数据挖掘实战：聚类分群实现精准营销

Python数据科学

发布于 2023-12-13 16:01:04

1930

发布于 2023-12-13 16:01:04

文章被收录于专栏：Python数据科学Python数据科学

本次分享一个通过聚类实现精准营销的实战项目。

风控中分群介绍

本实战案例介绍如何通过无监督的聚类算法对银行客户进行分群。所谓物以类聚，人以群分，有相似属性、行为特征等的客户就可以聚合为一类人群。在信贷风控中，聚类分群多应用于没有Y标签的场景，如反欺诈、客户画像等。

以反欺诈为例，现在我们想抓出黑产，但有没有Y标签无法使用监督学习训练模型，这时就可以先找出有可能识别出黑产的一些特征数据，比如设备信息、行为操作信息、地址信息等，通过聚类算法就可以将操作频率高、地址切换频率高这种异常行为的人群归为一类，从而打出黑产的标签。

当然，此时的标签还有待考证，但至少是一种维度的参考，可以参与到策略的使用中，比如我们可以将黑产标签设计成一个弱规则，与其他规则组合使用来判断客户风险。通过上线的监测观察来检验标签的识别效果。

再比如，我们现在有客户的基础属性、业务等画像数据，想对客户的价值高低进行识别，从而能够有针对性的进行产品营销。此时同样可以通过聚类划分出对业务影响不同程度的客群，然后再以此设计策略。

数据&需求

以下数据为银行客户的信息和业务画像数据，营销策略部的业务需求是拟通过聚类对客户价值进行分层，以此设计营销白名单。

df = pd.read_excel('cluster_split_sample.xlsx')

字段含义：

if_new：是否为新客，1代表新客，0代表老客
if_online：是否为线上渠道进件，1代表线上，0代表线下
edu_level：学历，包括初中、高中、本科、硕士、博士
query_cnt：近12个月征信机构查询次数
age：年龄，20到60岁
consume_index：消费指数，对个人信用卡、三方支付等渠道的消费能力评估，越高代表消费能力越强
active_index：平台活跃指数，对个人在平台行为的活跃度描述，越高代表活跃度越高
asset_index：资产指数，对个人存款、理财、股票、期货等金融资产的加总评估，越高代表资产越大
stable_index：稳定指数，对联系方式、地址、职业的综合稳定性评估，越高代表越稳定
risk_index：风险指数，对个人消费贷、房贷、车贷、经营贷的综合风险评估，越高代表风险越大

Kmeans聚类

聚类有很多算法，比如kmeans、Hierarchical、DBSCAN、Spectral、GMM等，这里选择比较常用的kmeans算法。

聚类簇数

kmeans聚合的关键是选取合适的簇，也就是分群的数量。下面通过肘部拐点法和轮廓系数的分析进行筛选。

使用yellowbrick进行拐点可视化分析。遍历了2到10的簇数，然后给出最优拐点为5的结果。

from yellowbrick.cluster import KElbowVisualizer
n_min = 2
n_max = 10
model = KMeans(init = 'k-means++', random_state = 40)
visualizer = KElbowVisualizer(model, k=(n_min,n_max), timings=False)
# 可视化
visualizer.fit(df_clu)
visualizer.show()

然后，计算轮廓系数并进行可视化。可以看到，除了1以外最好的结果也是5。

silhouette_scores = [] 

for cluster in range(n_min,n_max):
    kmeans = KMeans(n_clusters=cluster, random_state=40).fit_predict(df_clu)
    sil_score = metrics.silhouette_score(df_clu,kmeans, metric='euclidean')
    silhouette_scores.append((cluster, sil_score))
    
# 可视化对比结果
plt.bar([a for a,_ in (silhouette_scores)], [b for _,b in (silhouette_scores)]) 
plt.title ('Silhouette Scores per Cluster')
plt.xlabel('Number of clusters', fontsize = 10) 
plt.ylabel('Silhouette Score', fontsize = 10) 
plt.show()

构建模型

确定用5作为最终的簇数，并将数据输入到kmeans聚合算法构建模型。

n_clu = 5
model = KMeans(n_clusters=n_clu, random_state=40)
# 给每个样本输出分类
df['cluster'] = model.fit_predict(df_clu)

