JP7058365B1 - 顧客経験価値向上支援システム - Google Patents

Abstract

【課題】顧客価値向上を支援する装置を提供する。【解決手段】顧客をスコア付けする手段と、スコア毎に顧客を抽出する手段と、顧客へのアプローチのしやすさ、顧客の商品の取引のしやすさにもとづき、顧客属性情報と金融口座情報を説明変数としてスコアを算出する手段と、スコアにより顧客へのアプローチのしやすさ、商品の取引のしやすさを判定可能とするスコアリングモデルを構築する手段とを備え、スコアは、顧客へのアプローチのしやすさと、商品の取引のしやすさを同時に判定するものであり、スコアリングモデルは、説明変数におけるパラメータの値が上昇すると、顧客へのアプローチのしやすさ、商品の取引のしやすさも上昇するにように変化する一方で、説明変数におけるパラメータの値が低下すると、顧客へのアプローチのしやすさ、商品の取引のしやすさも低下するにように変化する関係性を有する情報処理装置を提供する。【選択図】図１

Description

本発明は、顧客経験価値の向上を支援する情報処理装置やシステムに関するものであり、特に、顧客に最適な商品を提供することにより、顧客経験価値の向上を支援する情報処理装置やシステムに関するものである。

人々の生活習慣の変化や、スマートフォン用アプリケーションをはじめとしたデジタルトランスフォーメーション（ＤＸ：Ｄｉｇｉｔａｌ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）の進展による決済手段の多様化などにより、近年金融機関では来店客数やＡＴＭ利用者数が減少している。他方で、金融機関としても事務の効率化などを目的に、店舗数や人員数の削減を進めており、顧客との接点は減少の一途をたどっている。

金融機関、特に銀行ビジネスは、商品の継続利用を前提としたストックビジネスであるがゆえに、顧客接点を強化する取り組みが必要である。カードローンを例にとれば、極度額の中で継続利用により収益を見込む。

一方で、金融商品のコモディティ化が進む中、たとえばカードローン商品をきっかけに取引が始まった顧客においても、当該金融機関に対するロイヤリティを高め、カードローン取引だけでなく、その他の取引も含めて継続的に利用を促し、その顧客における取引シェアを高めることが重要となる。

元来、金融機関担当者は窓口対応や訪問営業といった普段からの顧客との接点を持つ中で、それを実践していた。顧客接点が減少する中、あらゆるチャネルを通じて顧客に寄り添い、その顧客との関係を強化することで、一層の顧客経験価値（ＣＸ：Ｃｕｓｔｏｍｅｒ Ｅｘｐｅｒｉｅｎｃｅ）の向上が求められている。

また昨今では、ＦＤ（フィデューシャリー・デューティー：Ｆｉｄｕｃｉａｒｙ Ｄｕｔｙ）の重要性が高まっているように、金融機関においては、顧客の保護および利便性向上ならびに金融の円滑化の観点から、適正な顧客保護等管理態勢の整備・確立が求められている。

特許文献１は、リスク管理モデルならびにニーズ予測モデルは全く別々に運用されており、また短期的な施策実施での活用が意識され、顧客経験価値の向上といった中長期的な視点は持っていない。

特許文献２は、高頻度で対象顧客全体をスコアリングし、前回からの顧客状態悪化を捉えるなど、中長期的な視点で考えられていた「与信判断支援システム」である。ただし、すでにカードローンの契約ある顧客であることが前提とされており、積極的な市場参加・適切な資金供給を実現するためには、カードローン未契約の顧客にも対象拡大が必要である。

特許第６４１１５６２号 特許第６５７２３６９号

本発明の一態様によると、このような課題を解決する本発明は、顧客接点と、自社商品訴求という複数の観点を、１つのスコアリングモデルによって評価し、顧客経験価値の向上を支援するため、前記顧客へのアプローチのしやすさ、前記顧客の当該商品の取引のしやすさを判定可能とするスコアリングモデルを備えた情報処理装置を提供すること：である。

本発明の一態様によると、
顧客の経験価値向上を支援する情報処理装置において、
少なくとも顧客の年齢に関する情報を含む顧客属性情報を記憶する顧客属性情報データベースと、
少なくとも顧客の預金口座に関する情報を含む金融口座情報を記憶する金融口座情報データベースと、
顧客の商品の取引の有無にかかわらず、前記顧客属性情報と前記金融口座情報を取得できるすべての顧客を対象として、顧客をスコア付けする手段と、
前記スコア毎に顧客を抽出する手段と、
前記顧客へのアプローチのしやすさ、前記顧客の商品の取引のしやすさにもとづき、前記顧客属性情報と金融口座情報を説明変数として、前記スコアを算出する手段と、
前記スコアにより、前記顧客へのアプローチのしやすさ、前記顧客の前記商品の取引のしやすさを判定可能とするスコアリングモデルを構築する手段と、
を備え、
前記スコアは、顧客へのアプローチのしやすさと、顧客の当該商品の取引のしやすさを同時に判定するものであり、
前記スコアリングモデルは、
前記説明変数におけるパラメータの値が上昇すると、前記顧客へのアプローチのしやすさ、前記顧客の当該商品の取引のしやすさも上昇するにように変化する一方で、
前記説明変数におけるパラメータの値が低下すると、前記顧客へのアプローチのしやすさ、前記顧客の当該商品の取引のしやすさも低下するにように変化する関係性を有することを特徴とする情報処理装置を提供する。

