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

Giới thiệu dự án

Trong kỷ nguyên ngân hàng số (Digital Banking), tối ưu hóa trải nghiệm khách hàng và nâng cao hiệu quả tiếp thị cho các sản phẩm vay tiêu dùng cá nhân (Personal Consumption Loans) trở thành yêu cầu sống còn. Theo các báo cáo tài chính bán lẻ quốc tế, các chiến dịch tiếp thị đại trà truyền thống (Mass Marketing) thường mang lại tỷ lệ chuyển đổi thấp (dưới 3-5%), trong khi chi phí thu hút khách hàng (CAC - Customer Acquisition Cost) ngày càng gia tăng. Vấn đề cốt lõi bắt nguồn từ việc các tổ chức tín dụng chưa khai thác triệt để các dữ liệu phi nhân khẩu học như hành vi giao dịch, chi tiêu định kỳ và các chỉ số tín dụng nội bộ để phân khúc khách hàng một cách chính xác.

Đồ án tốt nghiệp chuyên ngành Phân tích Dữ liệu Kinh doanh (Business Data Analytics - Trường Quốc tế, Đại học Quốc gia Hà Nội) của sinh viên Lê Phan Anh Thư, dưới sự hướng dẫn khoa học của TS. Phạm Thị Việt Hương, đã giải quyết bài toán trên bằng cách phát triển hệ thống phân khúc và dự báo khả năng chấp nhận khoản vay tiêu dùng cá nhân dựa trên các thuật toán học máy (Machine Learning).

flowchart LR
    A["Dữ liệu khách hàng ngân hàng số<br/>(5,000 bản ghi, 14 thuộc tính)"] --> B["Tiền xử lý & EDA<br/>(Skimpy, IQR Outlier Detection)"]
    B --> C["Cân bằng dữ liệu hỗn hợp<br/>(SMOTENC Algorithm)"]
    C --> D["Huấn luyện & Đánh giá Model<br/>(LR, DT, RF, GBDT, SVC, KNN)"]
    D --> E["Giải thích mô hình XAI<br/>(SHAP Value Analysis)"]
    E --> F["Hệ thống Web App thời gian thực<br/>(Hỗ trợ ra quyết định tín dụng)"]

Mục tiêu dự án

1. Phân tích khám phá dữ liệu (EDA): Đánh giá phân phối, tương quan và phát hiện ngoại lai (Outliers) trên tập dữ liệu 5.000 hồ sơ khách hàng với 14 biến đặc trưng tài chính - hành vi.
2. Xử lý mất cân bằng lớp (Class Imbalance): Áp dụng kỹ thuật tổng hợp mẫu SMOTENC (Synthetic Minority Over-sampling Technique for Nominal and Continuous) để giải quyết tỷ lệ mất cân bằng nghiêm trọng (chỉ 9.6% khách hàng có khoản vay tín dụng).
3. Mô hình hóa và đối chuẩn (Benchmarking): Huấn luyện, đánh giá và so sánh hiệu năng 6 thuật toán học máy: Logistic Regression, Decision Tree, Random Forest, Gradient Boosting Classifier, Support Vector Classifier (SVC), và K-Nearest Neighbors (KNN).
4. Giải thích mô hình (Explainable AI - XAI): Tích hợp kỹ thuật SHAP (SHapley Additive exPlanations) nhằm bóc tách mức độ ảnh hưởng của từng đặc trưng tài chính đến quyết định vay.
5. Triển khai ứng dụng thực tế: Thiết kế giao diện web tương tác (Interactive Web Application) hỗ trợ chuyên viên tín dụng thẩm định và phân khúc hồ sơ khách hàng tức thì.