得到聚类以后，首先来看下各类下的样本数量占比分布。

# 群簇数量分布可视化
plt.hist(df['cluster'], bins=range(n_clu+1))
plt.title ('Customers per Cluster')
plt.xlabel('Cluster')
plt.ylabel('Customers')
plt.show()

可以看到，没有数量特别少的类别，分群3的占比是最多的。

类别分析

为了证实我们的分群是有起到分层效果的，对分群下的各个维度特征进行可视化分析，对比各分群的差异。

# 分群后的画像特征
plt.figure(figsize=(10,10))
for i in range(0,len(index_lst)):
    plt.subplot(3, 2, i+1)
    sns.barplot(x='cluster',y=index_lst[i],data=df, palette="husl")
    plt.title(index_lst[i])
    plt.tight_layout()

# 各分群下的指数分布
for column in index_lst:
    plt.figure(figsize=(15,3))
    for i in range(0,n_clu):
        plt.subplot(1,n_clu,i+1)
        cluster = df[df['cluster']==i]
        cluster[column].hist(color="g")
        plt.title('{} \n{}'.format(column, i))
        
    plt.tight_layout()
    plt.show()

通过以上可视化结果，我们对5个类定义出不同的特征表现，并用雷达图进行效果展示。

r1 = pd.Series(model.labels_).value_counts()  # 统计各个类别的数目
r2 = pd.DataFrame(model.cluster_centers_)  # 找出聚类中心
r = pd.concat([r2, r1], axis=1)   # 得到聚类中心对应的类别下的数目
r.columns = index_lst + [u'类别数目']  # 重命名表头

max = r2.values.max()
min = r2.values.min()
# 绘图
fig=plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, polar=True)
center_num = r.values
feature = ["消费指数","活跃指数","资产指数","稳定指数","风险指数"]
N =len(feature)
for i, v in enumerate(center_num):
    # 设置雷达图的角度，用于平分切开一个圆面
    angles=np.linspace(0, 2*np.pi, N, endpoint=False)
    # 为了使雷达图一圈封闭起来，需要下面的步骤
    center = np.concatenate((v[:-1],[v[0]]))
    angles=np.concatenate((angles,[angles[0]]))
    # 绘制折线图
    ...
    # 设置雷达图的范围
    ax.set_ylim(min-0.1, max+0.1)
    # 添加标题
    plt.title('客户群特征分析图', fontsize=20)
    # 添加网格线
    ax.grid(True)
    # 设置图例
    plt.legend(loc='upper right', bbox_to_anchor=(1.3,1.0),ncol=1,fancybox=True,shadow=True)

# 显示图形
plt.show()
# plt.savefig("客户群特征分析图.jpg",dpi=200)

价值分层&策略设计

在对分群特征分析之后，可以判断出不同客群的典型特征，结合对业务的理解划分出不同价值程度的分类。

客群5：消费能力强、资产质量好、风险低，活跃度极差，是需要重点挽留的高价值客群；
客群3：消费能力强、资产质量好、风险低，活跃度较差，是需要促活的高价值客群；
客群2：风险中低，资产、消费、活跃均衡，稳定性高，是需要继续维持的中高价值客群；
客群1：与客户群2类似，但稳定度差一些，是需要继续维持的中高价值客群；
客群4：高风控的下沉人群，同时活跃度较高，存在多头的风险，是需要避免的高危低价值客群；

业务或者策略人员可以针对这个分层设计相应的营销策略。

客群	特点	策略建议
客群5	高价值，但不活跃	重要挽留，给这类客户筛出为白名单，调整产品权益如提高额度、降低利率，进行电话营销防止流失
客群3	高价值，中等活跃	重要发展，临到期客户提前电话营销促成复购；对已到期存量客户通过PUSH、短信推送营销活动
客群2&客群1	中高价值、中等活跃	重要维持，临到期客户提前电话营销促成复购；对已到期存量客户通过PUSH、短信推送营销活动
客群4	低价值，高风险，高活跃	不考虑营销此类客群，如果有高利率产品进行下探，可以小范围内尝试，进行适当的回捞