本発明によると、チャネル嗜好と当該商品の取引率をとらえるようにスコアリングすることによって、接点が多く取引の厚い優良顧客ほど優遇するなど、継続利用することにインセンティブを与えることが可能となり、顧客経験価値の向上が可能となる。

また対象とする商品が融資商品の場合、過去の取引ぶりから信用力を判定する説明変数をスコアリングモデルに組み込んでおくことで、スコアが悪い顧客を訴求対象から除外することが可能となり、多重債務者発生抑制や、利用者保護に繋げることもできる。

本発明の他の目的、特徴及び利点は添付図面に関する以下の本発明の実施例の記載から明らかになるであろう。

本発明の一実施例による顧客価値向上支援システムの全体構成を示す。 本発明の一実施例によるスコアリングモデル作成に関する情報処理のフローチャートを示す。 本発明の一実施例による顧客価値向上支援システムをコンソーシアム化（コンソーシアムシステム）した例を示す。 本発明の一実施例による説明変数に使用される情報（パラメータ）の例を示す。 本発明の一実施例による説明変数に使用される情報（パラメータ）の例を示す。 本発明の一実施例による説明変数に使用される情報（パラメータ）の例を示す。 本発明の一実施例による説明変数に使用される情報（パラメータ）の例を示す。 本発明の一実施例による説明変数に使用される情報（パラメータ）の例を示す。 本発明の一実施例によるスコアリングに関する情報処理のフローチャートを示す。

本発明の実施例について説明する。

図１は、本発明の一実施例による顧客価値向上支援のための情報処理装置（以下、顧客価値向上支援装置）１０００の全体構成を示す。

図１は、本発明の一実施例による顧客価値向上支援装置１０００を示す。本実施例の顧客価値向上支援装置１０００は、画面表示部１１１０と、入力部１１２０と、属性情報処理部１１３０と、金融行動情報処理部１１４０と、金融口座情報処理部１１５０と、取引情報処理部１１６０と、外部信用情報処理部１１７０と、前回審査結果処理部１１８０と、顧客フォロー情報処理部１１９０と、外部情報取得部１２００と、情報抽出部１２１０と、モデル計算部１２２０と、自社金融商品提案部１２３０と、金融口座ＤＢ１３１０と、属性情報ＤＢ１３２０と、金融行動情報ＤＢ１３３０と、取引情報ＤＢ１３４０と、外部信用情報ＤＢ１３５０と、前回審査結果ＤＢ１３６０と、顧客フォローＤＢ１３７０と、モデル記憶ＤＢ１３８０と、自社金融商品ＤＢ１３９０と、制御部１４１０と、インターフェイス部１４２０とを備える。ここで、ＤＢとは、ＤａｔａＢａｓｅ（データベース）の略称であり、それぞれの情報を記憶する手段である。

画面表示部１１１０は、顧客経験価値向上支援にあたり、必要な情報を提示する手段である。

入力部１１２０は、必要な情報を顧客経験価値向上支援装置１０００に対してデータを与える手段である。

属性情報処理部１１３０は、顧客の個人情報（年収、勤務先など）を管理する手段である。なお、本実施例において、ユーザ、被融資者、顧客は同義である。
金融行動情報処理部１１４０と、顧客の金融行動に関する情報を処理する手段である。例えば、所定期間におけるＡＴＭ利用回数やインターネットバンキング（ＩＢ：Ｉｎｔｅｒｎｅｔ Ｂａｎｋｉｎｇ）利用回数を記録したり、公共料金引き落としの成否を記録したりする。

