1、信用卡客户专题分析报告信用卡客户专题分析报告上海陆鹰上海陆鹰2014-122014-12目录? 信用卡存量客户分析 信用卡客户发展现状 信用卡客户分布情况信用卡客户分布情况 信用卡客户资产结构分析 信用卡客户交易行为分析 信用卡客户贡献度分析? 信用卡激活客户特征分析? 信用卡专题分析总结? 信用卡潜在客户挖掘模型评估? 信用卡逾期客户风险模型评估信用卡逾期客户风险模型评估Page 2数据显示，在最近一年中信用卡总卡数稳定增长，各月新增卡数同上月相比有些波动;备注：2月份结存卡环比=(2月结存卡数-1月结存卡数)/1月结存卡数信用卡客户发展现状1、近一年内各月信用卡存量客户趋势及客户环比增长率
2、2、近一年内信用卡完全新增客户及完全新增客户同比增幅数据显示，2014年4月信用卡完全新增客户数最高,最低的是2014年1月；最近一年内完全新增客户同比增幅整体成下降趋势。信用卡客户发展现状3、截止2014年10月末，各地市信用卡客户数发展情况数据显示，信用卡中卡数最多的是台州,舟山信用卡卡数相对较少;信用卡客户发展现状00.511.522.533.544.5杭州温州嘉兴湖州绍兴金华衢州舟山台州丽水万各地市信用卡存量客户数各地市信用卡存量客户数4、截止2014年10月末，各地市营销人员配置情况数据显示，杭州的推广人员数量最多,丽水推广人员数量最低。信用卡客户发展现状目录? 信用卡存量客户分析
3、信用卡客户发展现状 信用卡客户分布情况信用卡客户分布情况 信用卡客户资产结构分析 信用卡客户交易行为分析 信用卡客户贡献度分析? 信用卡激活客户特征分析? 信用卡专题分析总结? 信用卡潜在客户挖掘模型评估信用卡潜在客户挖掘模型评估? 信用卡逾期客户风险模型评估Page 71、各地市信用卡存量卡数及激活卡数占比数据显示，台州总信用卡卡数在各地市中最多,丽水最少;除了杭州，其余地市总卡数中激活卡数占比均在50%以上，最高的是衢州,接近70%左右；杭州激活卡数占比最低。信用卡客户分布情况2、从年龄段上看，信用卡分布占比情况数据显示，信用卡客户主要集中在22岁52岁；22岁以下新增客户占比最高,随着年
4、龄的增长，新增客户占比逐渐减少。信用卡客户分布情况3、从教育程度上看，信用卡分布占比情况数据显示，从教育程度上看,信用卡主要分布在大专，本科，研究生中,分别达到41%，34%和18%。信用卡客户分布情况数据显示，邮政信用卡的分布主要是在县城,占结存卡的54%；农村的信用卡分布为最少，占比为19%。4、截止2014年10月末，各地域信用卡分布占比信用卡客户资产结构分析目录? 信用卡存量客户分析 信用卡客户发展现状 信用卡客户分布情况信用卡客户分布情况 信用卡客户资产结构分析信用卡客户资产结构分析 信用卡客户交易行为分析 信用卡客户贡献度分析? 信用卡激活客户特征分析? 信用卡专题分析总结? 信用
5、卡潜在客户挖掘模型评估信用卡潜在客户挖掘模型评估? 信用卡逾期客户风险模型评估Page 12数据显示，整体信用卡客户资产偏低，约30%的信用卡客户季日均资产为0;43%的信用卡客户季日均资产在5500以下；其中,季日均资产在10万以上的信用卡客户约占总客户数的10%。1、信用卡客户按季日均资产段占比情况信用卡客户资产结构分析2、信用卡客户持有产品种类分析数据显示，信用卡存量客户中只持有1类产品最多,占比达到53%;其中有30%客户未持有我行任何产品；持有三类以上产品的信用卡客户占总客户的7%左右。信用卡客户资产结构分析3、信用卡客户渗透率分析数据显示，各类客户中信用卡客户渗透均不高，其中代发客
