 |
客户细分模型 |
|
促销响应模型 |
| |
- 利用数据挖掘客观刻画客户差异
- 灵活地对各种需求的客户群进行宏观观察和微观细分
- 动态观测客户特征的变化及其所属客户细分群体的变化
- 灵活地基于各种不同的营销目标或客户服务目标进行应用 |
|
- 精确定位产品销售的目标客户
- 大大降低促销成本
- 有效提高市场营销活动的客户回应率 |
| |
|
|
|
|
交叉销售模型 |
|
用户离网预警模型 |
| |
- 发现产品与产品间、产品与客户间、产品与渠道间的关联规则
- 指导产品组合或捆绑销售
- 指导产品销售的渠道策略
- 指导新产品或业务推广 |
|
- 利用数据挖掘深度分析客户离网与其行为异常表现的关系
- 精确预测用户离网可能性
- 科学指导用户关怀中的目标客户选取 |
| |
|
|
|
|
信用度管理模型 |
|
贷记卡申请审批模型 |
| |
- 从多个角度全面评价客户信用的行为特征表现
- 通过综合指标评定客户的信用等级
- 精确指导客户信用额度和信用期限政策的制定
- 通过信用管理提升用户的服务感知
|
|
- 提供科学的、数量化的信控标准
- 科学审批新客户信用状况
- 提高大批量发卡时申请审批的处理效率
- 帮助银行在掌控风险的同时，大力发展贷记卡业务，提高市场收益 |
| |
|
|
|
|
贷记卡额度管理模型 |
|
坏账清欠模型 |
| |
- 动态评估、调整现有客户信用额度
- 利用社会信用信息资源科学评估客户信用
|
|
- 评估呆账客户对银行催收回应的可能性
- 帮助银行有效降低坏账率 |
