Phân Khúc Khách Hàng Trong Ngân Hàng: Nghiên Cứu Về Khoản Vay Tiêu Dùng Cá Nhân

Nghiên cứu phân khúc khách hàng trong ngân hàng cho khoản vay tiêu dùng cá nhân, tập trung vào người vay trong môi trường ngân hàng số.

• Tác giả: Lê Phan Anh Thư
• Người hướng dẫn: Dr. Phạm Thị Việt Hương
• Trường học: Vietnam National University, Hanoi International School
• Chuyên ngành: Business Data Analytics
• Đề tài: Customer Segmentation In Banking For Personal Consumption Loans: A Study On Individual Borrowers In A Digital Banking
• Loại tài liệu: graduation project
• Năm xuất bản: 2024
• Địa điểm: Hanoi

Mục lục chi tiết

• ACKNOWLEDGEMENT
• GUARANTEE
• ABSTRACT
• 1. LITERATURE REVIEW
• 2. INTRODUCTION
• 3. THEORETICAL BASIS
• 3.1. Overview of Machine Learning
• 3.1.1. History of Formation and Development
• 3.2. Breakthroughs and applications
• 3.3. Why is Customer Clustering Important?
• 3.3.1. Breakthroughs in Machine Learning for Customer Clustering
• 3.3.2. Applications of Customer Clustering

Tóm tắt

I. Tổng Quan Về Phân Khúc Khách Hàng Trong Ngân Hàng

Phân khúc khách hàng là một chiến lược quan trọng trong ngành ngân hàng, giúp các tổ chức tài chính hiểu rõ hơn về nhu cầu và hành vi của khách hàng. Việc phân khúc này không chỉ giúp tối ưu hóa các chiến dịch marketing mà còn nâng cao trải nghiệm của khách hàng. Trong bối cảnh ngân hàng số hiện nay, việc áp dụng các công nghệ mới như học máy vào phân khúc khách hàng đang trở thành xu hướng tất yếu.

1.1. Khái Niệm Phân Khúc Khách Hàng

Phân khúc khách hàng là quá trình chia nhỏ một thị trường lớn thành các nhóm khách hàng có đặc điểm tương đồng. Điều này giúp ngân hàng phát triển các sản phẩm và dịch vụ phù hợp với từng nhóm, từ đó nâng cao hiệu quả kinh doanh.

1.2. Tầm Quan Trọng Của Phân Khúc Khách Hàng

Phân khúc khách hàng giúp ngân hàng tối ưu hóa nguồn lực, tăng cường sự hài lòng của khách hàng và cải thiện tỷ lệ chuyển đổi. Các ngân hàng có thể tạo ra các chiến dịch marketing hiệu quả hơn nhờ vào việc hiểu rõ nhu cầu của từng nhóm khách hàng.

II. Vấn Đề Và Thách Thức Trong Phân Khúc Khách Hàng

Mặc dù phân khúc khách hàng mang lại nhiều lợi ích, nhưng cũng tồn tại không ít thách thức. Các ngân hàng phải đối mặt với việc thu thập và phân tích dữ liệu khách hàng một cách hiệu quả. Ngoài ra, việc áp dụng công nghệ mới cũng đòi hỏi ngân hàng phải có nguồn lực và kiến thức chuyên môn.

2.1. Khó Khăn Trong Việc Thu Thập Dữ Liệu

Việc thu thập dữ liệu khách hàng chính xác và đầy đủ là một thách thức lớn. Nhiều ngân hàng gặp khó khăn trong việc tích hợp dữ liệu từ nhiều nguồn khác nhau, dẫn đến việc phân tích không chính xác.

2.2. Thiếu Kiến Thức Về Công Nghệ Mới

Nhiều ngân hàng vẫn chưa áp dụng công nghệ học máy vào quy trình phân khúc khách hàng. Điều này dẫn đến việc họ không thể tận dụng tối đa các cơ hội từ dữ liệu khách hàng.

III. Phương Pháp Phân Khúc Khách Hàng Hiệu Quả

Để phân khúc khách hàng hiệu quả, ngân hàng cần áp dụng các phương pháp hiện đại như học máy. Các thuật toán như phân cụm k-means, cây quyết định và mạng nơ-ron đã chứng minh được hiệu quả trong việc phân loại khách hàng.

3.1. Sử Dụng Học Máy Trong Phân Khúc

Học máy cho phép ngân hàng phân tích dữ liệu lớn và tìm ra các mẫu hành vi của khách hàng. Điều này giúp xác định các nhóm khách hàng tiềm năng cho các sản phẩm vay tiêu dùng.

3.2. Các Thuật Toán Phổ Biến

Các thuật toán như k-means và cây quyết định đã được sử dụng rộng rãi trong phân khúc khách hàng. Chúng giúp ngân hàng phân loại khách hàng dựa trên các đặc điểm như độ tuổi, thu nhập và hành vi tiêu dùng.

IV. Ứng Dụng Thực Tiễn Của Phân Khúc Khách Hàng

Phân khúc khách hàng không chỉ là lý thuyết mà còn có nhiều ứng dụng thực tiễn trong ngành ngân hàng. Các ngân hàng có thể sử dụng thông tin từ phân khúc để phát triển sản phẩm, tối ưu hóa chiến dịch marketing và cải thiện dịch vụ khách hàng.

