移動(dòng)通訊客戶流失預(yù)警及挽留模型的構(gòu)建與應(yīng)用

1、n更多企業(yè)學(xué)院： 中小企業(yè)管理全能版套講座份資料總經(jīng)理、高層管理套講座份資料中層管理學(xué)院套講座份資料 國(guó)學(xué)智慧、易經(jīng)套講座人力資源學(xué)院套講座份資料各階段員工培訓(xùn)學(xué)院套講座 份資料員工管理企業(yè)學(xué)院套講座 份資料工廠生產(chǎn)管理學(xué)院套講座 份資料財(cái)務(wù)管理學(xué)院套講座 份資料 銷售經(jīng)理學(xué)院套講座 份資料銷售人員培訓(xùn)學(xué)院套講座 份資料移動(dòng)通訊行業(yè)客戶流失預(yù)警及挽留模型構(gòu)建與應(yīng)用 摘要文章以移動(dòng)通信業(yè)為例，討論企業(yè)如何分析客戶的基本數(shù)據(jù)、交易數(shù)據(jù)和行為模式，建立客戶流失預(yù)測(cè)模型，并在此基礎(chǔ)上進(jìn)行初步的流失原因分析和流失趨勢(shì)預(yù)測(cè)，給出有效控制客戶流失的建議。  關(guān)鍵詞數(shù)據(jù)

2、挖掘，客戶流失預(yù)警，客戶挽留 在漸趨成熟的競(jìng)爭(zhēng)性市場(chǎng)環(huán)境下，理解客戶行為并做出有效反應(yīng)是企業(yè)生存和發(fā)展的根本保障?？蛻袅魇歉叨雀?jìng)爭(zhēng)產(chǎn)業(yè)中的一個(gè)普遍現(xiàn)象，也是束縛企業(yè)發(fā)展的瓶頸問題。迄今為止，大部分企業(yè)解決客戶流失問題的主要手段還停留在經(jīng)驗(yàn)識(shí)別的水平上；而學(xué)術(shù)界對(duì)客戶流失問題的研究則主要集中在流失種類、原因和后果的定性識(shí)別上，這些研究結(jié)果和商業(yè)問題的耦合相對(duì)松散，難以在管理實(shí)踐中加以應(yīng)用。  數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，有效地解決了上述問題。但現(xiàn)有的少數(shù)利用數(shù)據(jù)挖掘工具對(duì)客戶流失數(shù)據(jù)建模的嘗試，大多過分注重對(duì)算法與技術(shù)的研究，而忽視了對(duì)商業(yè)問題解決的重視。而且，這些研究并未將對(duì)客戶流失研究的

3、成果深入到客戶保留領(lǐng)域，使得作為客戶流失研究最終目的的客戶保留和客戶價(jià)值提升工作缺乏系統(tǒng)的可操作的管理體系。 理解客戶流失與客戶保留 客戶流失問題是客戶關(guān)系管理中客戶忠誠(chéng)度研究的重要內(nèi)容之一。早在年，有研究就發(fā)現(xiàn)獲取一個(gè)新客戶的成本比維持一個(gè)現(xiàn)有客戶的成本高五倍。因此，企業(yè)應(yīng)充分重視兩類客戶：一類是“競(jìng)爭(zhēng)性的客戶”，即那些雖然現(xiàn)在將本企業(yè)視為“首選”，但卻認(rèn)為其它某些供應(yīng)商與本企業(yè)是非常類似的客戶；其次是“可轉(zhuǎn)變的客戶”，即那些認(rèn)為本企業(yè)與這些客戶的首選供應(yīng)商是非常類似的客戶。對(duì)這兩類客戶應(yīng)采取不同的營(yíng)銷手段以有效防止?jié)撛诹魇В_(dá)到良好的銷售效果。對(duì)客戶忠誠(chéng)度的研究主要集中于客戶與廠商建立并保

