理财产品推荐指导系统的研究与设计

王晓鑫 冯永祥

摘要：随着Internet和银行理财业务的快速发展，信息技术在银行理财业务中被广泛应用。针对银行理财交易信息存量的不断增长，以及传统营销中存在的人为疏漏所导致的非必要错误的情况，提出适用于理财客户的RFM模型结合信息技术对理财营销人员进行系统化管理，实现理财产品推荐指导系统的设计，从而实现人力资源集中整合管理，并高效指导营销人员对客户进行有针对性推荐服务的目的。

关键词：信息技术；RFM模型；推荐指导

中图分类号：TP302.1 文献编码：A 文章编号：1009-3044（2018）15-0101-05

Research and Design of the Recommendation Guidance System for Financial Products

WANG Xiao-xin， FENG Yong-xiang

（School of Data Science and Application， Inner Mongolia University of Technology， Hohhot 010080， China）

Abstract： With the rapid development of Internet and bank wealth management services， information technology has been widely used in banking wealth management services. In view of the growth of bank financial transaction information stock and the non-essential error caused by the human omission in traditional marketing. Combining information technology with the management of financial marketing personnel， the RFM model is presented. The design of financial product recommendation guidance system is realized. The purpose of the integrated management of human resources and the effective guidance of marketing personnel for the targeted recommendation of customers is realized.

Key words： information technology； RFM model； recommended guidance

1 背景

我國银行业的理财业务营销多为手工方式，操作环节多、流程长，经常因人为因素导致不必要的疏漏，不仅浪费人力物力增加运营成本，还无法利用现有的信息对客户进行准确有针对性的理财营销，使得很多客户无法保持活跃。同时因日益发展的银行理财，增加的理财客户对理财交易量的递增，使得银行留存大量的客户交易信息[1]。如何运用现有的数据对客户进行分析研究，并且通过分析结果对营销管理进行高效的管理，将量的递增转变为质的提升是银行理财对客户营销的一大考验。信息技术的发展对银行业中客户营销服务质量的提升有极大的帮助作用[2]。

针对当前发展形势和银行业理财业务营销的缺陷，建立营销人员管理及产品推荐指导的综合系统，不仅可以减少业务中的疏漏，还可以高效地对营销服务进行跟踪，同时利用大数据分析技术对大量的信息进行整合处理，结合交易信息分析出客户行为，从而达到对客户细分的目的。这样既可以减少运营成本，同时又能提升客户服务的质量。

2 相关理论及技术

2.1 理财客户细分中的RFM模型

虽然RFM模型是客户细分的常用的方法，但是RFM的指标还需要根据具体情况进行优化改进，以便于适用银行理财客户的交易信息分析[3]。如果按照传统RFM指标，仅以客户最后一个交易距离测试时间点的间隔天数进行统计，那么无法对银行理财客户的交易时间跨度进行分析，也无法区分新老客户；如果某客户在一定时期内频繁对开放式理财产品进行赎回再购买交易，交易频次将会是一个很大的数，无法准确分析出客户的细分频度标准，同时由于投资金额是累加值，在此情况下将会非常的大，明显不合理。所以银行理财客户细分中的RFM模型无法适用传统RFM指标。为此，本文提出了对封闭式理财产品交易信息的客户季度平均投资来考虑的理财客户细分的RFM模型，传统的RFM指标和理财客户细分中的RFM指标对比如表1所示。

2.2 相关技术

系统主要采用SSHM技术，应用Struts+ Spring+ Hibernate三层体系架构，结合Maven技术对项目jar包的版本进行统一管理并进行开发，这使得开发人员可以清晰系统结构，并具有可复用性的优点，也使得运维人员从层次架构上可以更清晰的理解减少运维成本[4-5]。系统利用Spark On Yarn大数据平台对客户交易数据进行聚类分析，其中利用Sqoop数据同步传输技术进行关系型数据库与文件系统之间的数据互通[6-8]。

系统应用上述开发架构和技术手段不仅实现了对应用层，业务逻辑层和数据访问层的清晰化层次结构管理，同时还有效分离了数据持久层与逻辑层。与此同时利用先进的大数据平台加强了系统的运营效率，并减少了时间和空间成本，大大提高了开发效率，使得系统的实现及后期对系统的运维变得简单高效。