4.1. Tối Ưu Hóa Chiến Dịch Marketing

Bằng cách phân khúc khách hàng, ngân hàng có thể thiết kế các chiến dịch marketing nhắm đến từng nhóm cụ thể, từ đó nâng cao hiệu quả và tỷ lệ chuyển đổi.

4.2. Cải Thiện Dịch Vụ Khách Hàng

Phân khúc giúp ngân hàng hiểu rõ hơn về nhu cầu của khách hàng, từ đó cải thiện dịch vụ và tạo ra trải nghiệm tốt hơn cho khách hàng.

V. Kết Luận Về Phân Khúc Khách Hàng Trong Ngân Hàng

Phân khúc khách hàng là một yếu tố quan trọng trong chiến lược kinh doanh của ngân hàng. Việc áp dụng công nghệ học máy vào phân khúc không chỉ giúp tối ưu hóa quy trình mà còn nâng cao trải nghiệm khách hàng. Tương lai của phân khúc khách hàng trong ngân hàng sẽ tiếp tục phát triển với sự hỗ trợ của công nghệ mới.

5.1. Tương Lai Của Phân Khúc Khách Hàng

Với sự phát triển của công nghệ, phân khúc khách hàng sẽ ngày càng trở nên chính xác và hiệu quả hơn. Ngân hàng sẽ có khả năng cung cấp các sản phẩm và dịch vụ cá nhân hóa hơn.

5.2. Tác Động Của Công Nghệ Mới

Công nghệ mới như trí tuệ nhân tạo và học sâu sẽ tiếp tục định hình cách thức ngân hàng phân khúc khách hàng, mở ra nhiều cơ hội mới cho ngành tài chính.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh kỷ nguyên số và môi trường cạnh tranh ngày càng gia tăng giữa các tổ chức tài chính, các ngân hàng thương mại và ngân hàng số đứng trước yêu cầu phải đổi mới chiến lược tiếp thị để đáp ứng nhu cầu đa dạng, phức tạp của người tiêu dùng hiện đại. Phân khúc khách hàng (customer segmentation) truyền thống chủ yếu dựa vào các thông tin nhân khẩu học cơ bản, vốn không còn đủ linh hoạt để nắm bắt đầy đủ hành vi giao dịch và rủi ro tín dụng. Do đó, việc ứng dụng học máy (machine learning) và phân tích dữ liệu chuyên sâu trở thành một giải pháp quan trọng nhằm tối ưu hóa chiến dịch tiếp thị, nâng cao tỷ lệ chuyển đổi các gói vay tiêu dùng cá nhân (personal consumption loans) mà vẫn đảm bảo kiểm soát tốt chi phí và ngân sách vận hành.

Khóa luận tốt nghiệp chuyên ngành Phân tích Dữ liệu Kinh doanh (Business Data Analytics) của tác giả Lê Phan Anh Thư (mã sinh viên: 20070986, lớp BDA2020A), do TS. Phạm Thị Việt Hương hướng dẫn tại Trường Quốc tế – Đại học Quốc gia Hà Nội (2024), tập trung vào các mục tiêu và nhiệm vụ nghiên cứu cụ thể:

1. Nghiên cứu cơ sở lý thuyết về học máy, các thuật toán phân loại và tầm quan trọng của phân khúc khách hàng trong lĩnh vực ngân hàng.
2. Khai phá, thống kê mô tả và tiền xử lý bộ dữ liệu khách hàng ngân hàng số gồm 5.000 bản ghi và 14 trường thông tin.
3. Ứng dụng kỹ thuật xử lý dữ liệu mất cân bằng SMOTENC và huấn luyện, đánh giá so sánh 5 mô hình học máy: Hồi quy Logistic (Logistic Regression), Cây quyết định (Decision Tree), Rừng ngẫu nhiên (Random Forest), Tăng cường độ dốc (Gradient Boosting) và K láng giềng gần nhất (K-Nearest Neighbors - KNN).
4. Phân tích mức độ quan trọng của các đặc trưng (Feature Importance) bằng công cụ SHAP (SHapley Additive exPlanations) nhằm giải thích cơ chế đưa ra quyết định của mô hình.
5. Thiết kế và triển khai ứng dụng web tương tác (Interactive Web Application) hỗ trợ cán bộ ngân hàng đánh giá nhanh khả năng phê duyệt khoản vay tiêu dùng của khách hàng.

Đối tượng nghiên cứu của đề tài là các thuộc tính nhân khẩu học, lịch sử tài chính, tài sản bảo đảm và hành vi giao dịch của khách hàng cá nhân tại một ngân hàng số. Phạm vi dữ liệu được giới hạn trong tập dữ liệu thực nghiệm gồm 5.000 khách hàng, tập trung vào hành vi vay tín dụng tiêu dùng qua thẻ (Loan-On-Card).

---

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng nền tảng dựa trên các nghiên cứu kinh điển về phân khúc thị trường (Wedel & Kamakura, 2000) và khai phá dữ liệu trong quản trị quan hệ khách hàng ngân hàng (Rygielski et al., 2002; Tsai & Chiu, 2004). Về mặt thuật toán, nghiên cứu tham chiếu các công trình nền tảng về Random Forest (Breiman, 2001), Gradient Boosting (Chen & Guestrin, 2016), kỹ thuật xử lý mất cân bằng SMOTE (Chawla et al., 2002) và phương pháp diễn giải mô hình SHAP (Lundberg & Lee, 2017).