4、持關(guān)系意愿上。同時(shí)，一些學(xué)者認(rèn)為，應(yīng)對(duì)那些盡管仍然保持忠誠(chéng)，卻比其他人有更高的離開關(guān)系意愿和更少的保持關(guān)系意愿的客戶給予特別關(guān)注。  客戶流失和客戶保留是一組對(duì)企業(yè)經(jīng)營(yíng)效益有著顯著影響的概念。國(guó)外研究發(fā)現(xiàn)客戶流失對(duì)公司的利潤(rùn)有著驚人的影響，遠(yuǎn)遠(yuǎn)超過公司規(guī)模、市場(chǎng)份額、單位成本和其它許多通常被認(rèn)為與競(jìng)爭(zhēng)優(yōu)勢(shì)有關(guān)的因素。因此“客戶保留”應(yīng)運(yùn)而生，成為學(xué)術(shù)界和企業(yè)界均極為關(guān)注的問題。通過實(shí)施客戶保留，客戶流失率小小的降低就能導(dǎo)致利潤(rùn)可觀的改善。有關(guān)方面對(duì)美國(guó)個(gè)行業(yè)進(jìn)行調(diào)查的數(shù)據(jù)表明，客戶流失率降低，行業(yè)平均利潤(rùn)增加幅度在之間。在各行業(yè)，客戶保留已成為公司成功至關(guān)重要的目標(biāo)。 客戶為什么會(huì)流

5、失 客戶流失主要是基于以下原因：  ()產(chǎn)品質(zhì)量與價(jià)格  產(chǎn)品的質(zhì)量與價(jià)格是導(dǎo)致客戶流失的主要因素之一。為客戶提供品質(zhì)優(yōu)良的產(chǎn)品是企業(yè)必須盡到的義務(wù)。粗制濫造或性能不達(dá)標(biāo)的產(chǎn)品必然導(dǎo)致客戶的流失。所以，企業(yè)開展商業(yè)活動(dòng)必須以產(chǎn)品的高質(zhì)量為基礎(chǔ)。產(chǎn)品和服務(wù)的個(gè)性化也可以有效地降低企業(yè)客戶流失率。  ()對(duì)客戶不聞不問  客戶的抱怨和詢問不能得到妥善的處理會(huì)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(yè)應(yīng)當(dāng)認(rèn)真傾聽客戶的意見，給予及時(shí)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(shí)還能從客戶那里收集到免費(fèi)的建議，以便不斷改善企

6、業(yè)的產(chǎn)品和服務(wù)。  ()對(duì)員工置之不理  為了保持客戶，企業(yè)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(yè)員工的流失，可能導(dǎo)致和他長(zhǎng)期保持聯(lián)系的重要客戶的流失。為了減少客戶流失率，要求企業(yè)必須擁有高素質(zhì)的、穩(wěn)定的員工群體。  此外，企業(yè)思想消極以及競(jìng)爭(zhēng)對(duì)手的行動(dòng)也是企業(yè)客戶流失的主要原因。 利用數(shù)據(jù)挖掘進(jìn)行客戶流失分析的可行性 預(yù)測(cè)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(yè)，如移動(dòng)通訊業(yè)、銀行業(yè)等，企業(yè)已經(jīng)積累了大量的有關(guān)客戶的有用信息，如運(yùn)營(yíng)商系統(tǒng)中的通話行為數(shù)據(jù)，客戶服務(wù)系統(tǒng)的客戶服務(wù)、查詢與投訴數(shù)據(jù)，賬務(wù)系統(tǒng)的繳費(fèi)數(shù)據(jù)等。通