3 理财产品推荐指导系统

3.1 设计目的

根据用户实际的业务流程和功能需求确定系统的整体架构由两大部分组成，一方面是理财产品营销指导管理，其中包括系统管理、客户管理、风险管理、运营管理和营销人员管理等功能。另一部分是数据分析推荐指导，其中包括理财产品营销指导推荐管理功能，利用对改进的RFM模型分析并结合数据挖掘技术，分析客户交易数据中隐含的信息，跟踪顾客的购买趋势，划分客户群体，为企业经营提供决策性支持。实现理财产品营销指导中指导营销人员及数据信息管理的整个过程，严格遵照中国银监会印发《商业银行理财产品销售管理办法》的相关条例，确保业内行为规范，保证客户信息安全。

3.2 系统总体分析与设计

通过对适合封闭式理财客户的RFM客户细分模型在系统内的建模，在Oracle关系型数据库对模型所需数据进行处理。编写Linux脚本语言将Oracle关系型数据库和HDFS分布式文件系统用Sqoop数据传输技术进行相互数据传输。并利用Spark On Yarn平台结合K-means数据挖掘技术，对标准模型数据进行封闭式理财产品的客户交易数据的RFM客户细分的聚类分析，挖掘有价值的关联信息。最终对适合理财客户的RFM客户细分模型的结果进行解释，为传统银行业带来更多潜在于客户交易行为中的推荐指导机会。根据系统的业务需求，对该系统进行总体分析，并设计出理财产品推荐指导系统的结构图，如图1所示。

3.3 系统功能模块设计

根据系统的需求分析与设计目的，可将理财产品推荐指导系统划分为以下六个主要功能管理模块。主要功能管理模块包括：系统管理模块、客户管理模块、风险管理模块、营销人员管理模块、营销推荐指导管理模块和运营管理模块。系统功能管理模块示意图如图2所示。

根据需求分析并结合实际的业务需求，将主要功能管理模块再进一步进行子功能模块划分。

3.3.1 系统管理模块

系统管理模块：包括三部分的功能管理子模块，系统参数管理、用户管理和系统操作管理。分别对系统内所需参数、操作用户和系统操作信息进行系统化统一管理。系统管理模块由科技管理人员负责进行配置维护，主要系统管理模块的操作流程如图3所示。

1）系统参数管理模块，包括机构管理、系统参数设置和数据字典管理三个主要功能。

2）用户管理模块，包括用户信息管理，角色菜单管理和在线用户管理三个主要功能。

3）系统操作管理子模块，包括操作日志管理和公告信息管理两个主要功能。

3.3.2 运营管理模块

运营管理模块：主要是通过批量信息管理子模块对前台系统和后台批量进行操作和信息交互。

运营管理模块由科技管理人员负责进行配置维护，操作流程如图4所示，其中特别标明了模型数据处理的内部信息流程，以便获取主要的模型内部信息用以查询展示。

3.3.3 风险管理模块

风险管理模块：主要通过风险管理子模块对风险评估信息进行统一管理维护。风险管理模块由营销管理人员负责进行风险评估题目相关信息的配置维护，主要风险管理模块操作流程如图5所示。

3.3.4 客户管理模块

客户管理模块：包括两个功能管理子模块，理财客户信息管理和风险承受能力管理。通过对客户的相关信息查询及风险承受能力的管理进一步完善营销推荐指导系统的功能。客户管理模块由营销人员负责进行客户信息查询，对客户进行风险承受能力评估及相关评估信息查询，主要客户管理模块的操作流程如图6所示。

1）理财客户信息管理模块，包括客户资料查询和签约账号查询两个主要功能。

2）风险承受能力管理模块，包括风险评估流水查询，客户风险等级查询，风险承受能力评估三个主要功能。

3.3.5 营销人员管理模块

营销人员管理模块，包括三个功能管理子模块，基本信息管理、客户归属管理、违规投诉信息管理。通过对营销人员相关信息录入操作，以便达到对营销人员的规范化具体管理的目的。营销人员管理模块主要由营销管理人员负责对客户归属、营销人员基本信息、培训信息进行变更和查询，同时包括对违规和投诉记录进行录入处理；营销人员可对违规和投诉信息处理意见进行查询。营销人员管理模块的操作流程如图7所示。