6、户渗透率最低，占总客户数的2.8%左右。信用卡客户资产结构分析目录? 信用卡存量客户分析 信用卡客户发展现状 信用卡客户分布情况信用卡客户分布情况 信用卡客户资产结构分析 信用卡客户交易行为分析信用卡客户交易行为分析 信用卡客户贡献度分析? 信用卡激活客户特征分析? 信用卡专题分析总结? 信用卡潜在客户挖掘模型评估信用卡潜在客户挖掘模型评估? 信用卡逾期客户风险模型评估Page 16数据显示，近五个月各月激活客户中账务型交易卡数占比差距不大。其中10月份相对较高，达到47%,6月份较少，达到44%。1、近六个月内，各月信用卡激活卡数中账务型交易卡数占比信用卡客户交易行为分析2、近六个月，各月卡
7、均交易笔数、卡均交易金额趋势分析数据显示，近五个月信用卡卡均交易笔数整体成上升趋势；由于春节因素，1月份卡均交易金额较高。10月份卡均交易笔数最高，接近4笔；9月份卡均交易金额最多，接近5800元左右。信用卡客户交易行为分析3、各年龄段激活卡数中交易卡数占比情况数据显示，各年龄段激活卡数中交易卡数占比差异不大，其中22岁以下及32至47岁年龄段的交易卡数占比略高于其它年龄段。信用卡客户交易行为分析4、各卡龄段激活卡数中交易卡数占比情况数据显示，卡龄段在1个月之内的交易卡数占比最高，约85%左右；卡龄段在两年至三年的交易卡数占比最低，约28%；整体来看，随着卡龄的增加，交易卡数在激活卡数中占比逐
8、渐下降。信用卡客户交易行为分析5、近六个月内信用卡各交易类型、交易渠道交易次数占比情况数据显示，近六个月信用卡交易中，账务型交易笔数最多，占整体交易笔数的93%；其中账务型交易中，POS渠道交易次数最高，占账务型交易笔数的95%。信用卡客户交易行为分析6、从交易卡数及卡均交易笔数上划分客户在POS渠道主要的交易类型横坐标轴为信用卡交易卡数，纵坐标轴为卡均交易次数，纵横坐标轴交叉点分别是卡均交易次数均值及交易卡数均值，通过象限图划分主要交易类型，展开分类对比分析。信用卡客户交易行为分析7、近六个月，信用卡各类交易卡数趋势数据显示，信用卡各类交易卡数中超市购物类交易卡数最高,并且呈现稳定上升趋势;
9、服装影视类及住宿餐饮类在7月，8月及10月份交易卡数有增长趋势。信用卡客户交易行为分析8、从年龄段上看，信用卡进行各类交易的分布情况数据显示，32岁以下年龄段的信用卡交易客户中商城百货类交易客户最高。随着年龄增长，服装类交易客户占比逐渐减小，汽车消费类交易客户占比逐渐增加。信用卡客户交易行为分析数据显示，在32岁至47岁年龄段的信用卡交易客户中商城百货类交易客户占比最高；随着年龄增长，电影院交易客户占比逐渐减少，汽车消费交易客户占比逐渐增加。从年龄段上看，信用卡进行各类交易的分布情况信用卡客户交易行为分析数据显示，在47岁以上年龄段的信用卡交易客户中商城百货类交易客户最高。随着年龄增长，服装类
10、交易客户占比逐渐减少，汽车消费类交易客户占比有所增长。从年龄段上看，信用卡进行各类交易的分布情况信用卡客户交易行为分析目录? 信用卡存量客户分析 信用卡客户发展现状 信用卡客户分布情况信用卡客户分布情况 信用卡客户资产结构分析 信用卡客户交易行为分析 信用卡客户贡献度分析信用卡客户贡献度分析? 信用卡激活客户特征分析? 信用卡专题分析总结? 信用卡潜在客户挖掘模型评估信用卡潜在客户挖掘模型评估? 信用卡逾期客户风险模型评估Page 27数据显示，信用卡收入中有10%的交易客户累计收入超过总收入的50%,定义为A类客户(高);有15%的交易客户累计收入接近总收入的30%,定义为B类客户(中);有
