Архив за год:2025 номер 1 статья 2

DOI: 10.47026/2499-9636-2025-1-12-27

Аркадьева О.Г.

Демографические факторы формирования клиентской политики коммерческого банка

Ключевые слова: пространственный банковский маркетинг, кластерный анализ, тип пользования банковскими услугами, клиентская стратегия, фронт-офисы банка

В настоящее время возрастают роль банковского сектора в сложившейся модели пространственного развития и влияние факторов демографической обусловленности размещений банковских подразделений. Научной проблемой при этом выступает осмысление сложной связи между географическим и демографическим контекстом, а также концентрацией услуг финансовых посредников.

Целью исследования является выделение паттернов поведения клиентов коммерческих банков, обусловленных демографическими характеристиками, и формирование направлений клиентской политики коммерческого банка на основе выделенных паттернов.

Материалы и методы. В программной среде разработки и выполнения программного кода на языке Python в облаке – Google Colab – были импортированы библиотеки Pandas, NumPy, Matplotlib, Seaborn, Sklearn. Для проверки гипотезы исследования использовался набор данных Bank Account Fraud Dataset Suite (NeurIPS 2022). В отношении набора данных был реализован метод агломеративной кластеризации, позволивший обозначить кластеры активности клиентов коммерческого банка и сформировать их характеристики.

Результаты исследования. Полученные результаты подтверждают наличие связи между демографическими характеристиками населения территории, типами их экономического поведения и пользования банковскими услугами. Определены кластеры с наивысшим потенциалом с позиции сложившегося у клиента уровня дохода и возраста клиентов. Установлено, что при разработке и актуализации нишевых банковских продуктов следует ориентироваться на молодое поколение, которое по мере взросления и приобретения профессиональной позиции перейдет в кластер устойчивой клиентской базы или будет упущено банком в зависимости от степени эффективности его маркетинговой политики. Определено влияние статуса занятости и семейного статуса при отнесении клиента к тому или иному кластеру. В сочетании с геолокационными данными результаты кластеризации могут служить основой для размещения фронт-офисов в районах, где проживает наибольшее количество потенциальных и действительных клиентов коммерческого банка.

Выводы. Устойчивыми паттернами поведения клиентов выступают активное посещение банковских офисов или отказ от такого посещения в пользу дистанционных банковских услуг или экономически пассивного поведения. Банковская клиентская политика должна формироваться с ориентацией на ключевые демографические характеристики целевых клиентских ниш, дифференцированных по паттернам экономического поведения. Результаты геодемографических исследований клиентов коммерческих банков на основе предложенной методики могут способствовать разработке стратегий банковских структур по эффективному выполнению функций аккумулирования и перераспределения финансовых ресурсов. Органам государственной власти Российской Федерации и ее регионов при разработке стратегических документов рекомендуется учитывать границы и критерии влияния геодемографических факторов на развитие региональных социально-экономических подсистем, а также формировать предпосылки развития финансовых агломераций в ряде региональных социально-экономических подсистем.