金融口座情報処理部１１５０は、顧客の金融口座における取引（振込、振替など）を実行したり、その取引結果を記録するための情報処理を実行する手段である。

取引情報処理部１１６０は、顧客の金融口座と他の顧客の金融口座などとの間で、金融取引を実行したり、その金融取引の結果を記録したりする情報処理を実行する手段である。

外部信用情報処理部１１７０は、外部のデータベースに顧客の信用情報などがある場合には、そこにアクセスして必要な情報を取得する情報処理を実行する手段である。

審査結果処理部１１８０は、顧客の与信等の審査を実行したり、現在または過去の審査結果を記録したりする情報処理を実行する手段である。

顧客フォロー情報処理部１１９０は、顧客へのフォローの内容を決定したり、顧客に対してフォローを実行したりする情報処理を実行する手段である。

外部情報取得部１２００は、外部のデータベースに顧客の信用情報などがある場合には、そこにアクセスして必要な情報を取得する情報処理を実行する手段である。

情報抽出部１２１０は、必要な情報を抽出する情報処理を実行する手段である。

モデル計算部１２２０は、抽出されたデータに基づいてスコアリングモデルを構築したり、特化係数などの比較可能な数値を計算したりする情報処理を実行する手段である。

自社金融商品提案部１２３０は、自社金融商品を提案するための情報処理を実行する手段である。

金融口座ＤＢ１３１０は、顧客の金融口座そのものの情報を記憶する手段である。

属性情報ＤＢ１３２０は、金融口座を有する顧客の個人情報（年収、勤務先など）を記憶する手段である。

金融行動情報ＤＢ１３３０は、顧客の金融口座における取引結果を記憶する手段である。

取引情報ＤＢ１３４０は、金融口座の取引情報（例えば、決済情報）を記憶する手段である。

外部信用情報ＤＢ１３５０は、外部のデータベース等にアクセスして取得した顧客の信用情報を記憶する手段である。

前回審査結果ＤＢ１３６０は、顧客のフォロー結果を記憶する手段である。

顧客フォローＤＢ１３７０は、顧客に対して実行されたフォローおよびそのフォローに対する結果（顧客の対応など）を記憶する手段である。

モデル記憶ＤＢ１３８０は、任意の条件で作成されたスコアリングモデルなどを記憶する手段である。

自社金融商品ＤＢ１３９０は、自社金融商品を記憶する手段である。

制御部１４１０は、顧客価値向上支援装置１０００の内部にある各部や各ＤＢを制御する手段である。例えば、プロセッサなどでもよい。

インターフェイス部１４２０は、顧客価値向上支援装置１０００の外部のサーバや端末などとデータを送受信する手段である。

本実施例のスコアリングモデル作成にあたっては、ロジスティック回帰モデルを利用する。ロジスティック回帰モデルは、事象（貸倒する／しない、商品購入する／しない）の発生確率を算出するための一般的な手法であるが、本実施例では、顧客へのアプローチの有無かつ顧客の金融商品の取引有無をターゲットとし、それらを確率として表現するためこのロジスティクス回帰モデルを適用する。顧客へのアプローチの有無の確率は顧客へのアプローチのしやすさ、顧客の金融商品の取引有無の確率は顧客の金融商品の取引のしやすさと言い換えることができる。

ここで、顧客へのアプローチのしやすさとは、顧客との対面／非対面に関わらず、金融機関が提供するチャネル（ＡＴＭ、ＩＢ、金融機関の店舗窓口など）を顧客が能動的に利用する頻度が高いことを示す。なお、自動口座引落や第三者から振込まれた際の入金取引などの受動的なものは含まないものとする。別の実施例として、例えば、貸倒率（貸倒が発生する可能性）の逆相関を示す確率（例えば、１－貸倒率）でもよい。これは、利用顧客が金融機関の金融商品を適切に取引できる可能性の確率である。例えば、金融商品を購入しても、その後に適切に利用できないと貸倒となり、金融機関も顧客もメリットがない。例えば、ローンであれば、返済期限までに、予め契約された回数や金額を定期的に返済できることが利用顧客に求められる。

また、顧客の金融商品の取引のしやすさとは、例えば、新たに金融商品を契約に至る確率が高いことである。これは、金融機関が利用顧客へのアプローチしたときに成功率が高くなる確率であり、例えば、金融機関の側から利用顧客に対して特定の金融商品の購入を提案した場合に、利用顧客が、その特定の金融商品の購入を受け入れる可能性（契約成立の可能性）を数値で示している。具体的には、顧客の金融商品の取引のしやすさは、新規契約率で示すことができる。また、本実施例の顧客へのアプローチのしやすさとして、新規契約率を利用する例を説明したが、別の実施例として、追加契約率（現在、金融商品を利用中の顧客が更に同じ金融商品を追加的に購入・利用する確率）やリピート契約率（以前に契約していた顧客が、再度契約をする確率）でもよく、新規契約率と追加契約率とリピート契約率の任意の組み合わせでもよい。

以下ではこれら顧客のアプローチのしやすさと、顧客の金融商品取引のしやすさを総称して、顧客経験価値確率と呼ぶ。
上述の確率は、以下の式１、式２により求められる。

次に、顧客経験価値向上支援モデルについて説明する。顧客経験価値向上支援モデルは、本発明の予め定められたスコアリングモデルの一例であり、顧客経験価値向上支援情報に含まれる情報に基づくデータを入力データとし、顧客経験価値確率を出力データとするスコアリングモデルである。顧客経験価値向上支援モデルは、予め蓄積された複数の顧客経験価値向上支援情報に対して統計処理等を施すことで得ることができる。本実施形態のスコアリングモデルは、ロジスティック回帰モデルを用いて構築されたものであり、次の式１、及び、式２で表される。

Ｚ＝β０＋β１×ｘ１＋β２×ｘ２・・・ （式１）

Ｐ＝１／（１＋ｅｘｐ（－Ｚ））・・・ （式２）

式１のＺはスコアであり、ｘ１、ｘ２・・・は説明変数、β０、β１・・・はロジスティック回帰分析によって予め決定されているパラメータである。式２のＰは、顧客経験価値確率であり、顧客のアプローチのしやすさ、具体的には窓口の利用確率（別の実施例ではＡＴＭ・ＩＢ）であり、顧客の金融商品の取引のしやすさ、具体的にはカードローン（別の実施例では投信信託、定期預金）の新規契約率（別の実施例では追加利用率）である。またｅｘｐはｅ（自然対数の底）を底とする指数関数を表す。

