 14 열 데이터, 해당 필드는 다음과 같이 해석됩니다.
일반적으로, 이 데이터 세트는 주로 Personal Loan 대출 결과와 일련의 사용자 ID 자산 정보 등으로 구성됩니다.
3, 데이터 관찰 및 청소
본 문서의 데이터 정리 프로세스는 여전히 예비 관찰 및 청소 두 단계로 나뉘어 있으며, 데이터 관찰은 주로
< 를 통해 이루어집니다 데이터의 전반적인 특징 관찰전체 아이디어:
1 이번 행사의 효과는 어떻습니까? 얼마나 많은 사람들이 대출을 하게 되었습니까?
2 어떤 사람이 대출
활동 효과를 선호합니까? 이 경우 목표는 대출입니다. 이에 따라 Personal Loan 에서 대출과 대출이 없는 인원만 계산하면 된다.
이번 행사를 통해 5,000 명의 고객 중 480 명이 약 10 대 안팎의 대출 업무를 개설했고, 이 행사는 대출을 받지 않은 사용자를 위한 행사였다. 비즈니스가 10 개 이상 향상되어 효과가 상당히 좋았습니다.
대출 사용자의 잠재적 영향 요인을 분석하려면, 대출 여부를 다른 필드와 상관 관계 (corr () 함수) 를 구하는 것입니다. 최대 상관 계수 값을 찾아
를 표시하여 대지를 더 나누고 각 열을 personal loan (대출 여부) 관련 계수와 시각화합니다. 다음과 같은 결과를 얻을 수 있습니다.
그림에서 알 수 있듯이
1. 대출에 영향을 미치는 강력한 관련 변수는 소득, 월별 신용 카드 소비 금액, 예금 계좌
2. 대출에 영향을 미치는 약한 관련 변수는 교육 수준, 주택 담보 가치, 가족 수
3 이다. 우편번호, 인터넷 실버 유무 여부, 신용카드, 증권계좌 모두 대출에 큰 영향을 미치지 않는다 이후 추가 분석이 필요합니다.
이전 단계를 기준으로 대출에 영향을 미치는 변수를 추가로 분석하고, 변수 특성에 따라
를 분리하여 이 경우 변수를 질적이고 정량적으로 나누어 대출에 미치는 영향을 각각 조사해야 합니다. 이 경우 방향 변수는 주로 은행 예금 계좌, 교육 수준, 가족 수 등
가 있는지 여부에 따라 예금 계좌를 개설한 사용자가 대출을 신청할 가능성이 미개설 예금 계좌를 개설한 사용자보다 6 배 더 나빠 하고 싶어 한다
법상 고객이 예금계좌를 개설할 수 있도록 하는 것은 대출률을 높이는 수단 중 하나가 아니다.
학력이 높아지면서 대출 신청 비율이 높아짐에 따라 고학력 사용자가 대출 사용자가 되는 경향이 있다는 것을 보여 주며, 학력이 높을수록 고급 소비를 더 많이 받을 수 있다는 소비관을 반영하고 있다. 대출이 되기 쉬운 잠재 사용자
가족 수 3-4 의 고객이 1-2 의 고객보다 대출 신청 가능성이 높다는 것은 가족수가 늘어남에 따라 경제적 압력이 커지고 대출의 잠재 수요가 증가한다는 것을 시사한다. 이 업무 사용
이 경우 정량변수의 연봉, 수입, 신용카드 상환액, 주택담보대출과 대출 개설 여부를 주로 탐구하는 경향이 있다. 정량변수이기 때문에 구간은 연속 구간이고, 질적 변수와는 달리 데이터의 전모를 쉽게 이해할 수 있도록, 이러한 변수는 간격마다 별도로 집계해야 합니다
종합적으로 볼 때 대출 사용자와 비 대출 사용자 간의 나이 차이는 크지 않습니다. 구체적인 연령층을 보면 32.0-39.0 이 연령대의 고객은 대출
나머지 양적 변수 (예: 소득, 주택 담보가치, 월별 신용카드 소비액 분석 과정은 나이라는 변수와 거의 같다
전반적으로 고소득층의 저소득층은 대출을 선호한다. 수입이 82 를 넘으면 대출자 수가 이전 5 배, 98 배 이상, 대출 의지가 17 이상, 170 이 넘고 대출 의지가 절반 이상이어서 수입이 높아진다. 대출 업무 의향이 강할수록
주택담보가치가 109.5 를 넘으면 대출 의지가 크게 높아져 전반적으로 주택담보가치가 높아진다. 고객이 대출을 더 선호할수록
대부분의 대출 사용자는 신용 카드 소비의 평균이 4 에 육박하고, 미대출 사용자는 2 배에 육박하는 반면, 사용자 계층화를 보면 신용 카드 소비액은 2.8 천 달러를 넘는다
김 이후 대출 확률은 4 배, 6 천 달러 이상, 약 0.3 달러, 2.8 천 달러 이전에 비해 크게 높아졌기 때문에 매달 신용카드 소비액이 2.8 천 달러 이상인 고객
을 중점적으로 파악해야 한다