Phương pháp nghiên cứu thực nghiệm được triển khai theo quy trình phân tích dữ liệu chuẩn mực:

• Phân tích khám phá dữ liệu (EDA): Sử dụng thư viện skimpy và các công cụ thống kê mô tả trong Python để kiểm tra kiểu dữ liệu, tỷ lệ khuyết thiếu, phân bố xác suất và xác định giá trị ngoại lai (outliers) thông qua khoảng tứ phân vị (Interquartile Range - IQR).
• Xử lý mất cân bằng dữ liệu: Áp dụng thuật toán SMOTENC (Synthetic Minority Over-sampling Technique for Nominal and Continuous features) để tổng hợp dữ liệu cho nhóm thiểu số, kết hợp phép nội suy cho biến liên tục và lấy giá trị xuất hiện nhiều nhất (mode) cho biến phân loại.
• Mô hình hóa và đánh giá: Chia dữ liệu theo tỷ lệ huấn luyện/kiểm tra là 80:20. Các mô hình học máy được đánh giá bằng các chỉ số: Độ chính xác (Accuracy), Độ chuẩn xác (Precision), Độ bao phủ (Recall), Điểm F1 (F1-score) và Ma trận nhầm lẫn (Confusion Matrix).
• Diễn giải mô hình: Sử dụng biểu đồ SHAP Summary Plot để xác định mức độ tác động của từng biến đầu vào đến dự báo đầu ra.

Nguồn dữ liệu thực nghiệm gồm 5.000 dòng dữ liệu đại diện cho khách hàng của một ngân hàng số, bao gồm 14 thuộc tính: ID, Age (Tuổi), Customer-Period (Thời gian gắn bó), Maximum-Spend (Chi tiêu tối đa), Address (Mã bưu chính), Hidden-Score (Điểm xếp hạng nội bộ), Monthly-Average-Spend (Chi tiêu trung bình hàng tháng), Level (Cấp bậc quan hệ), Mortgage (Dư nợ thế chấp), Security-Asset (Tài sản thế chấp), Fixed-Deposit-Account (Tài khoản tiết kiệm định kỳ), Internet-Banking (Sử dụng ngân hàng số), Credit-Card (Sở hữu thẻ tín dụng) và biến mục tiêu Loan-On-Card (Vay tiêu dùng trên thẻ).

---

Nội dung chính theo từng chương

Chương 1: Cơ sở lý thuyết về học máy và phân khúc khách hàng (Theoretical Basis)

Chương này tổng quan về lịch sử hình thành và phát triển của học máy từ những năm 1940: mô hình mạng nơ-ron toán học đầu tiên của McCulloch & Pitts (1943), cơ chế liên kết nơ-ron của Donald Hebb (1949), phép thử Turing (1950), máy tính SNARC của Marvin Minsky (1951), thuật toán KNN của Cover (1967), Neocognitron của Fukushima (1980), dấu mốc Deep Blue thắng cờ vua thế giới (1997), thuật ngữ Deep Learning do Geoffrey Hinton khởi xướng (2006), kiến trúc Transformers (Vaswani et al., 2017) và mô hình ngôn ngữ lớn ChatGPT (2023).

Tác giả luận giải 8 vai trò then chốt của việc phân khúc khách hàng trong ngân hàng: cá nhân hóa tiếp thị (Personalized Marketing), nâng cao trải nghiệm khách hàng (Enhanced Customer Experience), tối ưu hóa nguồn lực (Resource Optimization), cải thiện tỷ lệ giữ chân khách hàng (Improved Customer Retention), hỗ trợ phát triển sản phẩm mới (Informed Product Development), đưa ra quyết định chiến lược (Strategic Decision Making), tạo lợi thế cạnh tranh (Competitive Advantage) và quản trị rủi ro tín dụng (Risk Management). Đồng thời, chương 1 cũng chỉ ra các bước đột phá trong học sâu, xử lý ngôn ngữ tự nhiên, học tăng cường và mô hình Transformer ứng dụng vào phân tích hành vi người dùng.

Chương 2: Thiết lập thực nghiệm, phân tích dữ liệu và mô hình hóa (Experimental Setup and Modeling)

Chương này đi sâu vào phân tích tập dữ liệu 5.000 dòng, thực hiện tiền xử lý và xây dựng mô hình dự báo:

1. Phân tích khám phá dữ liệu (EDA):

   • Age (Tuổi): Khách hàng dao động từ 25 đến 70 tuổi, tập trung chủ yếu ở nhóm 35 - 55 tuổi ($Q_1 = 35$, $Q_3 = 55$). Phương pháp IQR không phát hiện ngoại lai.
   • Customer-Period (Thời gian gắn bó): Dao động từ 0 đến 40 năm ($Q_1 = 10$, $Q_3 = 30$), không phát hiện ngoại lai theo IQR. Biểu đồ quan hệ cho thấy thời gian gắn bó không có sự khác biệt đáng kể giữa nhóm vay và không vay tiền trên thẻ.
   • Maximum-Spend (Mức chi tiêu tối đa): Phần lớn tập trung từ 30 đến 100 đơn vị tiền tệ; phát hiện 96 khách hàng có mức chi tiêu cao bất thường (ngoại lai). Nhóm có khoản vay (Loan-On-Card = 1) có mức $Q_1 = 125$ và $Q_3 = 175$, cao hơn rõ rệt so với nhóm không có khoản vay ($Q_1 = 40$, $Q_3 = 75$).
   • Monthly-Average-Spend (Chi tiêu trung bình tháng): Tập trung ở khoảng 0 - 3 đơn vị tiền tệ, phát hiện 324 giá trị ngoại lai. Khách hàng có khoản vay đạt mức chi tiêu trung bình lên đến 4 đơn vị, trong khi nhóm không vay chỉ ở mức 1 đơn vị.
   • Mortgage (Dư nợ thế chấp): Đa số khách hàng không có dư nợ thế chấp. Trong nhóm có thế chấp, giá trị tập trung từ 75 đến 300; có 291 giá trị ngoại lai (đạt 500 - 600 đơn vị). Nhóm có vay qua thẻ có mức thế chấp tối đa đạt 200, trong khi nhóm không vay chỉ khoảng 100.
   • Hidden-Score (Điểm nội bộ): Thang điểm từ 1 đến 4 phân bố tương đối đồng đều (mức 1 chiếm 29,2%, mức 4 chiếm 24,7%).
   • Credit-Card & Loan-On-Card: Có hơn 3.500 khách hàng chưa có thẻ tín dụng (chiếm > 70,6%), 1.500 khách hàng có thẻ tín dụng (29,4%). Về biến mục tiêu Loan-On-Card, chỉ có 480 khách hàng phát sinh vay nợ trên thẻ (chiếm 9,6%), còn lại là nhóm không vay (90,4%). Có 20 bản ghi bị khuyết thiếu (NaN, chiếm 0,4%), được tác giả xử lý bằng cách gán giá trị mặc định là 0.

2. Cân bằng dữ liệu bằng SMOTENC: Trước khi cân bằng, lớp 1 chỉ có 480 mẫu và lớp 0 có 4.520 mẫu. Thuật toán SMOTENC đã tạo các mẫu nhân tạo cho lớp thiểu số, đưa cả hai nhóm về quy mô cân bằng là 4.520 mẫu cho mỗi lớp.

3. Huấn luyện và so sánh mô hình học máy: Tập dữ liệu sau khi cân bằng được chia tỷ lệ 80% train và 20% test. Kết quả thực nghiệm cụ thể:

   • Logistic Regression: Đạt độ chính xác trên 87% ở cả hai tập. Ma trận nhầm lẫn ghi nhận dự đoán đúng 3.066 mẫu và sai 566 mẫu ở lớp không vay; dự đoán đúng 3.243 mẫu và sai 357 mẫu ở lớp có vay.
   • Decision Tree: Đạt Precision 0,93 và F1-score 0,94 đối với nhóm khách hàng vay vốn.
   • Random Forest Classifier: Đạt Precision 0,95 và F1-score 0,95 đối với nhóm khách hàng vay vốn.
   • Gradient Boosting Classifier: Đạt hiệu năng cao nhất với Accuracy = 0,958, Precision = 0,96 và F1-score = 0,96 đối với nhóm khách hàng vay vốn.
   • KNN: Đạt Precision 0,81 và F1-score 0,84 đối với nhóm khách hàng vay vốn.

Thuật toán / Mô hình	Độ chính xác (Accuracy)	Precision (Nhóm vay)	F1-score (Nhóm vay)
Gradient Boosting	0,958	0,96	0,96
Random Forest	Gần tương đương GB	0,95	0,95
Decision Tree	—	0,93	0,94
Logistic Regression	> 0,870	—	—
K-Nearest Neighbors (KNN)	—	0,81	0,84

4. Phân tích mức độ quan trọng của đặc trưng (Feature Importance với SHAP): Biểu đồ SHAP Summary Plot trên mô hình Gradient Boosting chỉ ra thứ tự các biến ảnh hưởng mạnh nhất đến khả năng chấp thuận/phát sinh khoản vay:
   • Maximum Spend (Chi tiêu tối đa trong một giao dịch) là yếu tố có tác động lớn nhất; chi tiêu tối đa càng cao thì xác suất vay càng lớn.
   • Level (Cấp bậc quan hệ khách hàng) và Monthly Average Spend (Chi tiêu trung bình tháng) là hai yếu tố quan trọng kế tiếp.
   • Các biến tiếp theo gồm: Customer Period, Hidden Score, Internet Banking Usage, Age, Credit Card Ownership, Mortgage, Security Asset, Fixed Deposit Account và cuối cùng là Address.

Chương 3: Kết luận, đánh giá và định hướng phát triển (Conclusion and Future Directions)

Tác giả tổng kết toàn bộ kết quả đạt được, khẳng định mô hình Gradient Boosting là giải pháp tối ưu cho bài toán phân khúc và dự báo phê duyệt tín dụng tiêu dùng. Đồng thời, tác giả trình bày quá trình tự tích lũy kỹ năng lập trình Python, xử lý mất cân bằng dữ liệu với SMOTE/SMOTENC, khai thác thư viện Scikit-learn và giải thích mô hình.

---

Thiết kế và triển khai ứng dụng dự đoán

Khóa luận đã phát triển một ứng dụng web tương tác (Interactive Web Application) tích hợp trực tiếp mô hình Gradient Boosting nhằm hỗ trợ cán bộ tín dụng ngân hàng đưa ra quyết định duyệt vay theo thời gian thực.