説明変数ｘ１、ｘ２・・・がスコアリングモデルの入力データであり、顧客経験価値向上支援確率がスコアリングモデルの出力データである。顧客経験価値向上支援確率は、説明変数ｘ１、ｘ２・・・の基となる顧客経験価値向上支援情報が表す顧客の顧客経験価値向上支援確率である。

説明変数の一例を以下に示す。
説明変数ｘ１：顧客属性情報
説明変数ｘ２：金融行動情報（能動的）
説明変数ｘ３：金融行動情報（受動的）
説明変数ｘ４：金融口座情報（預金・預かり資産）
説明変数ｘ５：金融講座情報（貸付）
説明変数ｘ６：その他取引情報
説明変数ｘ７：外部信用情報
説明変数ｘ８：前回審査結果
説明変数ｘ９：顧客フォロー情報

これら説明変数に使用される情報（パラメータ）は、顧客へのアプローチのしやすさと、顧客の金融商品の取引のしやすさと同符号の相関関係がある。例えば、金融機関に預けられている金融残高が高い顧客の方が、顧客へのアプローチのしやすさが高い傾向にあり、かつ顧客の金融商品の取引のしやすさが高い傾向を有していることが一般的である。本実施例では、このような傾向を有している情報を活用して、式１、式２のモデルを作成する。

ここで、本実施例で使用できるこれら説明変数に使用される情報（パラメータ）の一例について、図４ａ～４ｅを参照しながら、説明する。顧客へのアプローチのしやすさと、顧客の金融商品の取引のしやすさと同符号の相関関係がある一例を示す。

図４ａは、ＡＴＭの利用回数に対する新規契約率と貸倒率の関係を示す。ＡＴＭの利用回数が増えると、新規契約率が上昇する傾向がある。その一方で、ＡＴＭの利用回数が増えると、貸倒率が減少する傾向がある。ここで、貸倒率が減少するということは、貸倒れない可能性が上昇するということを意味するので、顧客へのアプローチのしやすさと、顧客の金融商品の取引のしやすさと同符号の相関関係があると言える。

同様に、図４ｂに示すように、住宅ローン取引においても、顧客へのアプローチのしやすさと、顧客の金融商品の取引のしやすさと同符号の相関関係がある。

また、図４ｃに示すように、ある範囲において、顧客の金融商品の取引のしやすさと同符号の相関関係がある場合には、その範囲内に限って、本実施例を適用させてもよい。また、複数のパラメータを組み合わせて（掛け合わせて）、顧客へのアプローチのしやすさと、顧客の金融商品の取引のしやすさと同符号の相関関係を作り出してもよい。

一方で、図４ｄ、４ｅに示すように、顧客へのアプローチのしやすさと、顧客の金融商品の取引のしやすさと同符号の相関関係がないパラメータは、本実施例では使用しない。例えば、図４ｄに示すように、利用回数が増えても新規契約率も貸倒率もほとんど増減しない場合である。図４ｅに示すように、利用回数が増加すると、新規契約率は上がるが貸倒率も上がる場合も同様である。

パラメータβ０からβ９までは、例えば、予め顧客価値向上支援装置１０００が蓄積した個人信用情報である基礎情報を用いて、顧客価値向上支援１０００がロジスティック回帰分析を行うことで決定する。パラメータβ０からβ９までは、本発明のシステムとは別の情報処理装置が決定してもよい。

説明変数ｘ１は、顧客属性情報であり、金融機関が有している情報である。説明変数ｘ１は、年齢を基に計算される。更に、就業形態、住所変更履歴、姓変更履歴、性別を基に計算されてもよい。更に、例えば、氏名、生年月日、性別、住所、電話番号、及び、勤務先等の情報、顧客年齢、就業形態など金融機関が有している情報である。顧客年齢は、顧客の生年月日を基に計算される。就業形態については、会社などの法人や団体等に勤務しているか否か、若しくは会社等を経営している経営者か否か、若しくは、無職か否かなどの観点で判別される。以下、本実施例の顧客価値向上支援モデルを説明する。

本実施例の顧客価値向上支援モデルでは、説明変数として属性データが使われる。属性データとは、顧客がローン等の契約の申込書に記入したデータである。本実施例では、属性データとして、少なくとも年齢に関する情報が含まれ、付加的には、職種、従業員数、勤続年数、業種、住居形態、勤務形態、未既婚、就職時年齢、子供人数、同居家族数、性別、業種と規模、家族状況、年収、及び、借入に関する情報が使われる。

本実施例の顧客価値向上支援モデルの説明変数として、さらに、顧客の金融口座に関する情報が使われる。本実施例では、金融口座情報として、少なくとも預金口座に関する情報が使われる。また、預金口座に関する情報とは、例えば、預金残高や、投資信託などの残高に関する情報である。

以下、説明変数のパラメータ、当該パラメータの説明、当該パラメータにおける顧客経験価値向上支援確率との関係性の一例について説明する。以下の説明変数を使用する際には、任意の複数のパラメータの組み合わせを使用してもよい。

