2021-01-24貸款活動案例

本文是對貸款活動案例的一個總結恩静,主要任務是對活動效果進行復盤分析赫冬,并挖掘出影響用戶貸款的關鍵因素。

一目木、項目背景介紹:

Thera Bank是一家擁有不斷增長客戶群的銀行换途。銀行希望有效地將存款用戶轉化為貸款用戶以此擴大貸款業(yè)務量的基礎,以帶來更多的貸款業(yè)務刽射。因此军拟,該銀行去年為存款用戶但未辦理個人貸款業(yè)務的客戶開展了一項推廣活動來促使其辦理個人貸款業(yè)務,有部分客戶通過此活動已經辦理了相關服務誓禁。這時的零售營銷部門希望制定更好的策略去定位營銷懈息,以最小的預算提高成功率。

二摹恰、分析目標:

該部門希望識別出更有可能購買貸款的潛在客戶辫继,提高轉化的成功率,降低營銷的費用俗慈。

三姑宽、分析思路:

  • 去年銀行舉辦的推廣活動的效果如何?
  • 什么類型的存款用戶成為銀行貸款業(yè)務的潛在客戶可能性更大闺阱?
  • 隨著客戶年收入的增長炮车,貸款情況是如何變化?
  • 隨著客戶年齡的增長酣溃,貸款情況如何變化瘦穆?

四、分析過程:

1赊豌、準備工作(數據集觀察與數據清洗)

(1)導入常用包

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

(2)導入數據集

import pymysql
pymysql.install_as_MySQLdb()
from sqlalchemy import create_engine
engine=create_engine('mysql://frogdata05:Frogdata!1321@localhost:3306/frogdata?charset=gbk')

(3)讀取數據

Bank_Personal_Loan=pd.read_sql_query('select * from Personal_Loan',con=engine)

2扛或、理解數據

數據集共包含5000條記錄,14個字段碘饼,對應字段含義如下:
ID - 客戶
Age - 客戶年齡
Experience - 客戶工作經驗
Income - 客戶年收入(單位:千美元)
ZIPCode - 家庭地址郵政編碼
Family - 客戶的家庭規(guī)模
CCAvg - 每月信用卡消費額(單位:千美元)
Education - 教育水平 (1: 本科; 2: 研究生; 3: 高級)
Mortgage - 房屋抵押價值(如有)(單位:千美元)
Personal Loan - 此客戶是否接受上一次活動中提供的個人貸款熙兔?(1:是 0:否)
Securities Account - 是否有證券賬戶悲伶?(1:是 0:否)
CD Account - 是否有存款證明(CD)帳戶嗎(1:是 0:否)
Online - 是否開通網上銀行?(1:是 0:否)
CreditCard - 是否有信用卡黔姜?(1:是 0:否)

#觀察數據整體情況
Bank_Personal_Loan.info()
1.png
  • 觀察各字段信息拢切,數據并無重復蒂萎,缺失情況秆吵;對于一些數值型的字段則需要做一些數據類型的轉化
#更改變量類型,方便后續(xù)做統(tǒng)計分析
Bank_Personal_Loan['Age']=Bank_Personal_Loan['Age'].astype('int')
Bank_Personal_Loan['Experience']=Bank_Personal_Loan['Experience'].astype('int')
Bank_Personal_Loan['Family']=Bank_Personal_Loan['Family'].astype('int')
Bank_Personal_Loan['Education']=Bank_Personal_Loan['Education'].astype('int')
Bank_Personal_Loan['ZIP Code']=Bank_Personal_Loan['ZIP Code'].astype('int')
Bank_Personal_Loan['Personal Loan']=Bank_Personal_Loan['Personal Loan'].astype('int')
Bank_Personal_Loan['CD Account']=Bank_Personal_Loan['CD Account'].astype('int')
Bank_Personal_Loan['Securities Account']=Bank_Personal_Loan['Securities Account'].astype('int')
Bank_Personal_Loan['Online']=Bank_Personal_Loan['Online'].astype('int')
Bank_Personal_Loan['CreditCard']=Bank_Personal_Loan['CreditCard'].astype('int')
Bank_Personal_Loan['Income']=Bank_Personal_Loan['Income'].astype('float')
Bank_Personal_Loan['CCAvg']=Bank_Personal_Loan['CCAvg'].astype('float')
Bank_Personal_Loan['Mortgage']=Bank_Personal_Loan['Mortgage'].astype('float')
#觀察數據的一個描述性信息
Bank_Personal_Loan.describe()
image.png
  • 發(fā)現Experience出現負值,有異常數據
#考慮將Experience的負值改為0
Bank_Personal_Loan.loc[Bank_Personal_Loan['Experience']< 0,'Experience']=0
Bank_Personal_Loan['Experience'].describe()

3五慈、數據分析

(1)去年銀行舉辦的推廣活動的效果如何纳寂?

