王文贤、金阳、陈道斌：基于RFM模型的个人客户忠诚度研究
表1产品层级的忠诚度衡量指标
产品
近度指标R距离上次交易时间距离上次交易时间
频度指标F交易次数交易次数
额度指标M交易金额交易金额月均余额收入
距离上次交易时间
主动动卡次数消费次数活动卡数未激活卡数
距离上次购买时间
产品持有数目
透支余额交易金额
月均信用额度使用率收入月均余额收入
二、基于数据仓库的
RFM忠诚度评估模型的建立
本文利用RFM模型的基本原理，结合商业银行个人金融产品的特征，对RFM模型进行了改进和扩充，形成了产品层级的忠诚度衡笔者选取了5种代表性量指标，如表1所示。个人金融产品，即活期存款和信用卡这两种交易类产品，定期存款、理财类产品（包括基金、债券、本外币理财产品）以及贷款三种非交易类产品，根据各产品的特征和数据状况构建了（近度）、（频度）、（额度）的关键指标。RFM
近度指标R中，在通用指标的基础上，活期存款产品的近度指标增加了产品持有时间，体现客户与银行建立关系的时间长短；信用卡产品增加距离启卡时间指标，即客户启用信用卡到当前的时间间隔；定期存款通过距离上次购买时间体现产品持有时间，同时
通用指标
活期存款产品持有时间
银行卡
距离启卡时间
定期存款（续存视为购买）距离到期日时间距离上次申购时间
申购次数产品持有种类产品持有数目
月均余额收入
理财类产品产品持有时间
贷款
贷款剩余期限产品持有时间
还款次数产品持有数目
贷款余额收入
利用距离到期日时间扩充近度指标，一般情况下定期存款的到期日时间越长，客户越忠诚；理财类产品和贷款产品也增加了产品持有时间指标。频度指标F中，根据信用卡产品交易特点，选择主动动卡次数、消费次数、活动卡数、未激活卡数指标全面反映客户使用信用卡的忠诚度；定期存款产品属于非交易类产品，因此通过产品持有数目来反映频度指标；理财类产品通过申购次数、产品持有种类和数目指标来反映客户在银行持有产品数在交易金量和交易活跃程度；贷款产品通过还款次数和产品持有数目反映客户产品持有数量。额度指标M中，额基础指标之外，增加月均余额和客户在该产品上给银行带来的收入两个指标来补充额度指标。
产品层级的忠诚度衡量指标构建具有如下特点：一是根据不同产品特征，对衡量指标进行了扩充，如使用定期存款距离到期日时间来扩充定期存款的近度指标；二是根据交易类与非交易类产品的差异，忠诚度衡量指标也有所侧重，如动卡及消费次数等指标，而非交易类产品更侧重产品持有的种类、数目等指标（见表1）。频度指标，交易类产品侧重交易、
接下来，基于上述五类代表性个人金融产品的个人客户忠诚度衡量指标，构建出RFM个人客户忠诚度评估模型（PCLM）。利用各产品的R近度、采用五等评分得到各产品的R、通过乘积方F频度、M额度指标，F、M评分，式得到各产品的RFM评分，即产品层级的忠诚度评分。根据不同产品对忠诚度的影响程度，采用专家咨询汇总权。该模型从层级上包含客户级和产品级两重方式确定各产品合理权重得到个人客户忠诚度总体评分（见图1）个层级的客户忠诚度评价，在实际应用中既有全行客户级的忠诚度评分，也有核心个人金融产品相对独立产（PCLM）的计算公式如下：品级的忠诚度评分，满足不同产品条线管理的需要。个人客户忠诚度评估模型
RFM
赞）赞）赞）（Σwjp（Σwjp（ΣwjpPCLM=ΣWiRFMi=ΣWiRiFiMi=ΣWifjifjifji
555
i=1i=1i=1
其中，（i代表活RFMi为客户产品层级的忠诚度评分，Wi为客户忠诚度评分中各产品层级忠诚度评分的权重
银行卡、定期存款、理财类、贷款5类产品，）。Ri、频度、额度的期存款、i=1，2，3，4，5Fi、Mi为客户产品层级的近度、赞）赞j汇总分值高低排序的五等评分函数，评分，三者的乘积形成RFMi。f（Σwjp依各产品的指标即可得到j为按照wjp赞j为pj标准化后的评分，相应的Ri、其中，（j代表各项指标，…34），pFi、Mi评分，pj为忠诚度衡量指标j=1，2，wj为pj在相应近度R、频度F、额度M指标中的权重。
三、个人客户忠诚度抽样实证分析
为了验证个人客户忠诚度模型（PCLM），本文基于某商业银行数据仓库积累的客户历史交易数据，随机抽
77