図３は、本発明の一実施例による顧客価値向上支援システムをコンソーシアム化（コンソーシアムシステム）した例を示す。

以下、説明変数のパラメータ、当該パラメータの説明、当該パラメータにおける顧客経験価値向上支援確率との関係性の一例について説明する。以下の説明変数を使用する際には、１つのパラメータを使用してもよく、複数のパラメータの組み合わせを使用してもよい。

説明変数ｘ１は、顧客の属性情報であり、金融機関が有している情報である。説明変数ｘ１は、年齢を基に計算される。更に、就業形態、住所変更履歴、姓変更履歴、性別を基に計算されてもよい。更に、例えば、氏名、生年月日、性別、住所、電話番号、及び、勤務先等の情報、顧客年齢、就業形態など金融機関が有している情報である。顧客年齢は、顧客の生年月日を基に計算される。就業形態については、会社などの法人や団体等に勤務しているか否か、若しくは会社等を経営している経営者か否か、若しくは、無職か否かなどの観点で判別される。

顧客金融行動情報（能動的）は、ＡＴＭ利用回数、件数、場所、曜日、時間帯を基に計算される。更に、付加的には、窓口利用回数、件数、場所、曜日、時間帯や、インターネットバンキング（ＩＢ：Ｉｎｔｅｒｎｅｔ Ｂａｎｋｉｎｇ）利用回数、件数、場所、曜日、時間帯を基に計算されてもよい。コンビニＡＴＭの利用回数、時間外利用多発は、ＡＴＭ（現金自動預け払い機：Ａｕｔｏｍａｔｉｃ Ｔｅｌｌｅｒ Ｍａｃｈｉｎｅ）の利用回数を記録しておき、例えば、ある所定期間において、金融機関のＡＴＭの利用回数、コンビニエンスストア等に設置されているＡＴＭの利用回数、時間外利用回数などの利用場所や利用回数などを記録しておく。

顧客金融行動情報（受動的）は、給与振込件数および金額、口座引落失敗件数を基に計算される。更に、付加的には、給与振込件数および金額に加えて、年金振込件数および金額、配当金受取件数および金額などの入金件数および金額に基づいて計算されてもよい。更に、付加的には、入金件数及び金額に加えて、公共料金口座引落件数、金額、種類（電気、ガス、水道など）、学費引落件数、金額、種類（授業料、保育料など）、他社（他行）発行クレジットカード口座引落件数、金額、種類などの出金件数および金額に基づいて計算されてもよい。更に、付加的には、口座引落失敗件数に加えて、公共料金口座引落失敗件数、金額、種類（電気、ガス、水道など）、学費引落失敗件数、金額、種類（授業料、保育料など）、他社（他行）発行クレジットカード口座引落失敗件数、金額、種類などに基づいて計算されてもよい。

顧客金融口座情報（預金）は、預金月末残高（普通預金、定期預金などを個別に分けてもよい）、預金月中平均残高を基に計算される。

顧客金融口座情報（融資）は、契約状況、借入残高（住宅ローン、自動車ローン、教育ローンなどを個別に分けてもよい）、を基に計算される。更に、その他のパラメータを基に計算されてもよい。

顧客金融口座情報（その他）は、投資信託、保険などの契約状況、自社（自行）発行のクレジットカードの契約状況を基に計算されてもよい。

説明変数ｘ４は、顧客信用外部情報であり、金融機関の外部から取得した信用情報である。説明変数ｘ４は、個人信用情報の照会件数や頻度、借入残高、返済実績（自社口座以外での延滞有無など）、ネガティブ情報の有無に基づいて計算されてもよい。

説明変数ｘ５は、前回審査結果であり、前回の審査結果を基に計算される。

説明変数ｘ６は、顧客フォロー情報であり、前回のフォロー内容およびフォロー結果を基に計算される。

本実施例における説明変数におけるパラメータは、一般に、パラメータの値が上昇（または下降）すると、ニーズとリスクの差が変化する傾向がある。逆に言えば、パラメータの値が上昇（または下降）してもニーズ（例えば、新規契約率や追加契約率）とリスク（貸倒率）の差が変化しないまたは変化量が少ない傾向があるパラメータを用いていない。例えば、ＡＴＭ利用回数が増加すると、新規契約率は高くなるが貸倒率は低くなる傾向がある。また、別の実施例として、パラメータの所定の範囲にだけ、ニーズとリスクとの差異が大きい場合には、その所定の範囲に限ってパラメータを利用するように構成されてもよい。例えば、ある取引において、ある閾値とを超えると、リスクに対してニーズが優位になる傾向があるパラメータが存在するとする。その場合には、その閾値を超えた範囲でのみ、パラメータが利用できるように構成されてよい。このようなパラメータを選択することで、リスクの高い顧客を排除しながらニーズの高い顧客を選択することができる。

