分析到定量分析的转化过程。指标体系的设定对于商业银行挖掘影响客户满意的重要因素，提升客户满意至关重要。通过对商业银行的实地调研，与个人理财专家及相关员工的访谈调研，了解到对理财客户重要的因素，在这里针对个人理财业务设计出主要指标理财产品服务品牌化程度从银行的品牌知名度和理财产品的品牌知名度考虑。理财产品服务品种从产品的种类丰富性，能否提供站式服务考虑。理财产品盈利性从产品的盈利性和风险性考虑。理财服务的便利性从网点数量网点布局合理性柜台服务的处理时间机处理业务的便捷性，电话银行的效率考虑。工商银行体化系统规划银行员工的素质从理财客户经理专业素质理财客户经理服务态度柜台员工服务态度考虑。个人理财顾客对银行提供的个人理财产品和服务的评价按照相应的标准进行赋值，在这里设定五分层法很满意满意般不满意很不满意，赋值为。上述五个指标基本上反映了顾客对个人理财服务产品满意程度的评价，但每测评指标的变化对顾客满意指数变化的影响程度及权重是不相同的。为了明确各项指标在测评指标体系中所具有的不同的重要性程度，需要分别赋予各项指标以不同的权重数，权重确定与分配是测评指标体系设计中非常关键的个步骤，对于能否客观和真实地反映顾客满意度起着至关重要的作用，常用的指标权重的确定方法有两种方法层次分析法，问卷调查法。层次分析法层次分析法是运用美国著名运筹学家塞迪给出的标度法。它根据各测评指标的相对重要性来确定权重，层次分析法可以通过测评指标两两比较，使复杂的无序的定性问题能够进行量化处理，表反映了两个测评指标相对重要程度的得分，设测评指标相对测评指标的比较得分为，则指标相对的比较得分为，如个测评指标相对另个测评指标确实重要，则测评指标相对测评指标的比较得分为，测评指标相对测评指标的比较得分为。表层次分析法对测评指标重要程度的划分情况相对重要程度得分说明同等重要两者对目标贡献相同略为重要重要基本重要确认重要确实重要程度明显绝对重要程度非常明显相邻两程度之中间，需要折中时使用对于级指标，同时利用层次分析法近似求解的方法求得权重，步骤如表工商银行体化系统规划表测评指标的比较矩阵测评指标表层次分析法的运算表测评指标相乘开方权重合计从表中权重数据可以看出，影响客户满意度的个级指标中，指标权重排序为。理财客户对于理财员工的素质和理财产品的盈利性品质有着很大的关注，这两个级指标是银行开展理财业务应该首要关注的问题。问卷调查法问卷调查法是另种常用的测评指标权重的测量方法。此方法设计系列问题，请客户指出系列指标中最重要的指标，然后根据有效调查问卷数量确定该指标的权重指标加权系数该指标被选为最重要指标的总次数有效调查问卷数量。层次分析法和问卷调查法作为两种常用的测评指标评定方法，具有不同程度的不足层次分析法根据专家评分，运用统计方法利用各个指标之间的相对重要程度计算权中，具有较高的科学性，但是，对于指标的相对重要程度评定的准确性要求高，否则会导致满意度测量的失败。需要测评人员对顾客满意度测评个人理财产品服务的特征以及理财客户心理等方面有深刻的了解，并且具有丰富的实践经验，这在定程度上会限制商业银行运用层次分析法。问卷调查法从客户的评定结果出发，完全根据顾客对指标的评价来进行评定，这不可避免地会出现不同顾客对同指标完全不同的评价，不同偏好的顾客工商银行体化系统规划对于同指标的看法截然不同，这样计算出来的指标权重准确性显然很差。在此将结合两种方法的各自优势来进行客户满意度测量，应用数据挖掘技术探寻影响客户满意的关键因素，做出客户满意度决策树模型。客户满意度决策树模型决策树分析是种广泛采用的数据挖掘方法，使用不同的算法来实现，包括，。在客户满意度分析模型中，可以应用决策树分析法来发现影响客户满意度的重要因素。最重要的影响因素变量即信息增益值最大的变量在整个决策树中最先选择，应用决策树模型可以很直观地分析出客户满意度影响因素结构图。特征量的选取根据给定的客户满意度评价指标，选取特定的指标作为决策树模型研究变量，选取客户满意度评价指标作为模型分类变量。变量值采取问卷调查收集，采用五级测评法对各指标打分。柜台员工服务态度理财人员专业素质业务处理效率银行网点数量机处理业务的便捷性电话银行的效率网络银行的质量网点布局合理性柜台服务的处理时间品质品牌渠道服务环境理财产品的种类理财产品的盈利性理财产品的多功能性理财产品的风险性银行知名度理财产品知名度银行环境的舒适性客户满意等级图客户满意度评价指标体系信息增益值计算采用客户满意度指标体系中变量列表，选用信息增益作为相关性分析度量，计算分类所需期望信息公式如下然后用公式工商银行体化系统规划计算按属性划分时，分类所需期望信息，接着用公式得出按划分的信息增益。计算所有属性的信息增益，删除不相关和弱相关的属性，得到重要客户目标类关系和普通客户对比类关系再应用面向属性的归约算法作用于目标类关系，结果以决策树的形式表示，也可以规则的方式显示出来，可由客户选择。归纳算法以下算法就是构造客户满意度决策树模型的个基本归纳算法决策树算法根据给定数据集产生个决策树。输入训练样本，各属性均取离散数值，可供归纳的候选属性集为。输出决策树。