摘 要：对于布尔关联规则是基于挖掘数据之间的关系而生成的一种规律。就目前而言，关联规则挖掘技术已经被广泛应用在西方金融行业企业中，它可以成功预测银行客户需求。而在中国，由于数据库的虚假性和一些金融制度的不完善，还没有过多的运用于实际操作。本文基于对关联规则中的布尔规则及其算法，对中国特殊不完备金融体制下的银行促销手段进行探讨。利用基础效应希望给予一些启示。
关键词：布尔关联规则 信用卡消费 金融
一 引言
近年来，由于中国经济建设的加快，中国商业银行竞争也日益明显。其中中国信用卡市场的竞争尤为突出。各大银行不断为了刷卡消费市场而开发新的信用卡服务项目。但是信用卡消费的销售手法却很单一，而且存在很大的盲目性，面对的消费群体具有局限性，对于消费者的行为不是那么专注的对待，而采取普遍撒网的手段，效率极低。因此如果可以正确的认知消费者的行为趋势和行为趋向，就会很容易把握先机，在信用卡行业竞争的中获得比较好的效果。
从相关的文献中可以知道，布尔关联规则及其算法等关联规则已经广泛应用于西方金融行业中，并起到了很好的效果，使消费目标更有明确性，也更好的便于销售服务的开展文章就是利用布尔规则在金融行业的运用，浅析信用卡消费带来未来信息博弈的情景，在对于银行与消费者信息不对称的条件下，怎么样才能获取更有价值的普遍信息，这种力量将成为信用卡行业的一种改进趋势，成为再次发展的动力。
二 文献综述
信用卡是金融产品中最像消费品的，要想赢得客户的青睐，需关注不同消费群体的个性化需求，准确把握目标客户的消费特征，进行市场细分，准确定位方可跳出信用卡“肉搏战”的怪圈。各银行的生存之道就是：利用定位策略，突出优势，锁定自己的细分市场，割据一方。
“定位”的概念由艾·里斯和杰克·特劳特于1969年首次提出，他们认为：定位始于产品；定位不是你对产品要做的事；定位是你对预期客户要做的事，即你要在预期客户的头脑里给产品定位。美国著名品牌专家林恩·阿普什认为只有一种真正有力的定位，即顾客定位，就是确定产品品牌在顾客和潜在顾客脑子里的位置，必须把品牌由市场导入消费者理念中；销售者只提供关于品牌定位的建议和方案，而只有顾客才能成为定位主体，即有权决定是接收还是拒绝销售提出的品牌，销售者不能代替顾客定位，不能将品牌理念强加给顾客；销售者必须从顾客的角度去思考和策划品牌定位，销售者必须善于引导顾客朝着他们策划的方向 发展。
1.需求分析：发现未被满足的消费需求。既然定位的出发点是消费者，信用卡客户定位的第一个步骤就是考察消费者，研究他们的生活形态和认知状况。随着社会的不断发展变化，人们的生活方式呈现多元化和个性化，“物以类聚，人以群分”，个性化的生活方式使得消费者类型越来越多，而族群划分则越来越小。研究这些个性化的族群，分析他们的职业特点、休闲娱乐方式、媒体接触习惯、日常作息习惯，等等生活形态，从中发现这个族群未被满足的需求和潜在的需求，进而来满足他们的需求或者是引导其消费
2.竞争分析：发现竞争对手的弱点。定位的第二个步骤就是要了解竞争对手在消费者头脑中的“位置”，寻找一个在消费者心目中有需求、但竞争对手尚未建立的一个强有力的认知“位置”来区隔，当是定位之道。中国市场的特点是“大、杂、乱”，大多数行业还没有过渡到完全竞争阶段，竞争对手都没有强大到不可超越，均有各自的弱点或是相对薄弱的环节。所以，找准竞争对手的弱点进行进攻或者率先抢位，则可先入为主。在国内信用卡竞争中，跟风现象严重，银行之间推出信用卡的品种相当接近，通常是一家银行推出了一种卡，其他银行也跟着发，造成信用卡产品的创新度不够。
3..优势分析：发现自身的强大优势。定位的第三个步骤就是确立自身的核心竞争力：一是结合自身资源进入恰当的细分市场，在这个细分市场以专业、专注、专精形成竞争优势；二是在产品上标新立异，并且能形成进入壁垒。因此，发现一个有前景的位置或区隔并不够，还要结合自身的情况，看自身的现状能否支持，或者通过内部的整合能否达到该细分市场，最重要的是假设你要在消费者心中建立某种认知，一定要看这种认知是否与消费者固有的看法或认知有冲突。
基于此，我们需要研究消费群体的行为理论，他对产品认知的相关性。
三 研究方法
1.布尔关联是从计算机数据统计中发现的规律，首先介绍一下相关概念：
(1)项集：项的集合称为项集。
设I={I1,I2,..,In}是一个项集，其中Ii(I=1,2,3,…,n)代表银行里面所提供的利于消费者刷卡消费的一些业务，例如日用品消费打折，房贷打折等等。对于K项集即包含K个项的项集被成为K项集，表示项集中项的数目。
(2)事务：事务是项的集合。
设有事务T，则T?I。对应每个事务有唯一的标识，如事务号记为ID。设X是I中项的集合，如果X?T，则称事务T包含X。
(3)事务集：事务的集合称为事务集。
设某事务集为D，则D={T1，T2，…,Tn},D={TiTi∈ D,i=1,2,…,n}.