• Các trường thông tin đầu vào của ứng dụng:

  1. Age: Tuổi của khách hàng.
  2. Customer Period: Số năm thiết lập quan hệ giao dịch với ngân hàng.
  3. Maximum Spend: Số tiền chi tiêu lớn nhất trong một giao dịch đơn lẻ.
  4. Address (Zip code): Mã bưu chính nơi cư trú.
  5. Hidden Score: Điểm số đánh giá tín nhiệm nội bộ.
  6. Monthly Average Spend: Mức chi tiêu bình quân hàng tháng.
  7. Level: Cấp bậc quan hệ khách hàng.
  8. Mortgage: Tình trạng vay thế chấp (0: Không, 1: Có).
  9. Internet Banking: Tình trạng sử dụng ngân hàng điện tử (0: Không, 1: Có).
  10. Credit Card: Tình trạng sở hữu thẻ tín dụng (0: Không, 1: Có).
  11. Security Asset: Có tài sản bảo đảm hay không (0: Không, 1: Có).
  12. Fixed Deposit Account: Có tài khoản tiền gửi tiết kiệm định kỳ hay không (0: Không, 1: Có).

• Kết quả kiểm thử trên các kịch bản thực nghiệm:

  • Kịch bản 1 (Khả năng phê duyệt cao - Nhãn dự báo 1.0): Khách hàng 30 tuổi, thời gian gắn bó 10 năm, chi tiêu tối đa 150 đơn vị, điểm nội bộ 3 và cấp bậc quan hệ 7. Mô hình phản hồi khách hàng có tiềm năng tài chính tốt và lịch sử gắn bó lâu dài.
  • Kịch bản 2 (Khả năng phê duyệt thấp - Nhãn dự báo 0.0): Khách hàng 18 tuổi, thời gian gắn bó 0 năm, chi tiêu tối đa 10 đơn vị, điểm nội bộ 1 và cấp bậc quan hệ 2. Mô hình phân loại khách hàng vào nhóm rủi ro cao do hạn chế về lịch sử tín dụng và mức độ hoạt động tài chính thấp.

---

Kết quả và đóng góp

• Về mặt kỹ thuật và số liệu: Nghiên cứu đã chứng minh hiệu quả của việc xử lý mất cân bằng dữ liệu bằng SMOTENC (tăng số lượng mẫu nhóm thiểu số từ 480 lên 4.520 bản ghi), giúp các mô hình học máy nâng cao khả năng nhận diện khách hàng vay vốn. Mô hình Gradient Boosting đạt hiệu năng vượt trội với độ chính xác tổng thể 95,8%, Precision 0,96 và F1-score 0,96 trên nhóm khách hàng mục tiêu.
• Về mặt giải thích dữ liệu: Sử dụng thành công SHAP Summary Plot để lượng hóa mức độ đóng góp của từng thuộc tính, xác định rõ các yếu tố quyết định hàng đầu gồm: Chi tiêu tối đa (Maximum Spend), Cấp bậc quan hệ (Level) và Chi tiêu trung bình tháng (Monthly Average Spend).
• Về mặt ứng dụng thực tiễn: Xây dựng hoàn chỉnh giao diện web tương tác giúp chuyển giao kết quả mô hình hóa thành công cụ nghiệp vụ trực quan cho cán bộ thẩm định tín dụng, rút ngắn thời gian xử lý hồ sơ và cá nhân hóa các gói vay tiêu dùng.

---

Hạn chế và hướng nghiên cứu tiếp

Khóa luận chỉ ra một số hạn chế trong quá trình thực nghiệm:

• Độ chính xác trên dữ liệu phức tạp: Việc nâng cao độ chính xác khi đối mặt với dữ liệu thực tế có độ nhiễu cao và tỷ lệ mất cân bằng lớn vẫn là một thách thức kỹ thuật.
• Xử lý dữ liệu nhiễu: Dữ liệu thực tế phát sinh nhiều giá trị khuyết thiếu và nhiễu ngẫu nhiên, đòi hỏi các quy trình làm sạch dữ liệu chặt chẽ hơn để không làm suy giảm độ tin cậy của mô hình.
• Thời gian huấn luyện và tối ưu: Các mô hình phức tạp như Gradient Boosting đòi hỏi chi phí tính toán và thời gian tinh chỉnh tham số lớn.

Các hướng phát triển tiếp theo được tác giả xác định:

• Nghiên cứu và ứng dụng các phương pháp tối ưu hóa siêu tham số tự động như Grid Search và Random Search nhằm hạn chế hiện tượng quá khớp (overfitting) và tăng hiệu năng dự báo.
• Khảo sát các kỹ thuật tiền xử lý dữ liệu mất cân bằng nâng cao khác như ADASYN (Adaptive Synthetic) kết hợp cùng các kiến trúc Ensemble Learning chuyên sâu.