本実施例において、上述した説明変数の各パラメータにおける（顧客経験価値向上支援の確率との）関係性は、顧客へのアプローチのしやすさも、顧客の金融商品の取引のしやすさも同様の傾向を有していることが必要であり、顧客へのアプローチのしやすさ、顧客の金融商品の取引のしやすさで異なる傾向を有してはいけない。つまり、説明変数におけるパラメータの値が上昇すると、顧客へのアプローチのしやすさ、顧客の金融商品の取引のしやすさも上昇するにように変化する関係性を有する一方で、説明変数におけるパラメータの値が低下すると、顧客へのアプローチのしやすさ、顧客の金融商品の取引のしやすさも低下するにように変化する関係性を有していることが必要である。ただし、客へのアプローチのしやすさと顧客の金融商品の取引のしやすさにとの上昇および下降の変化の程度は、異なっていてもよい。上述の関係性の具体例として、新規契約率や追加契約率が高い一方で貸倒率が低い顧客を同時に判定することができる。

なお、本実施例では、ロジスティック回帰モデルを使った例を説明したが、別の実施例として、サポートベクターマシン、決定木、ランダムフォレスト、ニューラルネットワーク、ディープラーニングなどの手法を用いても、本実施例と同様の入力変数（パラメータ）を用いて、顧客経験価値確率を算出とすることができる。

図２は、本発明の一実施例による情報処理のフローチャートを示す。

Ｓ２０１０では、対象抽出処理を実行する。例えば、顧客に販売したい金融商品の前提条件をパラメータとして選択する。例えば、属性データであれば、年齢であり、未成年や高齢者を対象から除外するように対象抽出処理をする。

Ｓ２０２０では、Ｓ２０１０の対象抽出処理で抽出された一群の顧客に対して、ニーズ判定を実行する。

Ｓ２０３０では、Ｓ２０２０で処理された顧客状態悪化判定処理を実行する。

Ｓ２０４０では、Ｓ２０３０で顧客状態悪化判定を行った顧客に対して、顧客へのアプローチのしやすさと、顧客の当該商品の取引のしやすさとが同時に判定できるようになるモデリング生成処理を実行する。

図５は、本発明の一実施例によるスコアリングに関する情報処理のフローチャートを示す。

Ｓ５０１０では、金融口座は有しているが当該商品の取引がない顧客を抽出する。そして、抽出された顧客の中の任意の顧客に対して、当該商品の取引に関するプロモーションを行う。そして、プロモーションを受けた顧客の中で、当該商品の新規取引に興味を持った顧客に対して、事前スコアリングを行う。

Ｓ５０２０では、過去取引に基づく事前スコアリングを行う。ＡＴＭ、インターネットバンキング、アプリ、店頭などあらゆる顧客接点可能なチャネルを通じてプロモーションを行う。

Ｓ５０３０では、新規取引を行う。

Ｓ５０４０では、スコアリングを行う。スコアリングの手法については、説明済みなので省略です。

Ｓ５０５０では、追加取引を行う。Ｓ５０４０に戻って、同様の工程を繰り返す。

図３は、本発明の一実施例による情報処理装置をコンソーシアム化したサーバ・クライアントシステムを示す。なお、図３において示した参照符号のうち、他の実施例と同じ参照符号は、実質的に同じ機能を有しているので、説明を省略する。

本実施例におけるコンソーシアム化したサーバ・クライアントシステムとは、実施例１の情報処理装置の一部の機能を共同サーバに設けて、複数の金融機関などが有する特定の情報（データ）に対して情報処理を施すシステムである。本実施例のようなコンソーシアムシステムを使用することにより、多くの情報（データ）を集約することが可能になるので、処理されたデータの品質（価値）を高める効果が期待できる。

図３のサーバ・クライアントシステムにおいては、複数の与信判断支援システム１０１０（クライアント側）と、コンソーシアムシステム２０１０（サーバ側）とが、専用回線またはネットワーク５００を介して接続されている。

情報処理装置１０１０は、実施例１の与信判断支援装置１０００と実質等価の構成でもよく、情報処理装置１０００のモデル計算部１２２０および／またはモデル記憶用ＤＢ１３８０が抜けている構成でもよい。

複数の情報処理装置１０１０のそれぞれは、各金融機関などに設置されている。

コンソーシアムシステム２０１０は、管理サーバ４１０と、モデル計算部１１５０と、複数のモデル記憶用ＤＢ１２３０とから構成されている。

管理サーバ４１０は、モデル計算部１１５０とモデル記憶用ＤＢ１３８０を制御する。管理サーバ４１０は、更に、ネットワーク５００を介して、複数の与信判断支援システム１０２０に、モデル計算部１２２０および／またはモデル記憶用ＤＢ１３８０からのデータを送信したり、与信判断支援システム１０２０から受信したデータをモデル計算部１２２０および／またはモデル記憶ＤＢ１３８０に転送したりする。

コンソーシアムシステム２０１０では、任意の銀行の情報処理装置１０１０からの要求に応じて、管理サーバ４１０を介して、図２のＳ２０１０－Ｓ２０４０と同様の処理を実行する。ここで、対象抽出データ（Ｓ２０１０）、ニーズデータ（Ｓ２０２０）、顧客状態悪化判定データ（Ｓ２０３０）を抽出する際には、一実施例として、管理サーバ４１０は、Ａ銀行用モデル記録用ＤＢ１３８０、Ｂ銀行用モデル記録用ＤＢ１３８０、Ｃ銀行用モデル記録用ＤＢ１３８０、・・・からランダムにまたは平均的に抽出してもよいし、別の実施例として、Ａ銀行の貸倒データ（延滞データや正常データでもよい）を基準にスコアリングモデルを作成したい場合は、Ａ銀行の貸倒データを基準にして、不足となる延滞データや正常データを、他の銀行用モデル記録用ＤＢ１３８０から補完するように抽出してもよい。