Литература

  1. Аркадьева О.Г., Березина Н.В. Формирование модели государственного регулирования развития технологий искусственного интеллекта в финансовом секторе // Oeconomia et Jus. 2023. № 4. С. 12–21. DOI: 10.47026/2499-9636-2023-4-12-21.
  2. Манаева И.В., Растворцева С.Н. Пространственное развитие городов России: теория, анализ, моделирование. Белгород: ИД «БелГУ» НИУ «БелГУ», 2021. 196 с.
  3. Наумов И.В., Седельников В.М., Аверина Л.М. Эволюция теорий пространственного развития: принципиальные особенности и современные задачи исследований // Журнал экономической теории. 2020. Т. 17, № 2. С. 383–398.
  4. Bohórquez E., Pérez M., Alvarez R., Villón S. Marketing Strategies and Sales: Key Factors for Positioning and Growth in the Market. In: Marketing and Smart Technologies. ICMarkTech 2022. Smart Innovation, Systems and Technologies. Springer, Singapore, 2024, vol. 344, pp. 371–383. DOI: 10.1007/978-981-99-0333-7_27.
  5. Che M., Say S.Y.A., Yu H. et al. Investigating customers’ continuous trust towards mobile banking apps. Humanit Soc Sci Commun, 2023, vol. 10, Article no. 960. DOI: 1057/s41599-023-02483-3.
  6. Cliquet G. From Geomarketing to Spatial Marketing. In: Spatial Economics. Vol. II. Palgrave Macmillan, Cham, 2021, pp. 277–305. DOI: 10.1007/978-3-030-40094-1_10.
  7. Dogan O., Hiziroglu A., Seymen O.F. Segmentation of Retail Consumers with Soft Clustering Approach. In: Intelligent and Fuzzy Techniques: Smart and Innovative Solutions. In: INFUS 2020. Advances in Intelligent Systems and Computing, Springer, Cham, 2021, vol. 1197, pp. 39–46. DOI: 10.1007/978-3-030-51156-2_6.
  8. Grubesic T.H., Nelson J.R., Wallace D. et al. Geodemographic insights on the COVID-19 pandemic in the State of Wisconsin and the role of risky facilities. GeoJournal, 2022, no. 87, pp. 4311–4333. DOI: 10.1007/s10708-021-10503-5.
  9. Kanjalkar J., Aole K., Ansari A., Abak H. et al. Analysis of Regular Machine Learning and Ensemble Learning Approaches for Term Insurance Prediction in Banking Data. In: Data Management, Analytics and Innovation. ICDMAI 2024. Lecture Notes in Networks and Systems, Springer, Singapore, 2024, vol. 998, pp. 201–218. DOI: 10.1007/978-981-97-3245-6_14.
  10. Karachurina L.B., Mkrtchyan N.V., Savoskul M.S. New Data on Population Migration in Russia: a Challenge for Researchers? Res. Russ, 2022, no. 12, pp. 51–66. DOI: 10.1134/S2079970522020034.
  11. Kerzina E., Antineskul E., Patrusheva L. Geomarketing in the Placement of Retail in the Development of a Million-Plus City (on the Example of a Regional Retail in Russia, Perm). In: Science and Global Challenges of the 21st Century – Innovations and Technologies in Interdisciplinary Applications. Perm Forum 2022. Lecture Notes in Networks and Systems, Springer, Cham, 2023, vol. 622, pp. 748–773. https://doi.org/10.1007/978-3-031-28086-3_68.
  12. Krylova L.V., Krylov S.V., Mudretsov A.F. et al. Structural Changes in the Russian Banking System: Directions and Evaluation. Russ. Econ. Dev, 2022, no. 33, pp. 100–106. DOI: 10.1134/S1075700722010099.
  13. Lin L., Huang Z., Pan C. et al. Exploring the Impact of Geographic Factors on Urban Financial Innovation in China: Insights from the Banking, Insurance, and Securities Industries. J Knowl Econ, 2024. DOI: 10.1007/s13132-024-01796-1.
  14. Matta E., Stalidis G. Profiling Online and Physical Supermarket Customers Using Factor and Clustering Methods. In: Marketing and Smart Technologies. ICMarkTech 2023. Smart Innovation, Systems and Technologies, Springer, Singapore, 2024, vol. 386, pp. 227–243. DOI: 1007/978-981-97-1552-7_15.
  15. Moiseev V., Avilova Z., Gerasimenko O. et al. Human Capital as the Market Value of a Geomarketing and Transport System. In: Networked Control Systems for Connected and Automated Ve NN 2022. Lecture Notes in Networks and Systems. Springer, Cham, 2023, vol. 510, pp. 755–761. DOI: 10.1007/978-3-031-11051-1_77.
  16. Ploeckl F. Spatial Modeling. In: Handbook of Cliometrics. Springer, Cham, 2024, pp. 2553–2586. DOI: 10.1007/978-3-031-35583-7_56.
  17. Saridou A.S., Vavatsikos A.P., Grigoroudis E. Multi-store consumer satisfaction benchmarking using spatial multiple criteria decision analysis. Oper Res Int J, 2024, vol. 24, no. 30. DOI: 10.1007/s12351-024-00818-9.
  18. Ünal E., Aydın U., Koraş M. et al. Geolocation Risk Scores for Credit Scoring Models. In: Machine Learning, Optimization, and Data Science. LOD 2023. Lecture Notes in Computer Science, Springer, Cham, 2024, vol. 14506, pp 34–44. DOI: 10.1007/978-3-031-53966-4_3.

Сведения об авторах

Аркадьева Ольга Геннадьевна
кандидат экономических наук, доцент кафедры финансов, кредита и экономической безопасности, Чувашский государственный университет, Россия, Чебоксары (knedlix@yandex.ru; ORCID: https://orcid.org/0000-0003-4868-2365)

Ссылка на статью

Аркадьева О.Г. Демографические факторы формирования клиентской политики коммерческого банка [Электронный ресурс] // Oeconomia et Jus. – 2025. – №1. – С. 12-27. – URL: https://oecomia-et-jus.ru/single/2025/1/2/. DOI: 10.47026/2499-9636-2025-1-12-27.