零售金融：數(shù)據(jù)化用戶經(jīng)營方法、工具與實(shí)踐

贊　譽(yù)
推薦序
序言一
序言二
致　謝
第1章　消費(fèi)信貸行業(yè)的創(chuàng)新與數(shù)據(jù)驅(qū)動/1
1.1　消費(fèi)信貸行業(yè)簡述/1
1.2　大數(shù)據(jù)背景下消費(fèi)信貸行業(yè)的創(chuàng)新/3
1.3　消費(fèi)信貸業(yè)務(wù)要以用戶經(jīng)營為中心/6
1.4　KYC的重要性/9
1.5　大數(shù)據(jù)思維的本質(zhì)/11
1.6　討論：數(shù)據(jù)驅(qū)動文化的建立和組織架構(gòu)設(shè)計/19
第2章　新用戶獲取及用戶分群的策略設(shè)計/24
2.1　潛在用戶挖掘：內(nèi)部名單和外部名單/25
2.2　用戶分群以及激活響應(yīng)排序/26
2.3　新用戶獲取策略的設(shè)計和效果監(jiān)控/36
2.4　新手禮包的設(shè)計與效果監(jiān)控/40
2.5　用戶分群的定性分析思路探討/41
2.6　RFM用戶分群分析方法/44
2.7　案例1：年輕持卡用戶分群策略及效果分析/46
2.8　案例2：數(shù)據(jù)驅(qū)動App獲取用戶的新思路/49
第3章　用戶準(zhǔn)入和授信/53
3.1　授信數(shù)據(jù)來源/54
3.2　授信風(fēng)險評估：申請?jiān)u分卡/59
3.3　申請欺詐的識別/65
3.4　信用額度優(yōu)化：授信及初始額度策略/67
3.5　差異化風(fēng)險定價/68
3.6　觀察期、表現(xiàn)期基本流程/69
3.7　FICO信用分介紹/71
3.8　案例：Python環(huán)境下的評分卡構(gòu)建過程/73
第4章　存量用戶的經(jīng)營策略/82
4.1　存量用戶生命周期管理的方法及劃分依據(jù)/82
4.2　新用戶成長期策略思路/86
4.3　成熟期用戶的經(jīng)營策略思路/88
4.4　衰退期用戶的監(jiān)控及對策/91
4.5　流失期用戶的二次召回/93
4.6　存量用戶的價值提升策略/95
4.7　存量用戶的額度管理和定價策略/98
4.8　存量用戶經(jīng)營效果的監(jiān)控/100
4.9　用戶畫像的構(gòu)建及驗(yàn)證方法探討/101
4.10　案例1：“母嬰用戶”標(biāo)簽預(yù)測模型的探索/105
4.11　案例2：賬單分期用戶的經(jīng)營思路探究/111
第5章　用戶生命價值的計量/118
5.1　用戶生命價值體系框架概述/119
5.2　衡量用戶當(dāng)前價值/121
5.3　衡量用戶潛在價值/137
5.4　結(jié)論/138
5.5　案例：信用卡用戶生命價值的評估/139
第6章　貸中授權(quán)交易策略詳解/141
6.1　授權(quán)交易的定義和決策范圍/142
6.2　授權(quán)交易的具體策略/143
6.3　授權(quán)交易的額度設(shè)定/146
6.4　授權(quán)交易策略的驗(yàn)證/147
6.5　授權(quán)交易策略的部署/147
6.6　授權(quán)交易補(bǔ)充策略/147
6.7　案例：授權(quán)交易策略的冠軍挑戰(zhàn)賽/148
第7章　貸后催收的新思維/150
7.1　突破傳統(tǒng)催收策略的邏輯思維/150
7.2　利用大數(shù)據(jù)分析讓催收成為一種競爭優(yōu)勢/155
7.3　催收分析能力轉(zhuǎn)型的要點(diǎn)及方向/156
7.4　案例：機(jī)器學(xué)習(xí)提升催收效率/157
第8章　數(shù)據(jù)挖掘與用戶服務(wù)/161
8.1　大數(shù)據(jù)正在改變用戶服務(wù)的不同方面/162
8.2　大數(shù)據(jù)技術(shù)的具體應(yīng)用/163
8.3　案例：利用文本挖掘發(fā)現(xiàn)用戶的真實(shí)需求和用戶的態(tài)度/165
第9章　大數(shù)據(jù)提升反洗錢效率/169
9.1　反洗錢合規(guī)面臨的問題/169
9.2　大數(shù)據(jù)，大挑戰(zhàn)/170
9.3　大數(shù)據(jù)技術(shù)驅(qū)動變革/171
9.4　金融機(jī)構(gòu)的實(shí)踐/172
9.5　案例：用機(jī)器學(xué)習(xí)模型判斷用戶風(fēng)險等級并解決樣本數(shù)據(jù)不平衡問題/176
第10章　數(shù)據(jù)驅(qū)動的工具箱：數(shù)據(jù)挖掘和常用建模方法概述/182
10.1　數(shù)據(jù)分析能力的進(jìn)階/183
10.2　模型開發(fā)的基本流程/184
10.3　數(shù)據(jù)收集和假設(shè)檢驗(yàn)/189
10.4　因子分析/主成分分析/196
10.5　決策樹/205
10.6　隨機(jī)森林算法/210
10.7　梯度提升決策樹/215
10.8　貝葉斯分類/223
10.9　支持向量機(jī)/227
10.10　聚類分析/230
10.11　線性回歸和邏輯回歸/235
10.12　推薦算法/243
10.13　神經(jīng)網(wǎng)絡(luò)/248
10.14　社交網(wǎng)絡(luò)分析/256
10.15　文本挖掘/259
10.16　討論：模型的解釋性VS.模型的準(zhǔn)確性/268
第11章　模型的評審、驗(yàn)證和生命周期管理/276
11.1　模型管理的全流程/276
11.2　模型管理系統(tǒng)/277
11.3　模型風(fēng)險等級/278
11.4　模型檢查的時間點(diǎn)/279
11.5　模型驗(yàn)證數(shù)據(jù)庫/279
11.6　模型文檔/280
11.7　模型生命周期管理/281
11.8　討論：模型驗(yàn)證團(tuán)隊(duì)的架構(gòu)設(shè)計/282
第12章　大數(shù)據(jù)：用戶忠誠度計劃背后的秘密武器/283
12.1　引言/283
12.2　構(gòu)建用戶激勵體系，陪伴用戶成長/284
12.3　用戶忠誠度的衡量方法及評價標(biāo)準(zhǔn)/289
12.4　案例：世界十大零售銀行用戶忠誠度計劃簡介/292
參考文獻(xiàn)/300