银行贷款客户拉新活动分析

2024-06-13 15:41| 来源: 网络整理| 查看: 265

1、案例背景

Thera Bank是一家拥有不断增长客户群的银行。这银行中大多数客户的存款规模都是不一样的。由于贷款业务的客户数量很少，所以银行希望有效地将存款用户转化为贷款用户以此扩大贷款业务量的基础，以带来更多的贷款业务，并在此过程中，通过贷款利息赚取更多。

因此，该银行去年为存款用户但未办理个人贷款业务的客户开展了一项推广活动来促使其办理个人贷款业务，有部分客户通过此活动已经办理了相关服务。这时的零售营销部门希望制定更好的策略去定位营销，以最小的预算提高成功率。该部门希望识别出更有可能购买贷款的潜在客户，提高转化的成功率，降低营销的费用。

#导入相关模块 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns #连接mysql import pymysql pymysql.install_as_MySQLdb() from sqlalchemy import create_engine engine=create_engine('mysql://frogdata:******@localhost:3306/frogdata?charset=gbk') #读取数据 Bank_Personal_Loan=pd.read_sql_query('select * from Personal_Loan',con=engine) 2、理解数据

数据集共包含5000条记录，14个字段，对应字段含义如下：

ID - 客户 Age - 客户年龄 Experience - 客户工作经验 Income - 客户年收入（单位：千美元） ZIPCode - 家庭地址邮政编码 Family - 客户的家庭规模 CCAvg - 每月信用卡消费额（单位：千美元） Education - 教育水平（1: 本科; 2: 研究生; 3: 高级） Mortgage - 房屋抵押价值（如有）（单位：千美元） Personal Loan - 此客户是否接受上一次活动中提供的个人贷款？（1：是 0：否） Securities Account - 是否有证券账户？（1：是 0：否） CD Account - 是否有存款证明（CD）帐户吗（1：是 0：否） Online - 是否开通网上银行？（1：是 0：否） CreditCard - 是否有信用卡？（1：是 0：否） Bank_Personal_Loan.head()

在这里插入图片描述

#观察数据整体情况 Bank_Personal_Loan.info()

在这里插入图片描述观察各字段基础信息，数据并无重复，缺失情况；对于一些数值型的字段则需要做一些数据类型的转化

#更改变量类型,方便后续做统计分析 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[

【本文地址】

银行贷款客户拉新活动分析

银行贷款客户拉新活动分析

今日新闻

推荐新闻