移动通讯行业客户流失预警及挽留模型构建与应用.docx

编号：时间：2021年x月x日书山有路勤为径学海无涯苦作舟页码：移动通讯行业客户流失预警及挽留模型构建与应用2009-12-4[摘要]文章以移动通信业为例讨论企业如何分析客户的基本数据、交易数据和行为模式建立客户流失预测模型并在此基础上进行初步的流失原因分析和流失趋势预测给出有效控制客户流失的建议。[关键词]数据挖掘客户流失预警客户挽留CRM在渐趋成熟的竞争性市场环境下理解客户行为并做出有效反应是企业生存和发展的根本保障。客户流失是高度竞争产业中的一个普遍现象也是束缚企业发展的瓶颈问题。迄今为止大部分企业解决客户流失问题的主要手段还停留在经验识别的水平上；而学术界对客户流失问题的研究则主要集中在流失种类、原因和后果的定性识别上这些研究结果和商业问题的耦合相对松散难以在管理实践中加以应用。数据挖掘技术的出现有效地解决了上述问题。但现有的少数利用数据挖掘工具对客户流失数据建模的尝试大多过分注重对算法与技术的研究而忽视了对商业问题解决的重视。而且这些研究并未将对客户流失研究的成果深入到客户保留领域使得作为客户流失研究最终目的的客户保留和客户价值提升工作缺乏系统的可操作的管理体系。1理解客户流失与客户保留客户流失问题是客户关系管理CRM中客户忠诚度研究的重要内容之一。早在1984年有研究就发现获取一个新客户的成本比维持一个现有客户的成本高五倍。因此企业应充分重视两类客户：一类是“竞争性的客户”即那些虽然现在将本企业视为“首选”但却认为其它某些供应商与本企业是非常类似的客户；其次是“可转变的客户”即那些认为本企业与这些客户的首选供应商是非常类似的客户。对这两类客户应采取不同的营销手段以有效防止潜在流失达到良好的销售效果。对客户忠诚度的研究主要集中于客户与厂商建立并保持关系意愿上。同时一些学者认为应对那些尽管仍然保持忠诚却比其他人有更高的离开关系意愿和更少的保持关系意愿的客户给予特别关注。客户流失和客户保留是一组对企业经营效益有着显著影响的概念。国外研究发现客户流失对公司的利润有着惊人的影响远远超过公司规模、市场份额、单位成本和其它许多通常被认为与竞争优势有关的因素。因此“客户保留”应运而生成为学术界和企业界均极为关注的问题。通过实施客户保留客户流失率小小的降低就能导致利润可观的改善。有关方面对美国9个行业进行调查的数据表明客户流失率降低5%行业平均利润增加幅度在25%～85%之间。在各行业客户保留已成为公司成功至关重要的目标。2客户为什么会流失客户流失主要是基于以下原因：(1)产品质量与价格产品的质量与价格是导致客户流失的主要因素之一。为客户提供品质优良的产品是企业必须尽到的义务。粗制滥造或性能不达标的产品必然导致客户的流失。所以企业开展商业活动必须以产品的高质量为基础。产品和服务的个性化也可以有效地降低企业客户流失率。(2)对客户不闻不问客户的抱怨和询问不能得到妥善的处理会造成他们的离去。真正提出抱怨的客户也是最有可能回头的客户企业应当认真倾听客户的意见给予及时妥善的解决让他们感觉到自己受到了尊重。在提高客户的满意度的同时还能从客户那里收集到免费的建议以便不断改善企业的产品和服务。(3)对员工置之不理为了保持客户企业必须首先赢得自己的员工特别是那些直接与客户打交道的人员。企业员工的流失可能导致和他长期保持联系的重要客户的流失。为了减少客户流失率要求企业必须拥有高素质的、稳定的员工群体。此外企业思想消极以及竞争对手的行动也是企业客户流失的主要原因。3利用数据挖掘进行客户流失分析的可行性预测哪些客户将要流失并不是一件容易的事情。但可喜的是在某些行业如移动通讯业、银行业等企业已经积累了大量的有关客户的有用信息如运营商系统中的通话行为数据客户服务系统的客户服务、查询与投诉数据账务系统的缴费数据等。通过对大量的客户数据进行分析处理归纳出具有流失倾向客户的行为特点和规律建立起数据挖掘模型并不断地进行实证校验完全可以在一定程度上预测出客户的流失倾向。流失预警模型构建的第一步是采用数据挖掘中的决策树、神经网络等分析技术通过对数据的探索和分析归纳出具有高度流失倾向的用户普遍特征。然后从现有用户中找出具有类似特征的用户群通过大量的对比分析最终利用用户的历史行为数据将不同用户归入不同的群组并对不同用户群的流失倾向给予评分形成对客户流失可能性的预测。图1反映的就是数据挖掘模型的核心部分——分类与预测的一个简单例子(以移动通讯行业为例)。算法的输入是一部分样本数据(即训练数据)通过分类算法按我们需要的目标属性对这些样本数据进行