11、55%的交易客户累计收入达到总收入的20%,定义为C类客户(偏低);基本没有收入贡献的信用卡交易客户占20%,为D类客户(低)。1、按照信用卡利息收入贡献度将用户分类信用卡客户利息收入贡献度2、从年龄段上看，各类客户分布情况数据显示，整体四类客户主要集中在22岁至42岁；其中32岁以下A类客户相对其他三类客户占比较少，32岁以上A类客户占比高于其他三类客户。信用卡客户利息收入贡献度3、从性别上看，各类客户分布情况数据显示，四类客户中男性客户均大于女性客户;其中C，D类客户中女性客户相对于A，B类女性客户来说，占比有所增加。信用卡客户利息收入贡献度4、从各职业上看，各类客户分布情况数据显示，整体
12、四类客户单位类型主要集中在公务员、事业单位、国有企业、民营企业。其中公务员 A类客户占比最高 ,D类客户占比最低 ;事业单位中D类客户占比最高，其次是 A类客户;国有企业中 D类客户占比最高，其他三类客户占比差距不大 ;民营企业中 C类客户占比最高 ,A类客户占比最低 ;小商户类型的整体客户占比较少 ,但D类客户占比最低 ;信用卡客户利息收入贡献度5、从教育程度上看，各类客户分布情况数据显示，四类客户教育程度主要集中在大专、本科、研究生；其中大专学历的客户中D类信用卡客户占比最高，A类客户次之。信用卡客户利息收入贡献度6、从消费金额，消费笔数上看，各类客户的交易情况数据显示，A类客户的消费金额
13、最高,B,C,D类客户的消费金额依次下降,D类客户的消费金额最低;四类客户的消费笔数差距不大。信用卡客户利息收入贡献度7、从各交易类型上看，各类客户的分布情况数据显示，商场百货类中四类客户明显高于其他消费渠道；其中商场百货及电器类交易的客户中，A类客户占比最高，B、C、D类客户依次下降，差别明显；服装影视类中A、B、C、D四类客户占比依次上升，D类客户占比最高。信用卡客户利息收入贡献度8、从信用卡额度上看，各类客户的分布情况数据显示，四类客户授信额度主要集中在3千至10万元；其中额度在8千元以下信用卡客户中，AB类客户占比小于CD类客户；8千元以上额度的信用卡客户AB类客户占比明显高于CD类客
14、户。从额度使用率上看，四类客户分布基本相似，额度使用率主要集中在30%以下。信用卡客户利息收入贡献度数据显示，信用卡分期收入贡献中有10%的交易客户累计分期收入接近总分期收入的50%,定义为A类客户(高);有30%的交易客户累计分期收入超过总分期收入的30%,定义为B类客户(中);有50%的交易客户累计分期收入接近总分期收入的20%,定义为C类客户(偏低);基本没有分期收入贡献的信用卡交易客户占10%,为D类客户(低)。9、按照信用卡分期收入贡献度将用户分类信用卡客户分期收入贡献度10、从年龄段上看，各类客户分布情况数据显示，整体四类客户主要集中在22岁至42岁；其中32岁以下A类客户相对其他
15、三类客户占比较少，32岁以上A类客户占比高于其他三类客户。信用卡客户分期收入贡献度11、从性别上看，各类客户分布情况数据显示，四类客户中男性客户均大于女性客户;其中C，D类客户中女性客户相对于A，B类女性客户来说，占比有所增加。信用卡客户分期收入贡献度12、从各职业上看，各类客户分布情况数据显示，整体四类客户单位类型主要集中在公务员、事业单位、国有企业、民营企业。其中公务员 B类客户占比最高 ,D类客户占比最低 ;事业单位中A类客户占比最高，其次是 D类客户;国有企业中 D类客户占比最高，其他三类客户占比差距不大 ;民营企业中 C类客户占比最高 ,A类客户占比最低 ;小商户类型的整体客户占比较