1）基本信息管理模块，包括营销人员信息管理和培训信息管理两个主要功能。

2）客户归属管理模块，包括客户归属变更和客户归属批量变更两个主要功能。

3）违规投诉信息管理模块，包括违规信息管理和投诉信息管理两个主要功能。

3.3.6 营销推荐指导管理模块

营销推荐指导管理模块，包括五个功能管理子模块，理财产品信息管理、营销管理、RFM数据管理、客户分级信息管理和客户交易信息管理。通过对客户交易信息进行改进的RFM模型构建以便达到客户细分模型建立，进而有效的指导产品营销推荐的目的。

营销推荐指导管理模块由营销管理人员根据模型构建后产生的相关信息对营销人员进行营销指导，同时可根据客户聚类分级信息对客户分级信息进行了解，从而更好地指定营销活动计划；营销人员可按照操作顺序对客户详细交易信息、RFM汇总交易信息、客户聚类分级信息进行查询，同时可以根据客户需求输入客户编号为客户推荐适合产品或查询不适合产品。营销推荐指导管理模块的操作流程如图8所示。

1）理财产品信息管理模块，主要通过产品信息查询功能对在售或者已销售的理财产品进行综合查询与条件筛查的功能。

2）营销管理模块，包括营销活动管理和营销日志管理两个主要功能。

3）RFM数据管理模块，包括RFM分析评分信息、近度基准分值查询、頻度基准分值查询和值度基准分值查询四个主要功能信息。

4）客户交易信息管理模块，包括RFM汇总信息查询和客户详细交易信息查询两个主要功能。

5）客户分级信息管理模块，包括客户聚类信息查询和产品推荐指导查询两个主要功能，对客户分级后的信息进行推荐指导。

理财产品推荐指导查询界面如图9所示。

当RFM模型建立后营销人员可以通过在产品推荐指导查询中的输入客户的编号并选择赌赢的适合或者不适合的理财产品对客户进行营销推荐。具体产品推荐流程图如图10所示。

根据客户分级信息可以对对应聚类内的客户进行有针对性的营销推荐指导并结合其风险等级进行合理的产品推荐，以便达到营销指导的目的。具体系统内客户聚类分级信息展示如图11所示。

4 结束语

根据客户细分在银行理财产品推荐指导的发展现状，同时还借鉴理财产品推荐指导系统在实践中存在的问题，并结合真实项目需求，利用现代化技术来进一步完善系统，从而设计出基于客户交易行为细分的，适合于银行理财产品推荐指导所需的系统，为此来提高人员管理质量，并可以有效增强客户评价体系，还可以进一步提升客户对营销人员推荐的服务体验。為进一步提升银行营销服务水平，以及挖掘客户潜在能力作出了重要的贡献。

参考文献：

[1] 林萌菲， 张德鹏， 薛东飞. 感知风险与利益对顾客忠诚的影响——以银行理财顾客为例[J]. 企业经济， 2017（5）： 86-93.

[2] 涂永红， 黄健洋， 刘娜. 以客户为导向的商业银行信息管理研究[J]. 现代管理科学， 2017（1）： 3-5.

[3] 吴晓雪. 基于RFM改进模型的互联网金融平台用户细分研究[D]. 北京： 北京交通大学， 2016.

[4] 董袁泉. 基于MVC模式的Struts框架研究与应用[J]. 电脑编程技巧与维护， 2010（22）： 25-26.

[5] 朱妙. 基于SSH框架的银行内部办公自动化系统设计与开发[D]. 长沙： 湖南大学， 2016.

[6] 岑凯伦， 于红岩， 杨腾霄. 大数据下基于Spark的电商实时推荐系统的设计与实现[J]. 现代计算机， 2016（24）： 61-69.

[7] Huang W， Meng L， Zhang D， et al. In-Memory Parallel Processing of Massive Remotely Sensed Data Using an Apache Spark on Hadoop YARN Model[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing， 2017， 10（1）： 3-19

[8] 于金良， 朱志祥， 梁小江. 一种基于Sqoop的数据交换系统[J]. 物联网技术， 2016， 6（3）： 35-37.

[9] 王强. 基于CRM数据系统对电信客户细分的模型设计与实现[D]. 成都： 电子科技大学， 2011.

[10] 李斌. CMMI软件过程的低成本化研究与实践[D]. 成都： 电子科技， 2006.