---

Giá trị tham khảo

Tài liệu này là nguồn tham khảo hữu ích cho:

• Sinh viên và học viên ngành Phân tích Dữ liệu Kinh doanh (Business Data Analytics), Khoa học Dữ liệu, Công nghệ Tài chính (Fintech) và Tài chính - Ngân hàng đang thực hiện đồ án hoặc khóa luận về phân loại tín dụng và phân khúc khách hàng.
• Cán bộ phân tích dữ liệu và chuyên viên quản trị rủi ro tại các ngân hàng thương mại, ngân hàng số cần tài liệu tham khảo về quy trình EDA, xử lý dữ liệu mất cân bằng bằng SMOTENC, đánh giá mô hình bằng Ma trận nhầm lẫn và giải thích thuật toán bằng SHAP.
• Nhà phát triển ứng dụng tài chính quan tâm đến cách tích hợp mô hình phân loại học máy vào giao diện web hỗ trợ quyết định kinh doanh.

---

Câu hỏi thường gặp

1. Tập dữ liệu thực nghiệm trong khóa luận có quy mô và cấu trúc như thế nào?

Tập dữ liệu gồm 5.000 dòng và 14 cột thuộc tính của một ngân hàng số. Các trường dữ liệu bao gồm: ID, Tuổi (Age), Thời gian gắn bó (Customer-Period), Chi tiêu tối đa (Maximum-Spend), Mã bưu chính (Address), Điểm nội bộ (Hidden-Score), Chi tiêu trung bình tháng (Monthly-Average-Spend), Cấp bậc quan hệ (Level), Dư nợ thế chấp (Mortgage), Tài sản đảm bảo (Security-Asset), Tiền gửi tiết kiệm (Fixed-Deposit-Account), Ngân hàng số (Internet-Banking), Sở hữu thẻ tín dụng (Credit-Card) và biến mục tiêu là Vay nợ qua thẻ tín dụng (Loan-On-Card).

2. Tác giả giải quyết bài toán mất cân bằng dữ liệu (Class Imbalance) bằng cách nào?

Biến mục tiêu Loan-On-Card ban đầu chỉ có 480 khách hàng vay nợ (chiếm 9,6%) và 4.520 khách hàng không vay nợ, cùng với 20 giá trị NaN (được gán mặc định là 0). Tác giả đã áp dụng thuật toán SMOTENC để sinh dữ liệu nhân tạo cho nhóm thiểu số dựa trên phép nội suy cho biến liên tục và lấy giá trị mode cho biến phân loại, đưa cả hai nhóm về quy mô cân bằng là 4.520 mẫu trước khi phân chia tập train/test tỷ lệ 80:20.

3. Thuật toán học máy nào mang lại kết quả tốt nhất trong nghiên cứu?

Mô hình Gradient Boosting Classifier đạt hiệu năng cao nhất trong số các thuật toán được thử nghiệm, với độ chính xác (Accuracy) đạt 0,958 (95,8%), Precision đạt 0,96 và F1-score đạt 0,96 đối với nhóm khách hàng có khoản vay trên thẻ.

4. Phân tích SHAP chỉ ra những yếu tố nào có ảnh hưởng lớn nhất đến quyết định vay tiêu dùng?

Theo biểu đồ SHAP Summary Plot, ba yếu tố có mức độ ảnh hưởng lớn nhất là Mức chi tiêu tối đa trong một giao dịch (Maximum Spend), Cấp bậc quan hệ khách hàng (Level) và Mức chi tiêu bình quân hàng tháng (Monthly Average Spend). Khách hàng có các chỉ số này càng cao thì xác suất được duyệt khoản vay tiêu dùng càng lớn.

5. Ứng dụng web tương tác trong đồ án phục vụ chức năng gì?

Ứng dụng web được xây dựng dựa trên mô hình Gradient Boosting đã huấn luyện, cho phép cán bộ ngân hàng nhập 12 thông số đầu vào của khách hàng để dự đoán nhanh khả năng phê duyệt khoản vay (nhãn 1.0 là đủ điều kiện duyệt vay, nhãn 0.0 là không đủ điều kiện), giúp tự động hóa và nâng cao tính chính xác trong thẩm định sơ bộ.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Lê Phan Anh Thư đã nghiên cứu và triển khai thành công quy trình ứng dụng học máy trong phân khúc khách hàng và dự báo phê duyệt khoản vay tiêu dùng cá nhân tại ngân hàng số. Thông qua việc làm sạch 5.000 bản ghi dữ liệu, xử lý mất cân bằng bằng SMOTENC và huấn luyện 5 mô hình phân loại, nghiên cứu đã xác định Gradient Boosting là mô hình tối ưu nhất với độ chính xác 95,8% và F1-score đạt 0,96. Công trình đồng thời giải thích rõ ràng tầm quan trọng của các đặc trưng tài chính qua SHAP và hoàn thiện một ứng dụng web tương tác có giá trị thực tiễn cao cho nghiệp vụ tín dụng ngân hàng.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY, HANOI INTERN ATIONAL SCHOOL GRADUATION PROJECT CUSTOMER SEGMENTATION IN BANKING FOR PERSONAL CONSUMPTION LOANS: A STUDY ON INDIVIDUAL BORROWERS IN A DIGITAL BANKING Lê Phan Anh Thư - 20070986 Hanoi - 2024 VIETNAM NATIONAL UNIVERSITY, HANOI INTERN ATIONAL SCHOOL GRADUATION PROJECT CUSTOMER SEGMENTATION IN BANKING FOR PERSONAL CONSUMPTION LOANS: A STUDY ON INDIVIDUAL BORROWERS IN A DIGITAL BANKING SUPERVISOR: DR. Phạm Thị Việt Hương STUDENT: Lê Phan Anh Thư STUDENT ID: 20070986 COHORT: BDA2020A SUBJECT CODE: INS401101 MAJOR: BUSINESS DATA ANALYTICS Hanoi - 2024 ACKNOWLEDGEMENT I would like to express my deepest gratitude to my supervisor, Dr. Phạm Thị Việt Hương, whose expertise, understanding, and patience added considerably to my graduate experience. I appreciate her vast knowledge and skill in many areas, and her assistance in writing reports.

