客户交易促动场景下的交易额预测研究与实践

痛点：

      客户下个月能贡献的交易额是多少？哪些客户需要通过活动刺激来促使其发生交易？设置怎样的活动奖励及目标才能达到既可以促动客户消费，又能节约成本的目的呢？

 

行业现状：

      在现今互联网金融爆炸的时代，各类信用卡交易活动层出不穷。面向所有客户设定门槛的活动更是屡见不鲜，如刷卡满99元送某咖啡品牌现金券、刷卡满999元送某知名品牌剃须刀、刷卡满9999元送旅游产品等。各种交易促动活动看似层出不穷，但其实际都仅基于简单规则对客户进行阶梯分群，通过“千人一面”的方式促达所有客户，故易导致客户活动转换率低、涉及短信成本增加、礼品费用的浪费等问题，从而无法真正达到客户交易促动的目的。

      在信用卡领域开展客户交易促动，其实质是通过赠予客户实物、刷卡金等奖励以刺激其使用信用卡，以达到提高客户粘性、提升客户交易额的目的。但由于客户消费的随机性大，如何提前预知客户未来的消费水平、如何明确在合适时机对客户进行有效的促动、如何精准定位交易促动客群、如何为客群制定交易目标从而为目标设定对应奖品等问题成为活动营销成功与否的关键。

 

提出问题：

      基于上述开展客户交易促动活动现状及痛点，如果能够精准预测客户月消费额，结合客户消费习惯的分析，即可为交易活动策略的定制提供指引。

 

研究过程：

      基于上述问题，本文拟通过如下五个方面，从技术角度出发，就如何通过交易额准确预测，进而实现业务引领，推动业务发展开展研究及探讨：

1. 数据探索及分析、特征工程；
2. 客户交易额预测方法论探索；
3. 客户群体交易额预测建模；
4. 客户个体交易额预测建模；
5. 实践过程中的问题解决思路分享。

 

1. 数据探索及分析、特征工程

1.1. 数据探索及分析

       基于历史经验及线上探索，影响客户交易额的因素主要包括客户的基本属性，如年龄、性别；交易属性如历史月消费额、节假日消费情况等。在数据探索阶段，我们以某银行一整年度的交易数据做为研究对象，对该银行当年1600万客户共计6亿交易数据进行了从总体到细分的方式逐步探索，最终确认将客户活跃度作为消费行为探索的切入点。

       客户消费活跃情况通常取决于客户的偏好，且与客户自身属性存在关联。如下我们主要以消费时间、客户属性（性别及、年龄、星座等）做为对象进行细项分析，从而就影响客户活跃度的因素得出结论。

1.1.1. 活跃度与消费时间（客户对消费时间的偏好）

       时间上选取一周内的每天与一天内的时段作为数据聚合标尺。如下图1-1是产生过消费行为的客户数量在一年内周日至周六各时段的分布，客户活跃数量大小由颜色深浅表示。可以看出，在一年周期内客户偏好最大的消费时段是中午12:00-13:00以及晚上18:00-19:00，该消费偏好可为活动营销的时间推送策略做参考辅助。

                                                           

                                                            图1-1 客户对消费时间偏好的热力图

1.1.2. 活跃度与客户属性（客户行为的集群性）

1.1.2.1. 客户性别在不同时段的活跃度

      在研究的年度周期内，消费过的男性为986万，女性为665万。如下图1-2展示男性客户与女性客户在年度内24小时各时段活跃客户数在该性别消费总人数的占比。在活跃高峰时段10:00-19:00（活跃比>70%）女性客户比男性客户略为活跃；但在夜间时段23:00-1:00，男性客户比女性客户更为活跃。

                                                          

                                                      图1-2 客户性别在不同时段的活跃度热力图

 

1.1.2.2. 客户年龄在不同时