16、少 ,但D类客户占比最低 ;信用卡客户分期收入贡献度15、从各交易类型上看，各类客户的分布情况数据显示，超市类中四类客户明显高于其他消费渠道；其中服装、电影院、百货(商场)类等交易类型中CD类客户占比明显高于AB类客户；家电商行、加油等交易类型中AB类客户占比较高。信用卡客户分期收入贡献度16、从信用卡额度上看，各类客户的分布情况数据显示，四类客户授信额度主要集中在3千至10万元；其中额度在8千元以下信用卡客户中，AB类客户占比小于CD类客户；8千元以上额度的信用卡客户AB类客户占比明显高于CD类客户。从额度使用率上看，四类客户分布基本相似，额度使用率主要集中在30%以下。信用卡客户分期收入贡
17、献度目目录录? 信用卡存量客户分析 信用卡客户发展现状 信用卡客户分布情况信用卡客户分布情况 信用卡客户资产结构分析 信用卡客户交易行为分析 信用卡客户贡献度分析? 信用卡激活客户特征分析信用卡激活客户特征分析? 信用卡专题分析总结? 信用卡潜在客户挖掘模型评估? 信用卡逾期客户风险模型评估信用卡逾期客户风险模型评估Page 42数据显示，5月份至10月份各月信用卡激活率趋势平稳。1、近半年内，各月激活率趋势信用卡激活客户特征分析数据显示，22岁以下客户的信用卡激活率最高，52岁以上客户的信用卡激活率最低;随着年龄的增长，激活率逐步下降；2、从年龄段上看，结存卡在各年龄段激活率趋势信用卡激活客
18、户特征分析数据显示，激活客户中男女差距不大，男性客户占比略高于女性客户；未激活客户中，女性客户占比高于男性客户。3、从性别上看，激活、未激活卡数占比情况信用卡激活客户特征分析数据显示，民营企业，小商户等信用卡激活率要高于公务员，事业单位及国有企业；其中小商户交易客户中信用卡激活率最高，接近70%；事业单位客户的信用卡激活率为最低，不到50%。4、从单位性质上看，结存卡在各类单位的激活率情况信用卡激活客户特征分析数据显示，整体信用卡客户激活时间期限主要集中在3个月以内及1年以上；其中，发卡一年以上激活的客户占了18%。5、从发卡日到激活日相隔时间上看，各时间段内激活客户占比信用卡激活客户特征分析
19、数据显示，整体信用卡客户激活时间距首次刷卡期限主要集中在3个月以内，卡数占比达到90%以上；其中，激活一周内刷卡的卡数占比达到51.54%。6、从激活日到首次刷卡日相隔时间上看，各时间段内激活客户占比信用卡激活客户特征分析数据显示，发卡1周至2周内激活的信用卡客户在22岁年龄段占比最高，随着年龄的增长明显呈下降趋势；发卡1年以后激活的信用卡客户在22岁年龄段占比最低，随着年龄的增长明显呈上升趋势。7、从年龄段对比分析发卡后不同激活时间的信用卡卡数占比信用卡激活客户特征分析数据显示，发卡1周至2周内激活的信用卡客户单位类型主要集中在民营企业，小商户及其他类；发卡1年后激活的信用卡客户单位类型主要
20、集中在公务员，事业单位，国有企业。8、从单位类型对比分析发卡后不同激活时间的信用卡卡数占比信用卡激活客户特征分析目目录录? 信用卡存量客户分析 信用卡客户发展现状 信用卡客户分布情况信用卡客户分布情况 信用卡客户资产结构分析 信用卡客户交易行为分析 信用卡客户贡献度分析? 信用卡激活客户特征分析? 信用卡专题分析总结信用卡专题分析总结? 信用卡潜在客户挖掘模型评估? 信用卡逾期客户风险模型评估信用卡逾期客户风险模型评估Page 51综上所述：1. 近一年我省信用卡卡数增长比较稳定 ,月均增幅约 8千，新增客户同去年相比增幅整体成下降趋势，随着年龄的增长，新增客户占比逐渐减少。2. 我省信用卡客
