1、移動通訊行業客戶流失預警及挽留模型構建與應用2009-12-4 摘要文章以移動通信業為例，討論企業如何分析客戶的基本數據、交易數據和行為模式，建立客戶流失預測模型，并在此基礎上進行初步的流失原因分析和流失趨勢預測，給出有效控制客戶流失的建議。  關鍵詞數據挖掘，客戶流失預警，客戶挽留 CRM 在漸趨成熟的競爭性市場環境下，理解客戶行為并做出有效反應是企業生存和發展的根本保障?？蛻袅魇歉叨雀偁幃a業中的一個普遍現象，也是束縛企業發展的瓶頸問題。迄今為止，大部分企業解決客戶流失問題的主要手段還停留在經驗識別的水平上；而學術界對客戶流失問題的研究則主要集中在流失種類、原因和后果的

2、定性識別上，這些研究結果和商業問題的耦合相對松散，難以在管理實踐中加以應用。  數據挖掘技術的出現，有效地解決了上述問題。但現有的少數利用數據挖掘工具對客戶流失數據建模的嘗試，大多過分注重對算法與技術的研究，而忽視了對商業問題解決的重視。而且，這些研究并未將對客戶流失研究的成果深入到客戶保留領域，使得作為客戶流失研究最終目的的客戶保留和客戶價值提升工作缺乏系統的可操作的管理體系。 1 理解客戶流失與客戶保留 客戶流失問題是客戶關系管理CRM中客戶忠誠度研究的重要內容之一。早在1984年，有研究就發現獲取一個新客戶的成本比維持一個現有客戶的成本高五倍。因此，企業應充分重視兩類客戶：一類

3、是“競爭性的客戶”，即那些雖然現在將本企業視為“首選”，但卻認為其它某些供應商與本企業是非常類似的客戶；其次是“可轉變的客戶”，即那些認為本企業與這些客戶的首選供應商是非常類似的客戶。對這兩類客戶應采取不同的營銷手段以有效防止潛在流失，達到良好的銷售效果。對客戶忠誠度的研究主要集中于客戶與廠商建立并保持關系意愿上。同時，一些學者認為，應對那些盡管仍然保持忠誠，卻比其他人有更高的離開關系意愿和更少的保持關系意愿的客戶給予特別關注。  客戶流失和客戶保留是一組對企業經營效益有著顯著影響的概念。國外研究發現客戶流失對公司的利潤有著驚人的影響，遠遠超過公司規模、市場份額、單位成本和其它許多通

4、常被認為與競爭優勢有關的因素。因此“客戶保留”應運而生，成為學術界和企業界均極為關注的問題。通過實施客戶保留，客戶流失率小小的降低就能導致利潤可觀的改善。有關方面對美國9個行業進行調查的數據表明，客戶流失率降低5%，行業平均利潤增加幅度在25%85%之間。在各行業，客戶保留已成為公司成功至關重要的目標。 2 客戶為什么會流失 客戶流失主要是基于以下原因：  (1)產品質量與價格  產品的質量與價格是導致客戶流失的主要因素之一。為客戶提供品質優良的產品是企業必須盡到的義務。粗制濫造或性能不達標的產品必然導致客戶的流失。所以，企業開展商業活動必須以產品的高質量為基礎。產品和服務

5、的個性化也可以有效地降低企業客戶流失率。  (2)對客戶不聞不問  客戶的抱怨和詢問不能得到妥善的處理會造成他們的離去。真正提出抱怨的客戶也是最有可能回頭的客戶，企業應當認真傾聽客戶的意見，給予及時妥善的解決，讓他們感覺到自己受到了尊重。在提高客戶的滿意度的同時還能從客戶那里收集到免費的建議，以便不斷改善企業的產品和服務。  (3)對員工置之不理  為了保持客戶，企業必須首先贏得自己的員工，特別是那些直接與客戶打交道的人員。企業員工的流失，可能導致和他長期保持聯系的重要客戶的流失。為了減少客戶流失率，要求企業必須擁有高素質的、穩定的員工群體。  

6、;此外，企業思想消極以及競爭對手的行動也是企業客戶流失的主要原因。 3 利用數據挖掘進行客戶流失分析的可行性 預測哪些客戶將要流失，并不是一件容易的事情。但可喜的是在某些行業，如移動通訊業、銀行業等，企業已經積累了大量的有關客戶的有用信息，如運營商系統中的通話行為數據，客戶服務系統的客戶服務、查詢與投訴數據，賬務系統的繳費數據等。通過對大量的客戶數據進行分析處理，歸納出具有流失傾向客戶的行為特點和規律，建立起數據挖掘模型，并不斷地進行實證校驗，完全可以在一定程度上預測出客戶的流失傾向。  流失預警模型構建的第一步是采用數據挖掘中的決策樹、神經網絡等分析技術，通過對數據的探索和分析歸納