I also wish to thank the faculty and staff at Vietnam National University, Hanoi, International School for their invaluable support and guidance throughout my study. I am particularly grateful to my family and friends for their continuous encouragement and support. Their belief in me has been a source of motivation and inspiration. Lastly, I extend my heartfelt thanks to my fellow students and colleagues who have made this journey memorable and enriching.

Le Phan Anh Thu. GUARANTEE I, Lê Phan Anh Thư, hereby declare that this graduation project titled "Customer Segmentation in Banking" is my own original work and that all sources used have been acknowledged. This project has not been submitted for any other degree or professional qualification. I guarantee that the data and findings presented in this report are genuine and have been obtained through ethical research practices.

Le Phan Anh Thu. TABLE OF CONTENTS LIST OF FIGURES. Overview of Machine Learning. History of Formation and Development.

Breakthroughs and applications. Why is Customer Clustering Important? .1 Breakthroughs in Machine Learning for Customer Clustering .2 Applications of Customer Clustering. 35 LIST OF FIGURES Figure 2. 1: Illustrate the columns in the dataset.

2: Overview of the dataset.3: The distribution of values in the Age column and the box plot.4: The distribution of values in the Customer-Period column and its box plot.5: The distribution of values in the Maximum-Spend column. 6: Outlier values in Maximum-Spend. 7: The distribution of values in the Monthly-Average-Spend column. 8: Outlier values in Monthly-Average-Spend.

9: The distribution of values in the Mortgage column. 10: Outlier values in Mortgage. 11: The count and distribution of values in the Hidden-Score column. 12: The distribution of values in the Credit-Card column.

13: The distribution of values in the Loan-On-Card column. 14: The relationship between Customer-Period and Loan-On-Card. 15: The relationship between Maximum-Spend and Loan-On-Card. 16: Maximum-Spend trong từng nhóm Loan-On-Card.

17: The Relationship Between Monthly-Average-Spend and Loan-On-Card. 18: Monthly-Average-Spend of Each Loan-On-Card Group. 19: The Relationship Between Mortgage and Loan-On-Card. 20: Distribution of Mortgage in Loan-On-Card.

21: The Relationship Between Mortgage and Monthly-Average-Spend. 22: Head of data. 23: Tail of data. 24: The number of undefined data in each column.

25: The number of instances in each class within Loan-On-Card. 27: Logistic Regression Model Accuracy. 28: Logistic Regression model Confusion matrix. 30: Decision Tree Training Results.

31: RandomForest Classifier Training Results. 32: Gradient Classifier Training Results. 33: SVC Training Results. 34: KNN Training Results.

31 ABSTRACT In today's digital era, banks and financial institutions must refine their marketing strategies to reflect the complexity and diversity of modern customers. This project investigates the application of machine learning algorithms to develop a customer segmentation system using existing customer data from a bank. By analyzing transaction behaviors, personal information, and financial histories, the project aims to identify potential customer segments for targeted marketing campaigns, thereby optimizing loan conversion rates without exceeding current budgets. Machine learning techniques, including supervised and unsupervised learning, are employed to classify customers into distinct groups based on their attributes.

The project not only aims to improve the effectiveness of marketing campaigns but also to enhance customer experiences through personalized offers and services. The results indicate significant improvements in campaign performance, suggesting a promising approach for banks to optimize resource utilization and maintain competitiveness in the financial industry. This project provides valuable insights and practical solutions for banks looking to leverage data analytics for strategic marketing and customer relationship management. Through this research, I hope to contribute to the ongoing efforts in enhancing financial services and customer satisfaction in the banking sector.

LITERATURE REVIEW Customer segmentation is a crucial strategy in modern banking, enabling institutions to tailor their marketing and service efforts to diverse customer needs. This literature review explores key methodologies and frameworks in customer segmentation, particularly focusing on machine learning algorithms and their applications. Historical Context and Development The concept of customer segmentation has evolved significantly over the decades. Early methods relied heavily on demographic data, but the advent of digital banking has allowed for more sophisticated approaches, incorporating behavioral and transactional data.

Researchers such as Wedel and Kamakura (2000) have laid the groundwork by identifying fundamental principles of market segmentation. Machine Learning in Customer Segmentation Recent advancements in machine learning have revolutionized customer segmentation. Algorithms like k-means clustering, decision trees, and neural networks have enabled banks to segment customers more accurately. For instance, random forest and gradient boosting classifiers, as discussed by Breiman (2001) and Chen & Guestrin (2016), have shown high effectiveness in predicting customer behavior.

Applications and Case Studies Numerous case studies highlight the successful application of machine learning in banking. A study by Tsai and Chiu (2004) demonstrated the use of neural networks in segmenting credit card customers. Another significant contribution by Rygielski et al. (2002) showcased how data mining techniques could enhance customer relationship management in banking.