また、他の銀行用モデル記録用ＤＢ１３８０からのデータを使用する際には、管理サーバ４１０は、個人情報であると指定されたデータをマスク処理して、当該マスク処理されたデータをモデル計算部１２２０にわたすようにしてもよい。

以上のように本発明の実施態様について説明したが、上述の説明に基づいて当業者にとって種々の代替例、修正又は変形が可能であり、本発明はその趣旨を逸脱しない範囲で前述の種々の代替例、修正又は変形を包含するものである。

顧客価値向上支援装置１０００、画面表示部１１１０、入力部１１２０、属性情報処理部１１３０、金融行動情報処理部１１４０、金融口座情報処理部１１５０、取引情報処理部１１６０、外部信用情報処理部１１７０、前回審査結果処理部１１８０、顧客フォロー情報処理部１１９０、外部情報取得部１２００、情報抽出部１２１０、モデル計算部１２２０、自社金融商品提案部１２３０、金融口座ＤＢ１３１０、属性情報ＤＢ１３２０、金融行動情報ＤＢ１３３０、取引情報ＤＢ１３４０、外部信用情報ＤＢ１３５０、前回審査結果ＤＢ１３６０、顧客フォローＤＢ１３７０、モデル記憶ＤＢ１３８０、自社金融商品ＤＢ１３９０、制御部１４１０、インターフェイス部１４２０

Claims (6)