21、户主要分布在县城，占存量卡的54%，城市客户占 27%，农村客户占19%。以杭州为例，杭州推广人员较多，但信用卡存量客户和新增客户相对较少，且信用卡激活率较低，不到 50%。3. 我省信用卡客户资产偏低，且客户忠诚度不高。信用卡客户在各类客户中渗透率均低于 10%，其中信用卡客户在代发客户中渗透率最低，约2.8%。4. 从交易卡数上看，近五个月信用卡激活卡数中交易卡数占比约45%左右，其中10月份最高，达到 47%；6月份较低，约 44%。随着卡龄的增长，信用卡激活客户中交易卡数占比逐渐减少。5. 从交易次数上看，近五个月信用卡交易笔数有所增长，其中账务型交易次数最多，占总交易次数的 93%;
22、账务型交易中 POS渠道交易最高，占账务型交易次数的95%。从交易金额上看，近五个月信用卡交易金额成上升趋势，其中9月份最高，达到 5800元/人。信用卡专题分析总结6. 从交易类型上看，超市类信用卡交易卡数占比最高，且近五个月成稳定上升趋势；服装影视类及住宿餐饮类在 7月，8月及10月份交易卡数有增长趋势。随着年龄的增长，服装影视类交易卡数占比逐渐减少，汽车消费类交易卡数占比逐渐增加。7. 从我行信用卡收益上看，有贡献的信用卡客户年龄主要集中在22-47岁，其中男性客户贡献高于女性客户。8. 从信用卡额度使用上看，高贡献客户信用卡额度偏大，但额度使用率和其他客户无明显差距，均在 30%以下，
23、有接近 10%的客户额度使用率达到 80%以上。9. 从信用卡激活上看，近五个月来信用卡激活率趋势平稳，激活率均在57%左右。其中22岁以下客户的信用卡激活率最高，随着年龄的增长，激活率逐渐下降；激活客户中男性客户略高于女性客户，未激活客户中女性客户高于男性客户；民营企业，小商户等信用卡激活率要高于公务员，事业单位及国有企业，其中事业单位客户最低，激活率仅有48%。信用卡专题分析总结10. 从发卡日到激活日相隔时间上看，信用卡客户激活时间期限主要集中在3个月以内及1年以上；年龄越大的客户激活时间期限可能较长；有18%客户激活时间在一年以上，此类客户主要集中在 42岁至52岁以后，单位类型集中在
24、公务员，事业单位，国有企业。信用卡专题分析总结目目录录? 信用卡存量客户分析 信用卡客户发展现状 信用卡客户分布情况信用卡客户分布情况 信用卡客户资产结构分析 信用卡客户交易行为分析 信用卡客户贡献度分析? 信用卡激活客户特征分析? 信用卡专题分析总结? 信用卡逾期客户风险模型评估信用卡逾期客户风险模型评估? 信用卡潜在客户挖掘模型评估信用卡潜在客户挖掘模型评估Page 55样本选择与建模数据集划分? 样本范围样本范围最近5个月发生过信用卡消费、取现、分期任一类交易类型的客户客户数：123003逾期客户数目为 11941，未逾期客户数目为 111062，逾期占比 10.75%? 建模样本随机抽
25、样划分建模样本随机抽样划分将数据集按 8/2比例随机划分为训练集和验证集。Page 57Page 57?对于模型选定的 89013个正常账户，有 79826个判断正确，正确率为 89.68%，建模选定的 9562个逾期账户中有 8605个判断正确，正确率为 89.99%，模型总的回判正确率为 89.71%。通过验证集对模型进行验证，总的回判正确率达到89.82%，模型预测效果较好 。实际分类预测分类训练集验证集正常逾期百分比校正正常逾期百分比校正正常79826918789.68%19813226789.86%逾期957860589.99%249213089.53%总体百分比89.71%89.8
