本書里所講的消費信貸產品，它服務的對象是消費者個人。因此，Know Your Customer--了解你的用戶，是一切零售消費信貸業務的出發點和終結點。本書以如何更好地了解你的用戶為主軸，按照金融機構和用戶的關係發展順序及用戶生命周期的時間順序，詳細解析了零售消費信貸業務在用戶經營管理上取得成功的秘訣。書中會詳細闡述數據驅動在“了解你的用戶”過程中的價值和套用，包括在信貸用戶經營過程中用到的各類大數據分析方法、常用的機器學習算法、預測模型的開發及管理流程，還會著重介紹經營過程中各個階段所套用的策略背後的邏輯思維，包括潛在用戶挖掘、新用戶獲取、授信準入、風險定價、風險管理、反欺詐、額度管理、交易授權管理、客戶促活、客戶留存、客戶互動、貸後催收、合規管理、反洗錢以及用戶服務等。
基本介紹
目錄,圖書目錄,作者簡介,
目錄
圖書目錄
作者簡介
圖書目錄
贊 譽
推薦序
序言一
序言二
致 謝
第1章 旬汗員消費信貸行業的創新與數據驅動/1
1.1 消費信貸行業簡述/1
1.2 大數據背景下消費信貸行業的創新/3
1.3 消費信貸業務要以用戶經營為中心/6
1.4 KYC的重要性/9
1.5 大數據思維的本質/11
1.6 討論：數據驅動定辯微備文化的建立和組織架構設計/19
第2章 新用戶獲取及用戶分群的策略設計/24
2.1 潛在用戶挖掘：內部名單和外部名單/25
2.2 用戶分群以及激活回響排序/26
2.3 新用戶獲取策略的設計和效果監控/36
2.4 新手禮包的設計與效果監控/40
2.5 用戶分群的定性分析思路探討/41
2.6 RFM用戶分群分析方法/44
2.7 案例1：年輕持卡用戶分群策略及效果分析/46
2.8 案例2：數據驅動App獲取用戶的新思路/49
第3章 用戶準入和授信/53
3.1 授信數據來院促幾源/54
3.2 授信風險評估：申請評分卡/59
3.3 申請欺詐的識別/65
3.4 信用額度最佳化：授信及初始額度策略/67
3.5 差異化風險定價/68
3.6 觀察期、表現期基本流程/69
3.7 FICO信用分介紹/71
3.8 案例：Python環境下的評分卡構建過程/73
第4章 存量用戶的經營策略/82
4.1 存量用戶生命周期管理的方法及劃分依據/82
4.2 新用戶成長期策略思路/86
4.3 成熟期用戶的經營策略思路櫻才匪/88
4.4 衰退期用戶的監控及對策/91
4.5 流失期用戶的二次召回/93
4.6 存量用戶的價值提升策略/95
4.7 存量用戶的額度管理和定價策略/98
4.8 存量用戶經營效果的監控/100
4.9 用戶畫像的構建及驗證方法探討連影/101
4.10 案例1：“母嬰用戶”標籤預測模型的探索/105
4.11 案例2：賬單分期用戶的經營思路探究/111
第5章 用戶生命價值的計量/118
5.1 用戶生命價值體系框架概述/119
5.2 衡量用戶當前價值/121
5.3 衡量用戶潛在價值/137
5.4 結論/138
5.5 案例：信用卡用戶生命價值的評估/139
第6章 貸中授權交易策略詳解/141
6.1 授權交易的定義和決策範圍/142
6.2 授權交易的具體策略/143
6.3 授權交易的額度設定/146
6.4 授權交易策略的驗證/147
6.5 授權交易策略的部署/147
6.6 授權交易補充策略/147
6.7 案例：授權交易策略的冠軍挑戰賽/148
第7章 貸後催收的新思維/150
7.1 突破傳統催收策略的邏輯思維/150
7.2 利用大數據分析讓催收成為一種競爭優勢/155
7.3 催收分析能力轉型的要點及方向/156
7.4 案例：機器學習提升催收效率/157
第8章 數據挖掘與用戶服務/161
8.1 大數據正在改變用戶服務的不同方面/162
8.2 大數據技術的具體套用/163
8.3 案例：利用文本挖掘發現用戶的真實需求和用戶的態度/165
第9章 大數據提升反洗錢效率/169
9.1 反洗錢合規面臨的問題/169
9.2 大數據，大挑戰/170
9.3 大數據技術驅動變革/171
9.4 金融機構的實踐/172
9.5 案例：用機器學習模型判斷用戶風險等級並解決樣本數據不平衡問題/176
第10章 數據驅動的工具箱：數據挖掘和常用建模方法概述/182
10.1 數據分析能力的進階/183
10.2 模型開發的基本流程/184