Phạm vi và Giới hạn

• Phạm vi dữ liệu: 5.000 hồ sơ khách hàng với 14 trường dữ liệu bao gồm nhân khẩu học (Age, Address), lịch sử quan hệ (Customer-Period, Level), hành vi chi tiêu (MaximumSpend, Monthly-Average-Spend), và cam kết tài chính (Mortgage, Security-Asset, Fixed-Deposit, Credit-Card, Loan-On-Card).
• Giới hạn: Dữ liệu thu thập tại một thời điểm cố định trong chiến dịch tiếp thị ngân hàng số, tập trung vào sản phẩm vay quay vòng trên thẻ/vay tiêu dùng tín chấp.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi ứng dụng học máy, các ngân hàng thường dựa vào hệ thống tính điểm luật cứng (Rule-based Scorecard) hoặc phân khúc nhân khẩu học thuần túy. Bảng so sánh dưới đây làm rõ khoảng cách công nghệ:

Tiêu chí	Tiếp cận Truyền thống (Rule-based)	Phân tích Thống kê Cổ điển (RFM)	Giải pháp Đề xuất (ML + SMOTENC + SHAP)
Nguồn dữ liệu	Nhân khẩu học cơ bản (Tuổi, Thu nhập khai báo)	Tần suất & Giá trị giao dịch đơn lẻ	Đa chiều: Hành vi, Chi tiêu cực đại, Điểm ẩn, Thế chấp
Xử lý mất cân bằng	Bỏ qua hoặc gán trọng số tĩnh	Không hỗ trợ	SMOTENC cân bằng chính xác dữ liệu hỗn hợp
Độ chính xác (Precision)	Thấp (< 65%), nhiều báo động giả	Trung bình (70% - 75%)	Vượt trội (96.0% với Gradient Boosting)
Tính tương tác & XAI	Quy tắc cứng, khó cập nhật	Báo cáo tĩnh theo kỳ	Giải thích thời gian thực qua giá trị SHAP

Yêu cầu hệ thống theo mô hình MoSCoW

• Must Have: Pipeline làm sạch dữ liệu tự động, module cân bằng SMOTENC, bộ phân lớp Gradient Boosting đạt F1-Score > 0.90, module giải thích SHAP.
• Should Have: Web UI tương tác dự báo theo thời gian thực (< 500ms/request), biểu đồ trực quan hóa đóng góp của từng thuộc tính.
• Could Have: Khả năng xuất báo cáo phân khúc dạng PDF, tích hợp API RESTful cho hệ thống Core Banking.
• Won't Have: Phê duyệt giải ngân tự động không qua giám sát con người (Human-in-the-loop).

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình phân tầng chặt chẽ:

graph TD
    subgraph Data Layer
        D1[Raw Banking Data - CSV/DB] --> D2[Data Validation & Skimpy Profiling]
        D2 --> D3[IQR Outlier Handling & NaN Imputation]
    end

    subgraph Feature & Sampling Layer
        D3 --> F1[Categorical Encoding]
        F1 --> F2[SMOTENC Oversampling Engine]
        F2 --> F3[Stratified Train-Test Split 80:20]
    end

    subgraph Modeling & Inference Layer
        F3 --> M1[Gradient Boosting Classifier]
        M1 --> M2[Model Evaluation & Metrics]
        M1 --> M3[SHAP Explainer Engine]
    end

    subgraph Application Layer
        M1 --> U1[Inference Service API]
        M3 --> U2[Interactive Web Dashboard]
        U1 --> U2
    end

Technology Stack và Phiên bản

• Ngôn ngữ: Python v3.10+
• Xử lý & Phân tích dữ liệu: Pandas v2.1.0, NumPy v1.26.0, Skimpy v0.0.9
• Học máy & Cân bằng mẫu: Scikit-Learn v1.3.2, Imbalanced-Learn v0.11.0 (SMOTENC)
• Giải thích mô hình: SHAP v0.43.0
• Trực quan hóa & Giao diện: Matplotlib v3.8.0, Seaborn v0.13.0, Streamlit UI framework

Thiết kế lược đồ dữ liệu (Data Schema)

Hệ thống xử lý 14 trường dữ liệu chuẩn hóa:

1. ID (Integer): Mã định danh khách hàng duy nhất.
2. Age (Integer): Độ tuổi (dao động từ 25 đến 70 tuổi, tập trung tại 35–55 tuổi).
3. Customer-Period (Integer): Thâm niên quan hệ với ngân hàng (0 đến 40 năm).
4. MaximumSpend (Float): Mức chi tiêu cao nhất trong một giao dịch đơn lẻ.
5. Address (Integer/String): Mã bưu chính khu vực cư trú.
6. Hidden-Score (Integer): Điểm đánh giá tín nhiệm nội bộ của ngân hàng (thang 1 - 4).
7. Monthly-Average-Spend (Float): Mức chi tiêu trung bình hàng tháng.
8. Level (Integer): Cấp bậc khách hàng trong hệ sinh thái ngân hàng.
9. Mortgage (Float): Giá trị khoản vay thế chấp hiện hữu (giá trị từ 0 đến 600 đơn vị).
10. Security-Asset (Binary: 0/1): Tình trạng sở hữu tài sản bảo đảm.
11. Fixed-Deposit-Account (Binary: 0/1): Có tài khoản tiền gửi có kỳ hạn hay không.
12. Internet-Banking (Binary: 0/1): Mức độ sử dụng dịch vụ ngân hàng điện tử.
13. Credit-Card (Binary: 0/1): Khách hàng đang sở hữu thẻ tín dụng (70.6% Chưa có, 29.4% Đã có).
14. Loan-On-Card (Binary Target: 0/1): Khách hàng phát sinh khoản vay tiêu dùng quay vòng (480 nhãn 1 vs 4.520 nhãn 0, 20 bản ghi NaN được gán mặc định 0).

Methodology

Quy trình phát triển tuân thủ phương pháp luận CRISP-DM (Cross-Industry Standard Process for Data Mining) kết hợp mô hình phân tích lặp Agile:

[Hiểu bài toán kinh doanh] ➔ [Hiểu & Khám phá dữ liệu] ➔ [Xử lý & Cân bằng dữ liệu] 
        ➔ [Mô hình hóa đa thuật toán] ➔ [Đánh giá & XAI] ➔ [Đóng gói Web Application]

• Đánh giá rủi ro: Rủi ro lớn nhất là overfitting do kỹ thuật tổng hợp mẫu và rủi ro nhận định sai khách hàng rủi ro cao (False Positive). Giải pháp: Sử dụng Stratified K-Fold Cross Validation và ưu tiên tối ưu hóa chỉ số Precision & F1-Score cho nhóm vay.

---

Implementation và kết quả

Development Process

1. Tiền xử lý và Xử lý mất cân bằng với SMOTENC

Phân tích EDA ban đầu phát hiện 20 giá trị NaN ở cột mục tiêu Loan-On-Card (chiếm 0.4%), được chuẩn hóa gán về 0. Tỷ lệ phân bố lớp ban đầu là 4.520 (nhãn 0) : 480 (nhãn 1), gây mất cân bằng nghiêm trọng.

Thuật toán SMOTENC được triển khai để tổng hợp mẫu dữ liệu thiểu số trên không gian đặc trưng hỗn hợp:

• Đối với đặc trưng liên tục: Sử dụng phép nội suy khoảng cách Euclid: $$\vec{x}_{new} = \vec{x}i + \lambda \times (\vec{x}{zi} - \vec{x}_i), \quad \lambda \in [0, 1]$$
• Đối với đặc trưng định danh (Categorical): Chọn giá trị Mode (yếu vị) xuất hiện nhiều nhất trong $k$ láng giềng gần nhất.

Kết quả sau tiền xử lý: Số lượng mẫu được cân bằng hoàn hảo ở mức 4.520 mẫu cho mỗi lớp (Tổng cộng 9.040 bản ghi).

import pandas as pd
import numpy as np
from imblearn.over_sampling import SMOTENC
from sklearn.model_selection import train_test_split
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.metrics import classification_report, confusion_matrix

# 1. Load và xử lý Missing Value
df = pd.read_csv("bank_customer_data.csv")
df['Loan-On-Card'] = df['Loan-On-Card'].fillna(0).astype(int)

# 2. Phân tách Feature matrix X và Target vector Y
X = df.drop(columns=['ID', 'Loan-On-Card'])
y = df['Loan-On-Card']

# 3. Xác định chỉ số của các biến phân loại (Categorical Features)
categorical_indices = [X.columns.get_loc(col) for col in [
    'Hidden-Score', 'Level', 'Security-Asset', 
    'Fixed-Deposit-Account', 'Internet-Banking', 'Credit-Card'
]]

# 4. Áp dụng SMOTENC cân bằng dữ liệu
smotenc = SMOTENC(categorical_features=categorical_indices, random_state=42)
X_resampled, y_resampled = smotenc.fit_resample(X, y)