7、過對(duì)大量的客戶數(shù)據(jù)進(jìn)行分析處理，歸納出具有流失傾向客戶的行為特點(diǎn)和規(guī)律，建立起數(shù)據(jù)挖掘模型，并不斷地進(jìn)行實(shí)證校驗(yàn)，完全可以在一定程度上預(yù)測(cè)出客戶的流失傾向。  流失預(yù)警模型構(gòu)建的第一步是采用數(shù)據(jù)挖掘中的決策樹、神經(jīng)網(wǎng)絡(luò)等分析技術(shù)，通過對(duì)數(shù)據(jù)的探索和分析歸納出具有高度流失傾向的用戶普遍特征。然后從現(xiàn)有用戶中找出具有類似特征的用戶群，通過大量的對(duì)比分析，最終利用用戶的歷史行為數(shù)據(jù)將不同用戶歸入不同的群組，并對(duì)不同用戶群的流失傾向給予評(píng)分，形成對(duì)客戶流失可能性的預(yù)測(cè)。  圖反映的就是數(shù)據(jù)挖掘模型的核心部分分類與預(yù)測(cè)的一個(gè)簡(jiǎn)單例子(以移動(dòng)通訊行業(yè)為例)。算法的輸入是一部分樣本數(shù)據(jù)(

8、即訓(xùn)練數(shù)據(jù))，通過分類算法，按我們需要的目標(biāo)屬性，對(duì)這些樣本數(shù)據(jù)進(jìn)行多次分類，直到找到可以將目標(biāo)屬性全部篩選出來的標(biāo)準(zhǔn)。最后在其它樣本數(shù)據(jù)上應(yīng)用這些標(biāo)準(zhǔn)，預(yù)測(cè)可能同樣具有目標(biāo)屬性的數(shù)據(jù)。 圖分類與預(yù)測(cè)的一個(gè)例子 在客戶流失預(yù)警模型中，通常采用決策樹算法獲取分類標(biāo)準(zhǔn)。圖簡(jiǎn)單地說明了流失預(yù)警模型的工作原理。假定訓(xùn)練數(shù)據(jù)中有萬個(gè)客戶的信息，其中有萬已經(jīng)流失。通過多個(gè)變量，逐層將這萬個(gè)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(fā)現(xiàn)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(shí)滿足、等條件的用戶的流失概率是，遠(yuǎn)遠(yuǎn)大于樣本的平均流失率。這樣，通過構(gòu)建流失預(yù)警模型，就非常準(zhǔn)

9、確地發(fā)現(xiàn)了具有高流失傾向的用戶群。如果將其他用戶的行為數(shù)據(jù)作為模型的輸入，對(duì)這群用戶的流失傾向進(jìn)行評(píng)分，就可以發(fā)現(xiàn)具有較高流失可能的用戶群體。這意味著如果對(duì)這一類客戶進(jìn)行挽留的話，將大大提高挽留工作的針對(duì)性，以盡可能少的資源投入換取盡可能大的挽留成果。 圖 流失預(yù)警模型的決策樹算法舉例 移動(dòng)通信行業(yè)客戶流失預(yù)警及挽留流程 客戶流失解決方案可以劃分為四部分：發(fā)現(xiàn)挽留機(jī)會(huì)制訂挽留策略實(shí)施挽留行動(dòng)、收集客戶反饋評(píng)估挽留效果并調(diào)整策略。  ()發(fā)現(xiàn)挽留機(jī)會(huì)  最基本的做法是建立客戶流失預(yù)測(cè)模型(用決策樹方法)，然后對(duì)在網(wǎng)客戶進(jìn)行流失傾向的評(píng)分，按傾向高低判別。但此處最好結(jié)合對(duì)全體客