26、2%建模效果评估Page 58Page 58?验证结果可以看出： 2014年10月的逾期客户共 3258个，其中预测正确的为 2968个，模型的回判结果正确率为 91.10%，模型预判效果良好，模型可行。实际分类实际分类预测分类预测分类正常逾期百分比校正逾期290296891.10%总体百分比91.10%模型外部审计评估? 为了更进一步验证模型的准确性，我们选取最新的逾期数据2014年10月1日-2014年10月31日信用卡逾期客户（共 3258个逾期客户）进行验证。? 对上面取到的 10月份的逾期客户数据进行预处理，并对处理后的数据应用挖掘出的模型参数，来对模型进行验证评估。目目录录? 信用
27、卡存量客户分析 信用卡客户发展现状 信用卡客户分布情况信用卡客户分布情况 信用卡客户资产结构分析 信用卡客户交易行为分析 信用卡客户贡献度分析? 信用卡激活客户特征分析? 信用卡专题分析总结? 信用卡逾期客户风险模型评估? 信用卡潜在客户挖掘模型评估信用卡潜在客户挖掘模型评估Page 59Page 60? 样本范围截止到2014年10月31日，我行储蓄客户最近三个月交易情况及我行现有信用卡客户办理信用卡前三个月储蓄卡的交易情况；客户数：528374信用卡客户 48497，潜在客户 479877，信用卡客户占比 10.1%? 建模样本随机抽样划分经过数据的预处理步骤，最后用于建模的数据共5267
28、89个，将数据集按 8/2比例随机划分为训练集和验证集。样本选择与建模数据集划分Page 61Page 61判定结果：判定结果：对于模型选定的 383150个未办理信用卡的账户，有 279294个判断正确，正确率为72.89%；建模选定的 38701个已有信用卡账户中有 28298个判断正确，正确率为73.12%，模型总的回判正确率为 72.91%，通过验证集对模型进行验证，总的回判正确率达到 72.93%，模型预测效果较好 。已观测已观测已预测训练集验证集01百分比校正01百分比校正027929410385672.89%695142581072.92%1104032829873.12%259
29、9701572.97%总体百分比72.91%72.93%建模效果评估从客户资产和pos月均交易笔数可以看出：潜在客户与信用卡客户的资产、交易笔数比较相近，而普通客户的资产高，pos交易笔数明显低于潜在客户和信用卡客户。潜在客户：为模型筛选出的客户，其它为普通客户；信用卡客户：截止2014年10月末存量信用卡客户。根据潜在客户与普通客户最近三个月的交易数据，以及信用卡客户办理信用卡前三个月储蓄卡的交易数据。以下为三类客户特征对比分析：三类客户特征对比分析（1）从网银渠道、 ATM渠道的月均交易情况看，普通客户的月均交易金额和交易笔数都比较低，而潜在客户与信用卡客户交易金额和笔数明显高于普通客户。三类客户特征对比分析（2）从月均取款金额和笔数情况看，普通客户的月均取款金额和取款笔数都比较低，而潜在客户与信用卡客户取款金额和笔数明显高于普通客户。三类客户特征对比分析（3）从月均支付金额和月均消费金额情况看，普通客户的月均支付金额和消费金额都比较低，而潜在客户与信用卡客户支付金额和消费明显高于普通客户。三类客户特征对比分析（4）三类客户特征对比分析总结总之：从前面的分析结果可以看出普通客户与潜在客户和信用卡客户在资产类、渠道类、交易类的重要指标 (模型选入的指标）上相差比较大；而潜在客户与信用卡客户之间相差不多。由此表明模型的划分效果比较好。