# 5. Phân chia Train-Test Split (80:20)
X_train, X_test, y_train, y_test = train_test_split(
    X_resampled, y_resampled, test_size=0.20, random_state=42, stratify=y_resampled
)

# 6. Huấn luyện Gradient Boosting Classifier
gb_model = GradientBoostingClassifier(
    n_estimators=100, 
    learning_rate=0.1, 
    max_depth=5, 
    random_state=42
)
gb_model.fit(X_train, y_train)

# 7. Dự báo và đánh giá
y_pred = gb_model.predict(X_test)
print(classification_report(y_test, y_pred, digits=4))

Testing và validation

Hiệu năng của 6 thuật toán học máy được đối chuẩn trực tiếp trên cùng tập kiểm thử đã cân bằng (Test Set: 1.808 mẫu):

Mô hình Thuật toán	Accuracy	Precision (Lớp Vay = 1)	Recall (Lớp Vay = 1)	F1-Score (Lớp Vay = 1)	Weighted F1-Score
Gradient Boosting Classifier	95.8%	0.96	0.96	0.96	0.958
Random Forest Classifier	95.0%	0.95	0.95	0.95	0.950
Decision Tree Classifier	93.5%	0.93	0.94	0.94	0.935
Logistic Regression	87.2%	0.85	0.90	0.87	0.872
K-Nearest Neighbors (KNN)	82.5%	0.81	0.88	0.84	0.825
Support Vector Classifier (SVC)	84.0%	0.83	0.86	0.84	0.840

Ma trận nhầm lẫn của Gradient Boosting Classifier:
                  Predicted Non-Loan (0)    Predicted Loan (1)
Actual Non-Loan (0)        871                       33
Actual Loan (1)             43                      861

Giải thích mô hình bằng SHAP (SHapley Additive exPlanations)

Phân tích SHAP Summary Plot trên mô hình Gradient Boosting đã làm sáng tỏ cơ chế ra quyết định:

1. MaximumSpend (Chi tiêu cực đại): Yếu tố tác động mạnh nhất. Khách hàng có giá trị chi tiêu đơn lẻ cao có xác suất vay tiêu dùng cao gấp 3.4 lần nhóm thông thường.
2. Level (Cấp bậc quan hệ): Chỉ số tương tác và gắn kết cao với ngân hàng đóng góp dương vào điểm số phê duyệt.
3. Monthly-Average-Spend (Chi tiêu trung bình tháng): Khách hàng duy trì chi tiêu hàng tháng ở mức 3 - 5 đơn vị tiền tệ có nhu cầu tín dụng ổn định.
4. Customer-Period (Thâm niên khách hàng): Khách hàng gắn bó lâu năm (10 - 30 năm) được mô hình gán trọng số an toàn tín dụng cao.
5. Hidden-Score (Điểm tín nhiệm nội bộ): Điểm 3 và 4 phản ánh trực tiếp năng lực hoàn trả khoản vay.
6. Internet-Banking & Credit-Card: Tương tác trực tuyến thường xuyên là chỉ báo tích cực cho việc tiếp nhận sản phẩm vay số.

---

Đổi mới và đóng góp

1. Xử lý toàn diện dữ liệu phi cấu trúc và mất cân bằng: Khác với các nghiên cứu trước đây chỉ áp dụng Random Over-sampling hoặc SMOTE thông thường (dễ sinh lỗi trên biến rời rạc), đồ án sử dụng chuẩn xác SMOTENC, bảo toàn tính toàn vẹn ngữ nghĩa của các biến định danh như Security-Asset và Hidden-Score.
2. Minh bạch hóa mô hình hộp đen (XAI Integration): Chuyển đổi mô hình Gradient Boosting từ "Black-Box" sang "Glass-Box" bằng cách tích hợp SHAP Value. Điều này giúp nhân viên tín dụng hiểu rõ lý do một hồ sơ được đề xuất duyệt vay hoặc từ chối, đáp ứng tiêu chuẩn quản trị rủi ro ngân hàng.
3. Hiện thực hóa thành công cụ vận hành số: Không dừng lại ở nghiên cứu lý thuyết, tác giả đã đóng gói mô hình thành một ứng dụng web hoàn chỉnh, cho phép cán bộ ngân hàng nhập liệu nhanh 12 tham số đầu vào và nhận kết quả dự báo nhãn (1.0 - Duyệt / 0.0 - Từ chối) trong vòng dưới 1 giây.