#活動推廣結果分析 
Bank_Personal_Loan['Personal Loan'].value_counts()
# Bank_Personal_Loan.groupby(['Personal Loan']).size() 也能達成

image.png

通過這次推廣活動以后,5000名客戶中泻拦,有480個客戶開通了個人貸款業(yè)務毙芜。由于該活動是針對未辦理個人貸款業(yè)務的客戶開展的,對比從以往數據來看争拐,個人貸款業(yè)務增長了近10%腋粥,說明此次推廣活動的效果還是不錯的

(2)什么類型的存款用戶成為銀行貸款業(yè)務的潛在客戶可能性更大?

#探索其他變量與Personal Loan變量的關系
print(Bank_Personal_Loan.corr()['Personal Loan'])
image.png
#fig代表繪圖窗口(Figure)架曹;axis代表這個繪圖窗口上的坐標系(axis)
fig,axis=plt.subplots(figsize=(12,12))
#繪制熱力圖隘冲,顏色越深,相關性越強,annot是否顯示數值绑雄,cmap指定顏色
ax=sns.heatmap(Bank_Personal_Loan.corr(),annot=True,cmap="YlGnBu")
#bottom代表y軸下限展辞,top表示y軸上限(有些matplotlib版本畫熱力圖上下邊框只顯示一半)
bottom, top = ax.get_ylim()
ax.set_ylim(bottom + 0.5, top - 0.5)
image.png
  • 從圖中可以看出:
    1、和開通信貸強相關的變量有:收入万牺,信用卡還款額及是否有該銀行存單賬戶罗珍;
    2、和開通信貸弱相關的變量有:受教育程度脚粟,房屋抵押貸款數覆旱,家庭人數;
    3核无、郵編通殃、是否是證券賬戶,是否開通網上銀行及是否有信用卡厕宗,關系都不大画舌;
    4、年齡已慢、工作經驗雖然關系也不大曲聂,但它們屬于連續(xù)的數值變量,所以需要分箱后再做觀察佑惠,看看是否有某一段存在特殊值朋腋。

先剔除無關的變量齐疙,對其余相關變量進行分析

1.1、定性變量與開通貸款的關系

(對定性變量中是否有該銀行存單賬戶旭咽、受教育程度贞奋、家庭人數與是否開通貸款的關系進行探究)

1.1.1、是否有該銀行存單賬戶

print(Bank_Personal_Loan.groupby('CD Account')['Personal Loan'].agg([np.mean]))
sns.countplot(x="CD Account",data=Bank_Personal_Loan,hue='Personal Loan')

image.png

開通了銀行存單賬戶的客戶穷绵,其申請貸款的可能性是沒有開通的6倍多,說明開通了銀行賬戶的客戶是一個主要的目標客戶轿塔;找到方法讓客戶開通該銀行存款賬單也是一個提高申請貸款率的可能選項。

1.1.2仲墨、教育水平

print(Bank_Personal_Loan.groupby('Education')['Personal Loan'].agg([np.mean,'count']))
sns.catplot('Education',hue='Personal Loan',data=Bank_Personal_Loan,kind='count')

image.png

學歷越高勾缭,貸款意愿的比率越多,說明教育水平越高,越能接受超前消費觀念目养,其貸款意愿越高俩由。學歷層次越高的用戶的存款用戶成為銀行貸款業(yè)務的潛在客戶可能性會更大

1.1.3 家庭人數

print(Bank_Personal_Loan.groupby('Family')['Personal Loan'].agg([np.mean]))
sns.catplot('Family',hue='Personal Loan',data=Bank_Personal_Loan,kind='count')
image.png

單身人士與沒有孩子的家庭的貸款率都比較低,有孩子的家庭用戶相對而言更有意愿轉化為貸款用戶癌蚁,特別是獨生子女家庭

2.1幻梯、定量變量與開通貸款的關系

(對定量變量中的年領、收入努释、信用卡還款額和房屋抵押貸款與是否開通貸款的關系進行探究)

