在银行等金融机构的信贷业务中，围绕存量客户的数据分析与价值挖掘，始终是客户管理体系的核心思想。针对存量客户群体的类型划分与画像描述，是实现客户价值评估以及精准营销的重要前提，也是业务创益增收的必要条件。

1、客户分类与画像场景

我们经常提到的客户分类与客户画像，是数据分析任务比较熟悉的场景，二者本质上都是对存量客户样本的数据分析，但最明显的区别是客户分类结果重在“宏观”上的群体类别，而客户画像结果旨在“微观”上的特征描述。换一句话来讲，客户分类可以不需要细节总结，客户画像可以不考虑类型划分。当然，客户分类与客户画像的关系也非常密切，先“宏观”分类再“微观”画像的应用思路，在实际业务场景中更为常见且效果更佳。在具体实践过程中，客户分类相比客户画像在实现方法上往往更为复杂，不是简单的通过描述性统计分析便得到样本分类，而是需要借助于相关业务指标或者模型算法。一种情况是结合实际业务理解，选取某个或多个维度指标作为分类依据，然后选取合适的阈值划分类型；另一种情况是依靠机器学习模型来训练完成，常见的主要为聚类模型算法，例如Kmeans、DBSCAN等。当客户群体完成分类后，可以针对每类客户群体，从某些业务解释性较好的特征着手，通过简单的描述统计值来刻画出客户分布的特点，这样便实现客户群体的画像。这里简单举个例子，假设有一批存量客户数据，特征为年龄、婚姻状况、教育程度、住房类型、月收入金额等字段，可以先通过Kmeans聚类模型对样本进行聚类分析，例如定义聚类数量K=3，则可以得到3个客户簇类，接着根据每个簇类样本群体，依次统计客户特征的均值与极值等，例如第1簇类群体，平均年龄为36岁，大多数已婚，教育程度平均学历为大学本科，住房类型多数为自置有按揭，月收入平均约为2万元等。这个分析与描述过程，可以认为是客户分类与客户画像有效结合，在实际场景中有很多类似的场景应用。

2、实例样本介绍与分析

为了便于大家对客户分类与客户画像的进一步熟悉与理解，接下来我们围绕具体的实例样本数据，来完成客户样本数据的分类与画像。本文选取的样本数据包含10000条样本与9个字段，部分数据样例如图1所示。其中，id为样本客户主键，income_type、city_level、consume_index、bankcard_count等为特征变量，label为客户贷后逾期表现（1/0代表是否逾期），具体的特征字典如图2所示。

编辑

添加图片注释，不超过 140 字（可选）

图1 样本数据样例

​

编辑

添加图片注释，不超过 140 字（可选）

图2 特征字典说明

由于字段income_type、city_level的取值类型为字符型，相关数值分布如图3、图4所示，此类特征在描述性统计过程中不便于数据分析，因此这里采用label编码方式将此类特征进行取值转换，具体实现过程详见知识星球代码详情。。在特征编码过程中，结合特征在实际业务的理解，赋予取值的比较关系，例如特征income_type（月收入等级），取值L1/L2/L3代表月收入依次升高，在label转化过程可以分别赋予1/2/3。

​

编辑

添加图片注释，不超过 140 字（可选）

图3特征income_type分布

​

编辑

添加图片注释，不超过 140 字（可选）

图4 特征city_level分布

3、客户分类探索与实现

首先我们来对客户群体进行分类，这里不采用机器学习聚类算法来实现，而是通过某个业务解释性较好且区分度较好的特征来划分客户类别。从特征字典表可以看出，贷前信用评分score在客户综合风险的衡量维度上，可以很好的量化出客户之间的差异，从而在业务理解方面可实现客户的有效分类，因此我们将根据特征score来进行分析。这里需要注意的是，特征label（贷后逾期状态）虽然能够直接体现客户的风险程度，但将客群仅分为好坏2个分类对客户精细化管理的效果欠佳。在确定了客户分类的特征指标score之后，接下来需要明确的重点是围绕特征划分区间的具体标准。由于特征score的含义是信用风险评分，且样本观测均有好坏表现的标签label（0/1），因此可以通过不同分数区间的坏账率大小来实现客群分类。为了更全面描述信用评分的数据分布趋势，以及连续区间的坏账率变化情况，我们通过特征分箱的思想，将连续型的信用评分进行离散化，具体实现过程详见知识星球代码详情。，输出结果如图7所示。