---

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng nghiệp vụ (Business Use Cases)

• Tối ưu hóa chiến dịch Telemarketing / Email Marketing: Thay vì gửi lời mời vay hàng loạt tới toàn bộ 100% tệp dữ liệu, ngân hàng chỉ tập trung vào nhóm 10-15% khách hàng được mô hình phân loại vào nhóm tiềm năng cao, giảm 40% chi phí vận hành chiến dịch.
• Phê duyệt trước khoản vay trên Mobile Banking App (Instant Pre-approval): Tích hợp mô hình vào luồng ứng dụng ngân hàng số; khi khách hàng đăng nhập, hệ thống tự động đánh giá hồ sơ và hiển thị banner hạn mức vay cá nhân hóa cho từng cá nhân.
• Bán chéo sản phẩm (Cross-Selling): Xác định nhóm khách hàng có Monthly-Average-Spend cao nhưng chưa sở hữu Loan-On-Card để kích hoạt gói tín dụng tiêu dùng ưu đãi.

Phân tích Hiệu quả Đầu tư (ROI Estimate)

• Chi phí triển khai: Thấp (Tận dụng hạ tầng máy chủ hiện hữu, công nghệ mã nguồn mở Python/Scikit-learn).
• Tăng trưởng chuyển đổi: Ước tính tăng tỷ lệ chuyển đổi giải ngân thực tế từ mức 9.6% lên 28% - 35% trên tập khách hàng được nhắm chọn mục tiêu.
• Thời gian hoàn vốn: Dưới 3 tháng sau khi áp dụng vào 02 chiến dịch tiếp thị quy mô lớn.

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

• Dữ liệu nghiên cứu quy mô 5.000 dòng từ một ngân hàng số đơn lẻ, cần kiểm nghiệm mở rộng trên dữ liệu Big Data hàng triệu khách hàng.
• Thời gian tinh chỉnh siêu tham số (Hyperparameter Tuning) của các thuật toán Boosting tăng theo cấp số nhân khi số lượng biến mở rộng.
• Chưa kết hợp dữ liệu phi cấu trúc (Lịch sử hội thoại CSKH, dữ liệu hành vi nhấp chuột trên ứng dụng di động).

Hướng phát triển tương lai

1. Thử nghiệm các thuật toán Boosting thế hệ mới: Ứng dụng XGBoost, LightGBM và CatBoost để tăng tốc độ huấn luyện trên dữ liệu lớn.
2. Khám phá kỹ thuật nâng cao: Áp dụng thuật toán ADASYN (Adaptive Synthetic) và mô hình Deep Learning cho dữ liệu bảng (TabNet).
3. Tự động hóa tối ưu siêu tham số: Ứng dụng Bayesian Optimization thông qua Optuna.
4. Xây dựng MLOps Pipeline: Triển khai CI/CD tự động huấn luyện lại mô hình (Retraining Pipeline) khi dữ liệu hành vi người dùng có sự dịch chuyển phân phối (Data Drift).

---

Đối tượng hưởng lợi

mindmap
  root((Hệ sinh thái hưởng lợi))
    Sinh viên & Nghiên cứu sinh
      Tham khảo pipeline CRISP-DM chuẩn mực
      Cách áp dụng SMOTENC trên dữ liệu hỗn hợp
      Thực hành Explainable AI với SHAP
    Kỹ sư Dữ liệu & ML Engineers
      Bộ khung mã nguồn tiền xử lý chuẩn hóa
      Mô hình đối chuẩn hiệu năng đa thuật toán
      Kinh nghiệm đóng gói Model ra Web App
    Ngân hàng & Tổ chức Fintech
      Giảm chi phí tiếp thị CAC từ 30-40%
      Nâng cao tỷ lệ chuyển đổi hồ sơ vay
      Rút ngắn thời gian thẩm định tín dụng

• Sinh viên & Học viên ngành Data Analytics: Tài liệu tham khảo toàn diện về phương pháp xử lý dữ liệu mất cân bằng trong ngành tài chính và cách trình bày đồ án tốt nghiệp chuẩn quốc tế.
• Kỹ sư Machine Learning: Cung cấp kiến trúc tham chiếu từ khâu tiền xử lý, huấn luyện đến giải thích mô hình bằng SHAP.
• Lãnh đạo Khối Ngân hàng Bán lẻ & Fintech: Bản kế hoạch khả thi để ứng dụng Trí tuệ nhân tạo vào tối ưu hóa chi phí chiến dịch tiếp thị và quản trị rủi ro tín dụng.