10、戶的分群來識(shí)別出真正的挽留機(jī)會(huì)，并非流失傾向越高就越值得挽留。比如可以按照客戶價(jià)值進(jìn)行分群，優(yōu)先考慮對(duì)中高價(jià)值客戶的挽留；同時(shí)根據(jù)客戶行為分群，判別出哪些客戶可能已經(jīng)用了競(jìng)爭(zhēng)對(duì)手的服務(wù)，或者屬于欺詐類型的客戶，對(duì)這批客戶的挽留可能是沒有成效的，不應(yīng)視為挽留機(jī)會(huì)。  ()制訂挽留策略  經(jīng)過第一個(gè)步驟，我們已經(jīng)從預(yù)測(cè)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(shù)目較大，難以逐個(gè)分析而決定采取何種挽留策略?？梢詫?duì)圈定的客戶進(jìn)行進(jìn)一步分群，將他們劃分為幾種類型，當(dāng)然此時(shí)最好在分群模型中放入行為等屬性，然后逐群制訂有針對(duì)性的挽留策略。比如有的群組是屬于夜間通話多(和總體的

11、均值相比)的客戶，那么針對(duì)他們的挽留策略可能是推薦一些夜間通話優(yōu)惠的資費(fèi)方案。  ()實(shí)施挽留行動(dòng)、收集客戶反饋  這里最好有類似操作型的系統(tǒng)來支撐。將上述兩步驟給出的挽留機(jī)會(huì)和挽留策略分配給相應(yīng)的實(shí)施人員，由他們實(shí)施，并收集客戶反饋。在挽留階段，最佳實(shí)踐步驟是：  下載預(yù)警高?？蛻裘麊?；  預(yù)警高?？蛻舴诸惙治觯? 針對(duì)不同高危細(xì)分人群設(shè)計(jì)適宜的政策；  大客戶經(jīng)理對(duì)高危名單進(jìn)行分析并判斷是否回訪；  開展回訪并對(duì)過程進(jìn)行詳細(xì)記錄；  分析對(duì)比及經(jīng)驗(yàn)總結(jié)。  ()評(píng)估挽留效果  在客戶流失預(yù)測(cè)

12、專題分析的試運(yùn)行階段，由于模型預(yù)測(cè)的效果、挽留機(jī)會(huì)的識(shí)別是否準(zhǔn)確、挽留策略的制訂是否合適等方面尚未得到確認(rèn)，常常會(huì)將預(yù)測(cè)名單中圈定的客戶劃分為兩組實(shí)施組和對(duì)照組。對(duì)前者展開挽留，對(duì)后者不采取任何行動(dòng)，根據(jù)兩組的流失情況來評(píng)估模型的預(yù)測(cè)效果和挽留效果。當(dāng)專題分析基本穩(wěn)定后，對(duì)照組會(huì)被取消。 結(jié)論 實(shí)際上，回答流失預(yù)警模型要不要做，首先要回答的問題是：客戶關(guān)懷要不要做？也就是說，做流失預(yù)警模型的目的是為了降低流失率呢？還是為了提高關(guān)懷與挽留工作的有效性？這是一個(gè)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?yōu)榱舜蠓冉档涂蛻袅魇?，流失預(yù)警模型所起到的效果是相對(duì)較小的。為什么呢？原因

13、也很簡(jiǎn)單，數(shù)據(jù)挖掘的流失模型其實(shí)是一種方法論，它并不能直接帶來客戶流失率的降低。打個(gè)比方，就如同病人看病，再先進(jìn)的醫(yī)療設(shè)備也只能幫助病人查出毛病，而不能幫助病人養(yǎng)好病。歸根結(jié)底，流失預(yù)警模型的構(gòu)建目的應(yīng)該是為了提高關(guān)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(xiàn)  戴維奧爾森，石勇，著. 呂巍，等譯. 商業(yè)數(shù)據(jù)挖掘?qū)д? 北京： 機(jī)械工業(yè)出版社，.  呂巍，編著. 精確營(yíng)銷. 北京：機(jī)械工業(yè)出版社，.  周穎，等. 基于數(shù)據(jù)挖掘技術(shù)的移動(dòng)通信行業(yè)客戶細(xì)分. 上海交通大學(xué)學(xué)報(bào)，().  梁波，吳俊峰，舒華英. 移動(dòng)通信客戶保持及其決定因素實(shí)證研究. 北京郵電大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版