(4)关联规则
关联规则是如下形式的逻辑蕴涵：A ? B，其中A.B是项集，A ∈ I，B∈ I，
A ∩ B=Ф。一般用两个参数描述关联规则的属性。
①可信度（置信度）Confidence:
可信度即是“值得信赖性”。
设A，B是项集，对于事务集D，A∈D，B∈D，A ∩ B=Ф，A ? B的可信度定义为：
可信度（A? B）=包含A和B 的元组数/包含A的元组数
可信度表达的就是在出现项集A的事务集D中，项集B也同时出现的概率。
②支持度（Support）
支持度（A?B）=包含A和B的元组数/元组总数。
支持度描述了A和B这两个项集在所有事务中同时出现的概率。
给定一个事务集D，挖掘关联规则问题就是产生支持度和可信度分别大于用户给定的最小支持度和最小可信度的关联规则。
(5)关联规则的种类：
①基于规则中处理变量的类型，关联规则可以分为布尔型和数值型。布尔型考虑的是项集的存在与否，而数值型则是量化的关联。
例如：性别=“女” ? 职业=“秘书”???? 布尔型
性别=“女” ? avg（收入）=2300? 数值型
②基于规则中数据的抽象层次：可以分为单层关联规则和多层关联规则
◆ 单层关联规则：所有的变量都
没有考虑到现实的数据具有多个层次。
◆ 多层关联规则：充分考虑了数据的多层性。
③基于规则中涉及到的数据的维数。关联规则可分为单维的和多维的。
在单维的关联规则中，只涉及到数据的一个维，如用户购买的物品。
在多维的关联规则中，要处理的数据会设计到多个维。
例如：啤酒 ? 尿布 单维的关联规则
↘↙
（物品）
性别=“女” ? 职业=“秘书”? 多维的关联规则
2.现在对于银行信用卡消费的产品进行布尔关联度分析，由于资料有限，仅列出单维单层的布尔关联的情况。
由于中国的数据制度的真实性不那么清晰，为了规避这种数据的系统性风险，我们采取收集已经具有的信用卡消费信息作为主要参考依据，并且从这里面提取针对于每个不同种类的消费人群的信息统计。
用数字来代表具体的事物，在一个商业银行的信用卡消费种类的环节中，假设1代表房贷信息，2代表物流管理信息，3代表购房信息，4代表家具刷卡优惠信息，5代表车贷信息，则经过一段时间统计对于一个人信用卡消费记录的简单情形。（其中购房信息指的是商业银行与大型地产商达成的一种合作关系，在银行推销的时候，提供下供应的房产信息）
已知={1,2,3,4,5},= {{1},{2},{3},{1,3},{2,3},{3,4},{1,2,4}}， 求，suppor，conf,Econf的值。根据定理
求得={{1,3},{2,3},{3,4},{1,2,4}}。
现在我们规定买东西的连带关系，主要有可信度confidence决定，假设conf>=1/3的时候，可以将两个促销种类的距离远离，conf<1/3的，可以将两个促销种类距离贴近，这种假设是由于如果两个物品的互相支持的可信度强，则两者需求相关性变大，引起消费者产生特定的行为；而可信度不太高的话，要拉近距离，以防消费者因为对连套服务的咨询的麻烦，而产生抵触，最终放弃的行为。
四 研究结论
根据上面的表格，我们可以得出，对于商业银行在给予购房信息的同时，可以同样的捆绑的发送一些关于物流管理信息和家具刷可消费优惠信息。而对于房贷信息可以稍微离开远点，因为这两个的相关性很大，所以客户咨询的动力比较明显。而对于车贷信息由于和消费者生活购房消费的关系比较远，所以可以在消费者咨询房贷政策的时候给他相应的提供一些车贷优惠信息。这将更有助于消费者消费能动性。
对于商业银行在不同方式上面的建议：
1. 利用短信，在把消费者种类划分的基础上，发送具有一定相关度的促销信息，将比较强的相关信息划分剥离。
2. 利用电话咨询服务将相关性很强的促销信息告诉消费者，并且附带加入一些相关度不高的，但是对消费者未来消费有需求的一些促销等信息
3. 利用邮递给予相似性和针对性强的信息。
由于中国的金融数据体制还没有那么健全，所以运用多维研究方法的可能性还在探究，但是有着西方金融行业在这方面的经验，我们可以更好的在我们国家特有的经济制度的基础上，和我国人民千年的传统习惯以及适应于当地需要的情形上，再次深化这种关联规则的适用范围，挖掘信息的算法。让其更好的服务于商业银行信用卡行业的发展。
参考文献：
[1]董志勇 狄晓娇：对中国信用卡消费群体特征的多元统计分析[J].金融论坛，2007.6.
[2]熊朝松：关联规则挖掘总述[J].科技广场， 2005.9.