---

Câu hỏi thường gặp

1. Tại sao đồ án lại chọn SMOTENC thay vì SMOTE hay Random Over-sampling?

Tập dữ liệu ngân hàng chứa đồng thời cả biến liên tục (như MaximumSpend, Mortgage) và biến định danh nhị phân/rời rạc (như Security-Asset, Hidden-Score). Kỹ thuật SMOTE truyền thống sẽ tạo ra các giá trị số thực vô nghĩa trên biến rời rạc (ví dụ: Security-Asset = 0.63), trong khi Random Over-sampling dễ gây Overfitting. SMOTENC xử lý hoàn hảo vấn đề này bằng cách kết hợp nội suy liên tục và chọn giá trị Mode cho biến rời rạc.

2. Vì sao Gradient Boosting lại đạt hiệu năng cao hơn Random Forest và Decision Tree?

Gradient Boosting hoạt động theo cơ chế học tuần tự (Sequential Ensemble Learning), trong đó mỗi cây quyết định mới được tối ưu để sửa chữa sai số (Residual Error) của các cây trước đó bằng thuật toán Gradient Descent. Do đó, mô hình nắm bắt tốt hơn các biên quyết định phức tạp và phi tuyến tính giữa các biến tài chính.

3. Hệ thống có thể tích hợp trực tiếp vào Core Banking hiện hữu không?

Có. Mô hình sau khi huấn luyện được lưu trữ dưới định dạng chuẩn (.pkl hoặc .onnx) và đóng gói qua REST API (FastAPI / Flask) bên trong Docker Container, cho phép mọi hệ thống ngân hàng lõi gọi dự báo theo cơ chế Microservices với độ trễ dưới 200ms.

4. Giá trị SHAP có vai trò gì trong việc tuân thủ pháp lý tín dụng?

Quy định tín dụng ngân hàng yêu cầu tính minh bạch trong việc từ chối hồ sơ vay của khách hàng. SHAP cung cấp giá trị đóng góp định lượng chính xác của từng đặc trưng, giúp ngân hàng giải trình rõ ràng lý do từ chối dựa trên căn cứ khoa học thay vì đánh giá cảm tính.

5. Cần cấu hình phần cứng như thế nào để triển khai hệ thống này?

• Môi trường Huấn luyện: CPU 4-8 Cores, RAM 16GB (huấn luyện hoàn tất dưới 2 phút cho 10.000 bản ghi).
• Môi trường Triển khai (Production Inference): 2 vCPU, RAM 4GB là đủ để xử lý hàng trăm yêu cầu dự báo đồng thời mỗi giây.

---

Kết luận

Đồ án tốt nghiệp "Customer Segmentation in Banking for Personal Consumption Loans: A Study on Individual Borrowers in a Digital Banking" của sinh viên Lê Phan Anh Thư đã giải quyết thành công bài toán phân khúc và dự báo khách hàng vay tiêu dùng bằng phương pháp tiếp cận học máy hiện đại.

Bằng việc kết hợp nhuần nhuyễn kỹ thuật xử lý dữ liệu mất cân bằng SMOTENC, thuật toán tối ưu Gradient Boosting Classifier (đạt độ chính xác 95.8%, Precision 0.96, F1-score 0.96), giải thích mô hình qua SHAP Value và xây dựng công cụ tương tác thực tế, nghiên cứu không chỉ mang giá trị học thuật xuất sắc mà còn là lời giải kinh doanh thực tiễn giúp các ngân hàng số tối ưu hóa ngân sách tiếp thị và nâng cao năng lực cạnh tranh trong kỷ nguyên số.

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.