7、出具有高度流失傾向的用戶普遍特征。然后從現有用戶中找出具有類似特征的用戶群，通過大量的對比分析，最終利用用戶的歷史行為數據將不同用戶歸入不同的群組，并對不同用戶群的流失傾向給予評分，形成對客戶流失可能性的預測。  圖1反映的就是數據挖掘模型的核心部分分類與預測的一個簡單例子(以移動通訊行業為例)。算法的輸入是一部分樣本數據(即訓練數據)，通過分類算法，按我們需要的目標屬性，對這些樣本數據進行多次分類，直到找到可以將目標屬性全部篩選出來的標準。最后在其它樣本數據上應用這些標準，預測可能同樣具有目標屬性的數據。 圖1分類與預測的一個例子 在客戶流失預警模型中，通常采用決策樹算法獲取分類標

8、準。圖2簡單地說明了流失預警模型的工作原理。假定訓練數據中有100萬個客戶的信息，其中有5萬已經流失。通過多個變量，逐層將這100萬個客戶分組，即把他們歸入圖中決策樹不同的葉子中。通過多次分類，最終發現不同方格里的分組用戶的流失傾向也不同。如綠色方塊所示，同時滿足A1、B1、X1等條件的用戶的流失概率是66.7%，遠遠大于樣本的平均流失率5%。這樣，通過構建流失預警模型，就非常準確地發現了具有高流失傾向的用戶群。如果將其他用戶的行為數據作為模型的輸入，對這群用戶的流失傾向進行評分，就可以發現具有較高流失可能的用戶群體。這意味著如果對這一類客戶進行挽留的話，將大大提高挽留工作的針對性，以盡可能少

9、的資源投入換取盡可能大的挽留成果。 圖2 流失預警模型的決策樹算法舉例 4 移動通信行業客戶流失預警及挽留流程 客戶流失解決方案可以劃分為四部分：發現挽留機會制訂挽留策略實施挽留行動、收集客戶反饋評估挽留效果并調整策略。  (1)發現挽留機會  最基本的做法是建立客戶流失預測模型(用決策樹方法)，然后對在網客戶進行流失傾向的評分，按傾向高低判別。但此處最好結合對全體客戶的分群來識別出真正的挽留機會，并非流失傾向越高就越值得挽留。比如可以按照客戶價值進行分群，優先考慮對中高價值客戶的挽留；同時根據客戶行為分群，判別出哪些客戶可能已經用了競爭對手的服務，或者屬于欺詐類型的客戶，

10、對這批客戶的挽留可能是沒有成效的，不應視為挽留機會。  (2)制訂挽留策略  經過第一個步驟，我們已經從預測名單中圈定了值得挽留的客戶。但是一般來說，這批客戶依然數目較大，難以逐個分析而決定采取何種挽留策略?？梢詫θΧǖ目蛻暨M行進一步分群，將他們劃分為幾種類型，當然此時最好在分群模型中放入行為等屬性，然后逐群制訂有針對性的挽留策略。比如有的群組是屬于夜間通話多(和總體的均值相比)的客戶，那么針對他們的挽留策略可能是推薦一些夜間通話優惠的資費方案。  (3)實施挽留行動、收集客戶反饋  這里最好有類似操作型CRM的系統來支撐。將上述兩步驟給出的挽留機會和挽

11、留策略分配給相應的實施人員，由他們實施，并收集客戶反饋。在挽留階段，最佳實踐步驟是：  下載預警高危客戶名單；  預警高?？蛻舴诸惙治觯? 針對不同高危細分人群設計適宜的政策；  大客戶經理對高危名單進行分析并判斷是否回訪；  開展回訪并對過程進行詳細記錄；  分析對比及經驗總結。  (4)評估挽留效果  在客戶流失預測專題分析的試運行階段，由于模型預測的效果、挽留機會的識別是否準確、挽留策略的制訂是否合適等方面尚未得到確認，常常會將預測名單中圈定的客戶劃分為兩組實施組和對照組。對前者展開挽留，對后者不采取任何行動

12、，根據兩組的流失情況來評估模型的預測效果和挽留效果。當專題分析基本穩定后，對照組會被取消。 5 結論 實際上，回答流失預警模型要不要做，首先要回答的問題是：客戶關懷要不要做？也就是說，做流失預警模型的目的是為了降低流失率呢？還是為了提高關懷與挽留工作的有效性？這是一個不能回避的問題，但它的答案也是早就存在的。那就是：如果是單純為了大幅度降低客戶流失率，流失預警模型所起到的效果是相對較小的。為什么呢？原因也很簡單，數據挖掘的流失模型其實是一種方法論，它并不能直接帶來客戶流失率的降低。打個比方，就如同病人看病，再先進的醫療設備也只能幫助病人查出毛病，而不能幫助病人養好病。歸根結底，流失預警模型的構建目的應該是為了提高關懷與挽留工作的有效性，而不是所謂的大幅度降低用戶流失率。 參考文獻  1戴維奧爾森，石勇，著. 呂巍，等譯. 商業數據挖掘導論M. 北京： 機械工業出版社，2007.  2呂巍，編著. 精確營銷M. 北京：機械工業出版社，2008.  3周穎，等. 基于數據挖掘技術的移動通信行業客戶細分J. 上海交通大學學報，2007(7).  4梁波，吳俊峰，舒華英. 移動通信客戶保持及其決定因素實證研究J. 北京郵電大學學報(社會科學版)，2005(4).  5吳學雁，