处理流程创建个结点若该结点中的所有样本均为同类别，则返回作为个叶结点并标志为类别若为空，则返回作为个叶结点并标记为该结点所含样本中类别个数最多的类别从选择个信息增益最大的属性，并将结点标记为对于中的每个已知取值，准备划分结点所包含的样本集根据条件，从结点产生相应的个分支，以表示该测试条件设为条件所获得的样本集合，若为空，则将相应叶结点标记为该结点所含样本中类别个数最多的类别否则将相应叶结点标志为返回值。这个算法采用自上而下分而制之的递归方式来构造个决策树，至此，决策树模型建立。对于给定的样本，选取客户满意度影响因素变量作为模型输入变量，选取客户满意度评估变量作为模型输出变量。根据分析结果，影响理财客户满意度的五大指标为理财产品服务品牌化程度，理财产品服务品质，银行服务，理财服工商银行体化系统规划务的便利性，银行环境，将其二级变量作为输入变量并选择目标变量。系统随即抽取样本的作为训练集，作为测试集，用来检验模型的准确度。选取相应算法，对模型进行测试与评估。判断模型精度的指标为回归评估系数，般认为回归评估系数大于时回归拟和比较准确。通过对所建立的模型进行外延与修正，最终形成系统挖掘模型。数据挖掘在客户细分中的应用个人理财业务市场是个以提供差别化产品为根本的业务市场，个人客户所需要的金融服务及产品因其资产状况风险偏好财务目标个人客户所处的家庭生命周期阶段的不同而不尽相同，在这种前提下，商业银行要想在激烈竞争中获取长期竞争优势，以前的无差别化营销策略已经落后。因此，商业银行在确定市场营销策略以及实施战略的具体措施之前必须首先进行市场细分。正确的市场细分是商业银行开展个人理财业务，选择合适目标市场的基础，是使商业银行在激烈竞争的金融市场中保存现有客户获取新客户的法宝，也是银行实现客户关系管理的前提。对于商业银行决策者而言，首先要利用科学的方法进行市场细分，在这基础上选择目标市场，并针对不同的细分市场制定差异化的营销策略，在产品定价促销渠道方面制定不同的策略。市场细分的依据市场细分的方法有很多，和在年提出，市场细分没有唯的方法，个组织要想透视整个市场结构，应该尝试不同的细分变量，独立变量和联合变量都应该考虑。在过去很多年里，人口统计学在客户细分领域被广泛接受，并被用于客户细分以实施不同的市场战略。然而，年龄收入教育水平婚姻状况等独立变量并不能预测客户将使用何种金融服务，。更进步，金融服务使用的综合指标由人口统计变量综合而成，称之为家庭生命周期，。家庭生命周期的不同阶段导致金融服务的不同需求。这些区别为市场者开发基于不同家庭生命周期的细分市场战略提供了指导方针。工商银行体化系统规划表市场细分依据指标市场细分依据举例人口统计特点年龄性别收入职业社会地位地理因素特点国内国际市场地区经济发展水平居住小区级别家庭生命周期特点个人所处家庭生命周期阶段购买者的个人特点资产状况个性风险偏好金融知识水平生活方式基于数据挖掘的市场细分方法体系首先初步确定市场细分变量并对市场变量分级。经调研部分商业银行个人理财业务部主管，了解到目前商业银行在市场细分时只是简单地根据客户的资产状况风险偏好进行，没有进行更深入的多层次的分析。如广发银行将目标客户定位在季均存款余额在万人民币的客户群上。这种细分方法操作方便，也是限于目前理财业务开展仍属初期阶段，居民意识仍没完全放开。综合现有理财业务开展状况，确定以下变量为可能对用户需求特征发生影响的变量家庭生命周期根据这变量将客户分为以下几类类大学阶段类新婚夫妇没有孩子满巢阶段最小孩子小于四岁类满巢阶段最小孩子大于等于岁类满巢阶段老年夫妇并有成年孩子同住类空巢阶段老年夫妇，仍工作，无孩子同住类空巢阶段无孩子同住，已退休类孤独幸存者仍工作类孤独幸存者已退休风险偏好根据风险偏好维度，可将客户划分为风险偏好型风险厌恶型风险理性型。金融知识水平工商银行体化系统规划根据客户具备的金融知识级别，可将客户划分为投资专家型稍具投资知识型无投资知识型。地区经济发展水平东部沿海发达地区西部贫困地区收入将客户划分为年收入万元万元年收入万元万元年收入万元年收入万元。款其次，设计调查问卷。再次，找出重要细分变量。图基于数据挖掘的市场细分方法体系个人理财客户细分决策树模型在客户细分分析模型中，同样可以应用决策树分析法来发现影响客户满意度的重要因素。最重要的影响因素变量在整个决策树中最先选择，其次重要的因素接下来形成个分支。应用决策树模型可以很直观地分析出客户细分影响因素结构图。对于给定的样本，选取客户细分标准，如人口统计因素所处生命周期风初步确定市场细分变量合并相似细分市场给市场变量分级设计并进行问卷调查找出重要市场细分变量初步进行市场细分关联分析聚类分析决策树分析探索性研究结果市场调查结果市场细分结果数据挖掘方法市场细分过程数据源工商银行体化系统规划险偏好消费行为等作为模型输入变量。系统随即抽取样本的为训练集，为测试集，用来检验模型的准确度。选取相应算法，对模型进行测试与评估。判断模型精度的指标为回归评估系数，般认为回归评估系数大于时回归拟和比较准确。基于算法的客户细分挖掘模型流程图如图所示。开始选取样本数据样本数据预处理确立模型变量以目标变量为根结点建立决策树模型用对变量进行分析判断根节点是否可分根据细分变量得出此结点的每个叶子结点用算法判断每个叶子结点是否可分是否达到停止条件是是否重新选择变量否沿着决策树的每分支，从根结点遍历到最底层叶子结点，得出细分客户规则集模型验证及修正结束否是图基于算法