​

编辑

添加图片注释，不超过 140 字（可选）

图7 评分离散化结果

对于上图的评分分布，我们通过连续区间的数据表现可知，随着信用评分（score）的不断升高，坏账率（badrate）逐渐降低，具体分布如图8所示，单调性趋势较好，可以直接说明信用评分对用户风险的区分度效果是比较好的。

​

编辑

添加图片注释，不超过 140 字（可选）

图8 评分数据表现

根据评分score与坏账badrate的分布趋势，我们考虑将badrate较为接近的评分区间作为同一类别，同时结合区间样本量大小，将占比较大者单独成箱，占比较小着多箱合并。按照以上逻辑标准，围绕上图的客户评分表现结果，这里考虑将客户群体划分为6个类别，分别为:[382,434]、(434,460]、(460,486]、(486,513]、(513,539]、(539,644]。因此，客户群体通过信用评分score细分为6类，这里采用flag=1~6来表示，具体实现过程详见知识星球代码详情。，客户分类的频数分布如图10所示。

​

编辑

添加图片注释，不超过 140 字（可选）

图10 客户分类分布

4、客户画像方案与实现

根据客户的信用风险程度高低，我们完成了客户群体的有效分类，接下来围绕每类客群的分布特征进行画像描述。虽然实例样本的特征包含8个，但字段score、label已作为客户分类的依据，因此客户画像的描述性特征将选取其他6个字段。在实际场景中，若分析变量池的字段较多，必然会选取业务解释性较强的部分特征来描述分析。样本群体分布的可解释性维度，可以优先考虑描述性统计值，例如频数、占比、平均值、最大值、最小值等，不仅便于业务理解，而且易于特征描述，因此这里通过此种方式来实现客户画像。为了快速得到各类客群的常见统计值，我们在Python环境中采用describe()函数来完成。针对某一类客群（以flag=1举例）的具体实现过程为data[data[flag]==1].drop(columns=[score,label]).describe()，结果如图11所示。为了将此客群与整体客群对比，我们输出全量样本的分布，具体如图12所示。

​

编辑

添加图片注释，不超过 140 字（可选）

图11客群1特征分布

​

编辑

添加图片注释，不超过 140 字（可选）

图12 全量客群特征分布

针对上图分析结果，我们重点分析count、mean、max、min等指标，这里简要描述下客群1（flag=1）的分布特点：客户群体1的数量为819，占全量样本的8.19%；平均月收入等级为L1；居住城市平均等级为B；消费能力整体系数为0.21，相比全量客群的平均系数（0.37）偏低；近12个月银行卡转账次数平均为35次，也低全量客群情况（约46次）；近3个月航旅出行次数平均接近2次，明显低于全量客群的平均4次；近6个月申请贷款失败次数约为1次。这里可以初步看出，客群1的整体消费能力一般，且航旅出行的偏好程度较低。对于其他类型客群，都可以按照以上分析思路来描述客户画像，以此来了解每类客户的特点，为风险控制或精准营销等策略提供客观的信息参考。综合以上内容介绍，我们围绕一批存量客户样本，依次实现了客户分类与客户画像，较好的分析描述出客群的分布特点。此外，本文实例的客户分类，由于信用风险评分的量化，也可以理解为客户分层，但分层是分类的一种情况，可以体现出客群之间的比较差异，但需要明确的是，客户分类不一定要客户分层，但客户分层必然是客户分类。例如，通过机器学习的无监督聚类算法得到的客户分类，是一种非分层的客户分类，而采用有监督多分类模型实现的客户价值挖掘，则属于客户分层的情况。对于客户群体的分类或分层需求，具体需要结合实际业务场景。针对本文介绍的客户分类与客户画像，为了便于大家对此有进一步的理解与熟悉，本文额外附带了与以上内容同步的Python代码与样本数据，供大家参考学习，详情请移至知识星球查看相关内容。

​

编辑

添加图片注释，不超过 140 字（可选）

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

更多详细内容，可关注：

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

....

~原创文章