1. スコアリングモデルを用いて金融機関から顧客へのアプローチのしやすさを示す確率及び前記金融機関が提供する金融商品に関して顧客の金融商品の取引のしやすさを示す確率を含む顧客経験価値向上支援確率を計算する情報処理装置において、
   少なくとも顧客の年齢に関する情報を含む顧客属性情報を記憶する顧客属性情報データベースと、
   少なくとも顧客の預金口座に関する情報を含む金融口座情報を記憶する金融口座情報データベースと、
   少なくとも顧客の金融口座の取引情報を記憶する取引情報データベースと、
   前記取引情報データベースから前記顧客属性情報と前記金融口座情報を取得できるすべての顧客を対象として、少なくとも前記顧客属性情報と金融口座情報とを説明変数として、前記スコアリングモデルに基づいて、事前スコアリングを行う手段と、
   前記顧客属性情報を基準に予め設定された抽出条件に基づいて、前記事前スコアリングされた顧客の中から、当該抽出条件に適合する顧客を抽出する手段と、
   前記事前スコアリングされた顧客について、前記金融商品の新たな取引開始後の取引状況を前記取引情報データベースに追加し、当該追加された前記金融商品の新たな取引開始後の取引状況を説明変数として更に用いる前記スコアリングモデルに基づいて、新たなスコアリングを行う手段と、
   を備え、
   前記スコアリングモデルは、
   少なくとも前記顧客属性情報と金融口座情報とを説明変数として、前記顧客へのアプローチのしやすさを示す確率と、前記顧客の金融商品の取引のしやすさを示す確率とを含む前記顧客経験価値向上支援確率を計算するものであり、
   前記スコアリングモデルは、更に、
   前記説明変数におけるパラメータの値が上昇すると、前記顧客へのアプローチのしやすさを示す確率、前記顧客の金融商品の取引のしやすさを示す確率も上昇するにように変化する一方で、
   前記説明変数におけるパラメータの値が低下すると、前記顧客へのアプローチのしやすさを示す確率、前記顧客の金融商品の取引のしやすさを示す確率も低下するにように変化する関係性を有し、
   前記顧客へのアプローチのしやすさを示す確率と、前記顧客の金融商品の取引のしやすさを示す確率とは、同符号の相関関係を有しており、
   前記顧客へのアプローチのしやすさを示す確率は、前記金融機関が、前記顧客にアプローチできる可能性を示す確率であり、
   前記顧客の金融商品の取引のしやすさを示す確率は、前記顧客が、前記金融機関が提供する前記金融商品を新たに契約する可能性を示す確率であることを特徴とする情報処理装置。
2. 前記新たなスコアリングを行う手段において、前記スコアリングモデルは、更に、顧客フォロー情報を説明変数として用いることを特徴とする、請求項１に記載の情報処理装置。
3. 前記新たなスコアリングを行う手段において、前記スコアリングモデルは、更に、外部信用情報を説明変数として用いることを特徴とする、請求項１または２に記載の情報処理装置。
4. 前記新たなスコアリングが行われた顧客について、前記金融商品の追加取引状況を前記取引情報データベースに追加し、当該追加された追加取引状況を説明変数とする前記スコアリングモデルに基づいて、更に新たなスコアリングを行うことを特徴とする請求項１記載の情報処理装置。
5. スコアリングモデルを用いて金融機関から顧客へのアプローチのしやすさを示す確率及び前記金融機関が提供する金融商品に関して顧客の金融商品の取引のしやすさを示す確率を含む顧客経験価値向上支援確率を計算する情報処理システムにおいて、
   少なくとも顧客の年齢に関する情報を含む顧客属性情報を記憶する顧客属性情報データベースと、
   少なくとも顧客の預金口座に関する情報を含む金融口座情報を記憶する金融口座情報データベースと、
   少なくとも顧客の金融口座の取引情報を記憶する取引情報データベースと、
   前記取引情報データベースから前記顧客属性情報と前記金融口座情報を取得できるすべての顧客を対象として、少なくとも前記顧客属性情報と金融口座情報とを説明変数として、前記スコアリングモデルに基づいて、事前スコアリングを行う手段と、
   前記顧客属性情報を基準に予め設定された抽出条件に基づいて、前記事前スコアリングされた顧客の中から、当該抽出条件に適合する顧客を抽出する手段と、
   前記事前スコアリングされた顧客について、前記金融商品の新たな取引開始後の取引状況を前記取引情報データベースに追加し、当該追加された前記金融商品の新たな取引開始後の取引状況を説明変数として更に用いる前記スコアリングモデルに基づいて、新たなスコアリングを行う手段と、
   を備え、
   前記スコアリングモデルは、
   少なくとも前記顧客属性情報と金融口座情報とを説明変数として、前記顧客へのアプローチのしやすさを示す確率と、前記顧客の金融商品の取引のしやすさを示す確率とを含む前記顧客経験価値向上支援確率を計算するものであり、
   前記スコアリングモデルは、更に、
   前記説明変数におけるパラメータの値が上昇すると、前記顧客へのアプローチのしやすさを示す確率、前記顧客の金融商品の取引のしやすさを示す確率も上昇するにように変化する一方で、
   前記説明変数におけるパラメータの値が低下すると、前記顧客へのアプローチのしやすさを示す確率、前記顧客の金融商品の取引のしやすさを示す確率も低下するにように変化する関係性を有し、
   前記顧客へのアプローチのしやすさを示す確率と、前記顧客の金融商品の取引のしやすさを示す確率とは、同符号の相関関係を有しており、
   前記顧客へのアプローチのしやすさを示す確率は、前記金融機関が、前記顧客にアプローチできる可能性を示す確率であり、
   前記顧客の金融商品の取引のしやすさを示す確率は、前記顧客が、前記金融機関が提供する前記金融商品を新たに契約する可能性を示す確率であることを特徴とする情報処理システム。
6. スコアリングモデルを用いて金融機関から顧客へのアプローチのしやすさを示す確率及び前記金融機関が提供する金融商品に関して顧客の金融商品の取引のしやすさを示す確率を含む顧客経験価値向上支援確率を計算するプログラムにおいて、
   少なくとも顧客の年齢に関する情報を含む顧客属性情報を顧客属性情報データベースに記憶する手段と、
   少なくとも顧客の預金口座に関する情報を含む金融口座情報を金融口座情報データベースに記憶する手段と、
   少なくとも顧客の金融口座の取引情報を取引情報データベースに記憶する手段と、
   前記取引情報データベースから前記顧客属性情報と前記金融口座情報を取得できるすべての顧客を対象として、少なくとも前記顧客属性情報と金融口座情報とを説明変数として、前記スコアリングモデルに基づいて、事前スコアリングを行う手段と、
   前記顧客属性情報を基準に予め設定された抽出条件に基づいて、前記事前スコアリングされた顧客の中から、当該抽出条件に適合する顧客を抽出する手段と、
   前記事前スコアリングされた顧客について、前記金融商品の新たな取引開始後の取引状況を前記取引情報データベースに追加し、当該追加された前記金融商品の新たな取引開始後の取引状況を説明変数として更に用いる前記スコアリングモデルに基づいて、新たなスコアリングを行う手段と、
   を備え、
   前記スコアリングモデルは、
   少なくとも前記顧客属性情報と金融口座情報とを説明変数として、前記顧客へのアプローチのしやすさを示す確率と、前記顧客の金融商品の取引のしやすさを示す確率とを含む前記顧客経験価値向上支援確率を計算するものであり、
   前記スコアリングモデルは、更に、
   前記説明変数におけるパラメータの値が上昇すると、前記顧客へのアプローチのしやすさを示す確率、前記顧客の金融商品の取引のしやすさを示す確率も上昇するにように変化する一方で、
   前記説明変数におけるパラメータの値が低下すると、前記顧客へのアプローチのしやすさを示す確率、前記顧客の金融商品の取引のしやすさを示す確率も低下するにように変化する関係性を有し、
   前記顧客へのアプローチのしやすさを示す確率と、前記顧客の金融商品の取引のしやすさを示す確率とは、同符号の相関関係を有しており、
   前記顧客へのアプローチのしやすさを示す確率は、前記金融機関が、前記顧客にアプローチできる可能性を示す確率であり、
   前記顧客の金融商品の取引のしやすさを示す確率は、前記顧客が、前記金融機関が提供する前記金融商品を新たに契約する可能性を示す確率であることを特徴とするプログラム。

Images