2.1.1碘梢、年齡

print(Bank_Personal_Loan.groupby('Personal Loan')['Age'].agg([np.mean,'count']))
sns.boxenplot(x='Personal Loan',y='Age',data=Bank_Personal_Loan)
image.png
#對年齡分層
Bank_Personal_Loan['Income Bins'] = pd.qcut(Bank_Personal_Loan.Age,6) 
print(Bank_Personal_Loan.groupby('Income Bins')['Personal Loan'].agg([np.mean,'count']))
Bank_Personal_Loan.groupby('Income Bins')['Personal Loan'].agg({'Loan rate':np.mean}).plot()

image.png

綜合來看,各階段的年齡的貸款意愿都相差不大洽洁,相對來說區(qū)間在(32.0, 39.0]的客戶意愿較強

2.1.2痘系、收入

print(Bank_Personal_Loan.groupby('Personal Loan')['Income'].agg([np.mean,'count']))
sns.boxenplot(x='Personal Loan',y='Income',data=Bank_Personal_Loan)

image.png

取平均來看,高收入的人群會比低收入的人群更愿意申請貸款

#對收入分層
Bank_Personal_Loan['Income Bins'] = pd.qcut(Bank_Personal_Loan.Income,20) 
print(Bank_Personal_Loan.groupby('Income Bins')['Personal Loan'].agg([np.mean,'count']))
Bank_Personal_Loan.groupby('Income Bins')['Personal Loan'].agg({'Loan rate':np.mean}).plot()
image.png

2.1.3饿自、房屋抵押值

print(Bank_Personal_Loan.groupby('Personal Loan')['Mortgage'].agg([np.mean,'count']))
sns.catplot('Personal Loan','Mortgage',data=Bank_Personal_Loan,kind='boxen')
image.png
#對抵押值分層
Bank_Personal_Loan['Mortgage_Bins']=pd.cut(Bank_Personal_Loan.Mortgage,10)
print(Bank_Personal_Loan.groupby('Mortgage_Bins')['Personal Loan'].agg({np.mean,'count'}))
Bank_Personal_Loan.groupby('Mortgage_Bins')['Personal Loan'].agg({'Loan_rate':np.mean}).plot()

image.png

當房屋抵押值大于190.5千美元時汰翠,貸款申請的意愿有明顯的提升,總體來看昭雌,抵押值越高复唤,貸款意愿越強烈

2.1.4、每月信用卡消費額

print(Bank_Personal_Loan.groupby('Personal Loan')['CCAvg'].agg([np.mean,'count']))
sns.boxenplot(x='Personal Loan',y='CCAvg',data=Bank_Personal_Loan)

image.png

大部分沒有申請貸款的烛卧,信用卡消費額的均值在1.7K美元左右佛纫,而申請貸款的客戶信用款消費額均值達到3.9K美元,是前者的2倍多总放。

#對每月消費額進行分層
Bank_Personal_Loan['CCAvg Bins']=pd.qcut(Bank_Personal_Loan.CCAvg,20)
print(Bank_Personal_Loan.groupby('CCAvg Bins')['Personal Loan'].agg({'mean','count'}))
Bank_Personal_Loan.groupby('CCAvg Bins')['Personal Loan'].agg({'Loan rate':np.mean}).plot()

image.png

大概在每月消費額為2.8千美元時呈宇,申請貸款率會增大將近4倍,超過6千美元時局雄,申請申請貸款率會有所回落到31%左右甥啄,但這個貸款意愿相對還是很強烈的,可對每月消費額在2.8千美元以上的客戶加大力度去營銷