10.3 數據收集和假設檢驗/189
10.4 因子分析/主成分分析/196
10.5 決策樹/205
10.6 隨機森林算法/210
10.7 梯度提升決策樹/215
10.8 貝葉斯分類/223
10.9 支持向量機/227
10.10 聚類分析/230
10.11 線性回歸和邏輯回歸/235
10.12 推薦算法/243
10.13 神經網路/248
10.14 社交網路分析/256
10.15 文本挖掘/259
10.16 討論：模型的解釋性VS.模型的準確性/268
第11章 模型的評審、驗證和店匪精嫌生命周期管理/276
11.1 模型管理的全流程/276
11.2 模型管理系統/277
11.3 模型風險等級/278
11.4 模型檢查的時重蒸趨間點/279
11.5 模型驗證資料庫/279
11.6 模型文檔/280
11.7 模型生命周期管理/281
11.8 討論：模型驗證團隊的架構設計/282
第12章 大數據：用戶忠誠度計畫背後的秘密武器/283
12.1 引言/283
12.2 構建用戶激勵體系，陪伴用戶成長/284
12.3 用戶忠誠度的衡量方法及評價標準/289
12.4 案例：世界十大零售銀行用戶忠誠度計畫簡介/292
參考文獻/300
作者簡介
作者簡介4.9 用戶畫像的構建及驗證方法探討/101
4.10 案例1：“母嬰用戶”標籤預測模型的探索/105
4.11 案例2：賬單分期用戶的經營思路探究/111
第5章 用戶生命價值的計量/118
5.1 用戶生命價值體系框架概述/119
5.2 衡量用戶當前價值/121
5.3 衡量用戶潛在價值/137
5.4 結論/138
5.5 案例：信用卡用戶生命價值的評估/139
第6章 貸中授權交易策略詳解/141
6.1 授權交易的定義和決策範圍/142
6.2 授權交易的具體策略/143
6.3 授權交易的額度設定/146
6.4 授權交易策略的驗證/147
6.5 授權交易策略的部署/147
6.6 授權交易補充策略/147
6.7 案例：授權交易策略的冠軍挑戰賽/148
第7章 貸後催收的新思維/150
7.1 突破傳統催收策略的邏輯思維/150
7.2 利用大數據分析讓催收成為一種競爭優勢/155
7.3 催收分析能力轉型的要點及方向/156
7.4 案例：機器學習提升催收效率/157
第8章 數據挖掘與用戶服務/161
8.1 大數據正在改變用戶服務的不同方面/162
8.2 大數據技術的具體套用/163
8.3 案例：利用文本挖掘發現用戶的真實需求和用戶的態度/165
第9章 大數據提升反洗錢效率/169
9.1 反洗錢合規面臨的問題/169
9.2 大數據，大挑戰/170
9.3 大數據技術驅動變革/171
9.4 金融機構的實踐/172
9.5 案例：用機器學習模型判斷用戶風險等級並解決樣本數據不平衡問題/176
第10章 數據驅動的工具箱：數據挖掘和常用建模方法概述/182
10.1 數據分析能力的進階/183
10.2 模型開發的基本流程/184
10.3 數據收集和假設檢驗/189
10.4 因子分析/主成分分析/196
10.5 決策樹/205
10.6 隨機森林算法/210
10.7 梯度提升決策樹/215
10.8 貝葉斯分類/223
10.9 支持向量機/227
10.10 聚類分析/230
10.11 線性回歸和邏輯回歸/235
10.12 推薦算法/243
10.13 神經網路/248
10.14 社交網路分析/256
10.15 文本挖掘/259
10.16 討論：模型的解釋性VS.模型的準確性/268
第11章 模型的評審、驗證和生命周期管理/276
11.1 模型管理的全流程/276
11.2 模型管理系統/277
11.3 模型風險等級/278
11.4 模型檢查的時間點/279
11.5 模型驗證資料庫/279
11.6 模型文檔/280
11.7 模型生命周期管理/281
11.8 討論：模型驗證團隊的架構設計/282
第12章 大數據：用戶忠誠度計畫背後的秘密武器/283
12.1 引言/283
12.2 構建用戶激勵體系，陪伴用戶成長/284
12.3 用戶忠誠度的衡量方法及評價標準/289
12.4 案例：世界十大零售銀行用戶忠誠度計畫簡介/292
參考文獻/300
作者簡介
作者簡介