INTRODUCTION In today's highly competitive financial environment, banks and financial institutions are increasingly driven to refine their strategies to cater to the diverse and complex needs of modern customers. The rapid advancements in technology and the proliferation of digital banking have made the ability to understand and segment customers effectively a crucial aspect of achieving a competitive advantage and enhancing customer satisfaction. Customer segmentation involves dividing a broad customer base into distinct groups that share similar characteristics, behaviors, or needs. This enables banks to tailor their products and services more precisely to each segment, thereby improving the efficiency and effectiveness of their operations.

Traditional segmentation methods primarily relied on demographic data; however, the integration of machine learning and data analytics has opened up new possibilities for more sophisticated and dynamic customer segmentation. This graduation project aims to explore the application of machine learning algorithms in customer segmentation within the context of personal consumption loans in digital banking. By leveraging existing customer data, including transactional behaviors, personal information, and financial histories, the project seeks to identify potential customer segments that can be targeted with specific loan products. The ultimate goal is to optimize loan conversion rates and enhance overall customer engagement without exceeding the current budget.

The significance of this research lies in its potential to transform how banks interact with their customers. Personalized loan offerings not only improve the effectiveness of customer engagement but also enrich the customer experience by offering relevant and timely financial products. As banks strive to stay competitive in an ever-evolving financial landscape, the insights gained from advanced customer segmentation can provide a valuable edge. This report is structured as follows: the first chapter provides a theoretical basis for understanding machine learning and its relevance to customer segmentation.

The second chapter details the experimental setup, including data collection, preprocessing, 10 and the application of various machine learning models. The final chapter presents the results, discusses the implications of the findings, and outlines potential future directions for research in this area. Through this project, I aim to contribute to the growing body of knowledge on data-driven strategies in banking and provide practical solutions for enhancing customer relationship management. By demonstrating the value of machine learning in customer segmentation, this research underscores the importance of technological innovation in driving business success in the financial sector.

THEORETICAL BASIS Machine Learning (ML) is a branch of Artificial Intelligence (AI) and computer science, focusing on the use of data and algorithms to enable AI to mimic the way humans learn, gradually improving its accuracy. This chapter will provide an overview of the issues related to machine learning and highlight prominent algorithms.1 Overview of Machine Learning 1.1 History of Formation and Development The origins of machine learning can be traced back to the 1940s when researchers began exploring basic pattern recognition problems and studying neural networks. The early history of Machine Learning (ML) is marked by groundbreaking ideas and relentless efforts to create computers that could mimic human thinking processes. In 1943, Walter Pitts and Warren McCulloch devised the first mathematical model of an artificial neural network, laying the foundation for modern neural networks and the development of distributed machine learning tools (McCulloch & Pitts, 1943).

Pioneers of the early ML era include Donald Hebb, Alan Turing, and Arthur Samuel. While they were not the only initiators, their research and contributions significantly advanced the field of machine learning. Hebb's work on neural communication, Turing's artificial intelligence test, and Samuel's coining of the term "machine learning" all contributed to the burgeoning field of artificial intelligence (AI) and laid the groundwork for the myriad machine learning algorithms we know today (Hebb, 1949; Turing, 1950; Samuel, 1959). Some notable milestones in the formation and development of machine learning include the following events: - In 1943, Walter Pitts and Warren McCulloch developed the first machine learning model to address the challenge posed by John von Neumann: how can computers communicate with each other? 12 - In 1949, Donald Hebb introduced the concept of communication between neurons in the nervous system.

- In 1950, Alan Turing introduced the Turing Test, marking a significant milestone in the field of AI. - In 1951, Marvin Lee Minsky invented the SNARC (Stochastic Neural Analog Reinforcement Calculator), an early neural network computer. - In 1967, Cover and his colleagues created the k-Nearest Neighbors (kNN) algorithm. - In 1980, the neocognitron, a multilayered artificial neural network, was discovered, serving as a precursor to convolutional neural networks (CNNs) (Fukushima, 1980).

- In 1997, IBM's Deep Blue shocked the world by defeating the reigning world chess champion. - In 2006, Geoffrey Hinton coined the term "Deep Learning" to describe new algorithms that allowed computers to "see" and differentiate objects as well as text in images and videos. - In 2017, Google published its first research on the deep learning architecture called Transformers (Vaswani et al. - In 2023, OpenAI released ChatGPT.

From the early days of simple pattern recognition to today's complex learning models, the history of machine learning (ML) has been a fascinating journey. It is the story of humanity's effort to create computers that can learn, adapt, and make intelligent decisions, much like our own cognitive processes. This journey has reshaped industries, redefined human-computer interaction, and unlocked a world of untapped potential.2 Breakthroughs and applications. In recent years, machine learning has undergone a series of breakthroughs and innovations, sparking a revolution in the fields of science and technology.

Some notable advancements include: • The deep learning revolution in 2012. • The development of reinforcement learning algorithms, exemplified by AlphaGo from DeepMind. • Advances in natural language processing, including OpenAI's ChatGPT. These advancements have significantly enhanced the capabilities and applications of artificial intelligence.

They also demonstrate the potential of machines to understand and generate human-like language, paving the way for the development of more advanced AI systems. As machine learning continues to evolve and adapt, we can anticipate ongoing advancements in areas such as quantum computing, unsupervised learning, and the establishment of cognitive services. These future trends are sure to shape the way we live and work, as machine learning continues to redefine the boundaries of what is possible in the field of artificial intelligence.