Определение дохода розничных клиентов по транзакциям платёжных карт

Мечта бизнеса – знать долю в кошельке клиента. Так можно понять уровень приверженности, рассчитать коэффициент возвращаемости и меру перспективности. Система лояльности такой роскоши предоставить не может: да, картой воспользовались, но ей ли одной? Как в неприличной шутке:

– Дорогая, я у тебя первый?

– Милый, сегодня или вообще?

Не пугайтесь, но кроме дохода, велика вероятность угадать ваш пол, возраст, род занятий и удалённость проживания от места работы. Все данные, доступные банку, ежесекундно работают против вас. Плохо это или хорошо, этично или аморально – разберёмся за пределами публикации. Тут – исключительно факты.

Принципы работы с данными:

1. Используем эмпирическую модель – основывается на фактических данных, без теоретических предположений и предварительных гипотез.
2. Создаём выборку клиентов с известными доходами (сотрудники и зарплатные клиенты): обучающая – 70%; тестовая – 30%.
3. Прогноз дохода основывается на размере и структуре фактических расходов на годовом горизонте с платежных карт, эмитированных банком.

Порядок создания и применения модели:

1. Создать выборку операций за последние или желаемые к анализу 12 месяцев.
2. Исключить из списка транзакций неинформативные записи:
   1. отказ от операции
   2. нулевые суммы
   3. возврат денег.
3. Определить товарные направления транзакций по одной, двум (для крупных товарных направлений) цифрам кода МСС.
4. Сгруппировать массив транзакций до поклиентного уровня.
5. Найти общую годовую сумму транзакций по отдельному Клиенту, разделенную по товарным направлениям.
6. Структурой распределения сумм по товарным направлениям сформировать индивидуальные профили расходов Клиента.
7. Рассчитать типовые профили:

• исключить Клиентов с неизвестным доходом.
• отобрать обучающую выборку Клиентов для построения типовых профилей расходов.
• определить обобщенные профили расходов путем объединения похожих в один. Степень обобщения определить максимальным покрытием пространства профилей и минимизацией вариации дохода в пределах обобщенного профиля.
• клиентов сгруппировать по типовым профилям расходов. В пределах профилей рассчитать: количество клиентов, средний доход и его стандартное отклонение.

8. Клиентские профили расходов из тестовой выборки сравнить с типовыми профилями расходов. Клиентам тестовой выборки присвоить расчетное значение среднего дохода типового профиля.
9. В тестовой выборке соотнести значения реального дохода и расчётного по модели типовых профилей расходов. Определить отклонения в предсказаниях и точность модели.
10. На основании распределений и статистик отклонений прогноза предложить корректирующую поправку, устраняющую систематическую ошибку в предсказаниях.
11. Уточненную модель применить к Клиентам с неизвестным доходом, предсказывая вероятный доход.

Найденная система уравнений показала ниспадающую точность, отражённую на Рис.1. В предсказаниях возникала систематическая ошибка, связанная с отсутствием нормального распределения доходов по клиентам. До Ᵽ 80 К значения систематически завышались, после Ᵽ 100 К – систематически занижались.

Рис. 1. Первичная модель предсказания доходов клиентов.

Пришлось добавить корректирующее уравнение, нивелирующее систематические ошибки. Отклонения стали группироваться вдоль оси – сумма погрешностей устремилась к нулю – Рис. 2.

Рис. 1. Вторичная, скорректированная модель предсказания доходов клиентов.

В процессе развернутого анализа модели были выявлены особенности взаимосвязи модели и потребительского поведения клиентов:

1. Если у Клиента расходы значительно превышают доход – модель предсказывает завышенный результат – срабатывает фактор «дополнительных поступлений».
2. Если доходы существенно превышают расходы – модель занижает предсказание – вероятно накопление «депозита».

Поэтому возникает дополнительная зависимость – Рис. 3.

Рис. 3. Модель вычисления дополнительных поступлений или вывода денег на сберегательные счета.

Оттрактуем полученные результаты, опустив незначительные технические подробности:

1. Структура и размер расходов (профиль расходов) клиента эффективно описывает уровень его дохода. Введение других показателей о платежных картах или транзакциях клиента не смогли значимо повлиять на точность моделирования и качество предсказания.
2. Модель эффективно работает в целевом диапазоне Ᵽ 50 К – 250 К. Для более низких значений доходов велика относительная погрешность предсказаний (более 50%). В более высоком диапазоне доходов увеличивается доля клиентов, для которых модель не может дать предсказания из-за разрывов в типовых профилях обучающей выборки. Клиенты с высокими доходами редки, имеют уникальные профили, чего недостаточно для полного перекрытия пространства доходов. Со временем, в процессе дообучения модели и накопления исторических данных, количество и полнота типовых профилей увеличивается.
3. Среднее отклонение в предсказании дохода нового клиента по профилю транзакций составляет 30%. Для существующего клиента (входит в обучающую выборку) среднее отклонение составляет 6%. Модель рекомендуется использовать только в офлайн режиме.
4. Значительные отклонения вверх (модель переоценивает доход) возникают в случае, когда среднемесячные расходы клиента, согласно транзакциям, выше указанного дохода.
5. Значительные отклонения вниз (модель недооценивает доход) появляются, когда среднемесячные расходы клиента по транзакциям значительно ниже среднемесячного дохода.
6. Согласно пп. 3-4 модель точнее предсказывает доход для клиентов, у которых баланс расхода и дохода приблизительно совпадает. Если поведение транзакций клиента значительно отличаются от сбалансированного – предсказание ухудшается. Эту особенность модели можно применять к существующим клиентам для определения размера дополнительного дохода и/или значительного сберегательного потенциала Клиента.
7. Разработанную на текущих данных по транзакциям клиентов, модель следует периодически обновлять, не раньше накопления дополнительных 10% транзакций и/или клиентов с известными доходами.

Сейчас скажете: «Банкирам хорошо - имеют озера, моря и океаны данных - анализируют себе всласть и нам на зависть». Справедливо и, потому, тороплюсь обрадовать. Похожие модели прекрасно создаются и имеют высокую предсказательную силу для:

1. данных систем контроля доступа и входа в компьютерную сеть за 19 рабочих дней
2. магазинов у дома и автозаправочных станций при горизонте 7 месяцев
3. кафе и ресторанов при наличии чеков за 15 недель бизнес-ланчей.

А кроме дохода легко вычисляемы:

1. срок повышения или предстоящего увольнения
2. пристрастие к двум десяткам недешевых хобби
3. состав семьи и количество иждивенцев
4. увлеченность полусотней видов спорта
5. дата рождения ваша и домочадцев
6. наличие кошек и собак.

Что же надо, чтоб нарыть такое богатство? Предположу, что достаточно:

• настойчивости очистить информационный мусор
• желание повысить связность событий
• смелости строить гипотезы
• наглости собрать данные
• мужество ошибаться.

Желаю вам горы данных, туннели упорства, мосты предположений и долины находок. В добрый путь, охотники информационных сокровищ и рыцари мощных серверов. Не пасуйте перед огнедышащими юристами, сражайтесь с гидрами скепсиса и не бойтесь измарать сапоги в пыли полных переборов.

P.S. Так и не спросите, откуда брать эталонные значения?

Источника два:

• данные параметров коллег, запрошенные у бухгалтерии и отдела кадров
• диапазонные анкеты-опросники клиентов-добровольцев.

Так просто ;)