四炬搭、結論

  1. 通過這次活動蜈漓,個人貸款業(yè)務增長了近10%穆桂,說明此次推廣活動的效果還是不錯的。
  2. 對于開通了銀行賬戶的用戶需要加強營銷力度融虽,他們的貸款意愿相對于沒有開通銀行賬戶更強,同時也需要擴展開通了銀行賬戶的用戶數量享完,以將其轉化為更多的貸款用戶。
  3. 教育水平越高的客戶越容易接受貸款
  4. 家庭人口較多的家庭貸款意愿較強有额,尤其是獨生子女的家庭
  5. 年齡區(qū)間在30-40歲的客戶相對貸款意愿更強
  6. 相對收入越高般又,貸款的意愿越強烈, 當年收入超過82時谆吴,貸款意愿會有5倍以上的上升倒源,超過98時苛预,貸款意愿達到17%以上句狼,超過170時,貸款意愿達到一半
  7. 當房屋抵押值大于190.5千美元時热某,貸款申請的意愿有明顯的提升
  8. 每月消費額在2.8千美元以上的客戶腻菇,貸款申請的意愿有明顯的提升
?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市昔馋,隨后出現的幾起案子筹吐,更是在濱河造成了極大的恐慌,老刑警劉巖秘遏,帶你破解...
    沈念sama閱讀 211,817評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件丘薛,死亡現場離奇詭異,居然都是意外死亡邦危,警方通過查閱死者的電腦和手機洋侨,發(fā)現死者居然都...
    沈念sama閱讀 90,329評論 3 385
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來倦蚪,“玉大人希坚,你說我怎么就攤上這事×昵遥” “怎么了裁僧?”我有些...
    開封第一講書人閱讀 157,354評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長慕购。 經常有香客問我聊疲,道長,這世上最難降的妖魔是什么沪悲? 我笑而不...
    開封第一講書人閱讀 56,498評論 1 284
  • 正文 為了忘掉前任获洲,我火速辦了婚禮,結果婚禮上可训,老公的妹妹穿的比我還像新娘昌妹。我一直安慰自己捶枢,他們只是感情好,可當我...
    茶點故事閱讀 65,600評論 6 386
  • 文/花漫 我一把揭開白布飞崖。 她就那樣靜靜地躺著烂叔,像睡著了一般。 火紅的嫁衣襯著肌膚如雪固歪。 梳的紋絲不亂的頭發(fā)上蒜鸡,一...
    開封第一講書人閱讀 49,829評論 1 290
  • 那天,我揣著相機與錄音牢裳,去河邊找鬼逢防。 笑死,一個胖子當著我的面吹牛蒲讯,可吹牛的內容都是我干的忘朝。 我是一名探鬼主播,決...
    沈念sama閱讀 38,979評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼判帮,長吁一口氣:“原來是場噩夢啊……” “哼局嘁!你這毒婦竟也來了?” 一聲冷哼從身側響起晦墙,我...
    開封第一講書人閱讀 37,722評論 0 266
  • 序言:老撾萬榮一對情侶失蹤悦昵,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后晌畅,有當地人在樹林里發(fā)現了一具尸體但指,經...
    沈念sama閱讀 44,189評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 36,519評論 2 327
  • 正文 我和宋清朗相戀三年抗楔,在試婚紗的時候發(fā)現自己被綠了棋凳。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,654評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡谓谦,死狀恐怖贫橙,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情反粥,我是刑警寧澤卢肃,帶...
    沈念sama閱讀 34,329評論 4 330
  • 正文 年R本政府宣布,位于F島的核電站才顿,受9級特大地震影響莫湘,放射性物質發(fā)生泄漏。R本人自食惡果不足惜郑气,卻給世界環(huán)境...
    茶點故事閱讀 39,940評論 3 313
  • 文/蒙蒙 一幅垮、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧尾组,春花似錦忙芒、人聲如沸示弓。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,762評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽奏属。三九已至,卻和暖如春潮峦,著一層夾襖步出監(jiān)牢的瞬間囱皿,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,993評論 1 266
  • 我被黑心中介騙來泰國打工忱嘹, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留嘱腥,地道東北人。 一個月前我還...
    沈念sama閱讀 46,382評論 2 360
  • 正文 我出身青樓拘悦,卻偏偏與公主長得像齿兔,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子窄做,可洞房花燭夜當晚...
    茶點故事閱讀 43,543評論 2 349

推薦閱讀更多精彩內容

  • 1愧驱、案例背景 Thera Bank是一家擁有不斷增長客戶群的銀行慰技。這銀行中大多數客戶的存款規(guī)模都是不一樣的椭盏。由于貸...
    Bourton閱讀 1,299評論 0 4
  • 案例背景: Thera Bank是一家擁有不斷增長客戶群的銀行。這銀行中大多數客戶的存款規(guī)模都是不一樣的吻商。由于貸款...
    弦好想斷閱讀 700評論 0 0
  • 1項目需求背景 為了擴大貸款業(yè)務的客戶人數掏颊,該銀行去年針對現有的存款用戶但未辦理貸款業(yè)務的客戶展開了一項推廣活動,...
    L李卓閱讀 3,930評論 0 2
  • 1艾帐、案例背景 Thera Bank是一家擁有不斷增長客戶群的銀行乌叶,該銀行中的大多數客戶的存款規(guī)模是不一樣的。由于貸...
    且聽風吟92閱讀 753評論 0 0
  • 案例背景 借貸業(yè)務是大多數銀行重要的資金來源柒爸,通過資金的流動賺取利潤准浴,例如將吸引用戶辦理定期存款,將存款轉化為貸款...
    Alec_2a85閱讀 1,316評論 0 0