客戶流失預警分析材料

客戶流失預警分析深圳市協(xié)爾信息系統(tǒng)有限公司2014年11月客戶離網(wǎng)預警背景優(yōu)質(zhì)的客戶資源，是運營商盈利的根本。隨著中國三大主流運營商同質(zhì)化競爭越來越激烈，彼此都不惜成本來爭奪客戶。因此客戶挽留成為各個運營商重要的工作。開拓一個新用戶的成本3

X=挽留一個老用戶的成本客戶離網(wǎng)預警分析能夠幫助運營商有效的開展客戶挽留工作，有效的識別有離網(wǎng)傾向用戶，提高客戶挽留成功率，降低離網(wǎng)率，進而為運營商帶來可觀的效益。手機客戶是運營商利潤的主要來源之一，也是市場競爭的焦點。在目前的市場客戶的成本遠遠大于留住已有客戶的成本，借助用戶離網(wǎng)分析

，發(fā)展新發(fā)現(xiàn)流失手機用戶的潛在模式，提前進行預測，從而變被動服務為主動服務。

目前在客戶挽留過程中存在以下問題：對于客戶流失不能準確的預警，導致客戶的流失率上升?？蛻敉炝艋顒記]有針對性，成本高、效果不明顯?？蛻綦x網(wǎng)分析準確定位即將流失的客戶，從而采取一定的業(yè)務措施使客戶的流失率大大下降，實現(xiàn)客戶維系活動投資回報最大化?？蛻綦x網(wǎng)預警目的協(xié)爾公司電信運營商客戶離網(wǎng)分析服務離網(wǎng)分析支撐團隊離網(wǎng)分析支撐系統(tǒng)運營商客戶基礎(chǔ)數(shù)據(jù)運營商客戶行為數(shù)據(jù)客戶離網(wǎng)分析模型（每月）客戶離網(wǎng)預警清單（每月）客戶離網(wǎng)影響因素分析報告（每月）協(xié)爾客戶離網(wǎng)分析服務于深圳聯(lián)通，取得良好的效果：1、離網(wǎng)用戶識別準確度：>70%。2、離網(wǎng)用戶識別覆蓋率：>70%數(shù)據(jù)獲取、整合多數(shù)據(jù)源的數(shù)據(jù)整合數(shù)據(jù)標準化、規(guī)范化數(shù)據(jù)分析與模型應用客戶保留策略制定確定目標不同目標客戶挽留策略策劃挽留方案客戶保留計劃實施營銷方案服務方案管理方案數(shù)據(jù)清理、篩選數(shù)據(jù)分析模型應用客戶離網(wǎng)預警模型規(guī)范整合的客戶銷售售后數(shù)據(jù)庫客戶離網(wǎng)預警及挽留模型建立模型學習、驗證確定模型目標用戶數(shù)據(jù)準備用戶數(shù)據(jù)篩選用戶模型建立用戶模型驗證結(jié)果支持決策目標：通過發(fā)現(xiàn)客戶流失問題的真正原因，建立一對一的客戶關(guān)系管理系統(tǒng)；

了解客戶群的需求；

快速建立流失預警模型，為挽留決策提供數(shù)據(jù)依據(jù)；最大化每個客戶的收入。協(xié)爾客戶離網(wǎng)預警服務目標1234用戶數(shù)據(jù)、銷售數(shù)據(jù)等多數(shù)據(jù)源的數(shù)據(jù)整合數(shù)據(jù)篩選、清理數(shù)據(jù)規(guī)范化、標準化數(shù)據(jù)格式轉(zhuǎn)換、處理數(shù)據(jù)合并數(shù)據(jù)篩選數(shù)據(jù)匹配人工查刪重模糊查刪重精確查刪重數(shù)據(jù)規(guī)范化數(shù)據(jù)標準化規(guī)范整合的客戶數(shù)據(jù)庫數(shù)據(jù)整合清理數(shù)據(jù)來源數(shù)據(jù)的幾個來源：CDR(CallDetailedRecord)客戶資料數(shù)據(jù)(CustomerInformation）客戶帳務數(shù)據(jù)銷售策略與措施數(shù)據(jù)其他來源數(shù)據(jù)的整理與變換數(shù)據(jù)的簡單描述和匯總、缺失值的填補數(shù)據(jù)挖掘變量的篩選和相關(guān)性分析數(shù)據(jù)的專業(yè)變換不同數(shù)據(jù)源數(shù)據(jù)的整合其他數(shù)據(jù)篩選數(shù)據(jù)篩選是建立模型的很重要的一步,這部分需要業(yè)務人員共同參與決策.前期我們并不知道哪些用戶屬性對用戶離網(wǎng)有直接關(guān)系,所以我們需要進行驗證來做數(shù)據(jù)篩選.我們會把用戶所有屬性利用遺傳算法進行增益分類,然后帶入到算法里面進行計算.算法會把對用戶離網(wǎng)有影響的一些字段屬性輸出.我們再把對離網(wǎng)有影響關(guān)系大的一些屬性來進行有機的組合,加,減,乘,除等直到找出用戶離網(wǎng)的規(guī)律出來.用戶數(shù)據(jù)整理這些數(shù)據(jù)需要能反映出用戶的使用行為的軌跡。所以需要準備用戶6個月的數(shù)據(jù).前三個月用來做模型學習數(shù)據(jù),后三個月數(shù)據(jù)用來做模型使用驗證數(shù)據(jù).

要看出用戶的行為軌跡需要通過多個字段的組合乘相減相除,等.數(shù)據(jù)整合清理數(shù)據(jù)理解DataUnderstanding確定所需要的數(shù)據(jù)結(jié)果發(fā)布Delivery數(shù)據(jù)準備DataPreparation數(shù)據(jù)清理調(diào)整數(shù)據(jù)格式建立模型Modeling決策樹模型人工神經(jīng)網(wǎng)絡回歸分析模型評價Evaluation商業(yè)理解BusinessUnderstanding確定商業(yè)目標制定挖掘計劃檢查數(shù)據(jù)質(zhì)量各個環(huán)節(jié)需不斷地循環(huán)往復進行數(shù)據(jù)探索和模型的調(diào)優(yōu)聚類分析和分類應用策略應用數(shù)據(jù)模型建立流程商業(yè)需求分析

客戶離網(wǎng)分析的商業(yè)目標就是要對有離網(wǎng)傾向的客戶進行有選擇性的進行有效挽留，從而減少高價值客戶流失率。通過離網(wǎng)分析建立的挖掘分析模型可以獲得客戶流失的預測以及流失傾向的評分，由市場人員制定出具體的挽留策略。客戶定義：最近三個月的均有出帳用戶。流失標志：本月有出帳,下月無出帳用戶為流失用戶分析窗口（預測基于多長時間的歷史數(shù)據(jù)）：3個月預測窗口（預測客戶在多長時間內(nèi)會流失）：2個月（預測兩個月后可能流失的用戶）

客戶流失預測模型分析過程2014/02/012014/03/012014/04/012014/05/012014/06/012014/05/01-2014/05/301個月預測月2014/06/01-2014/06/301個月預測月2014/05/01-2014/06/302個月預測月2014/01/01-2014/03/313個月觀察月流失模型預測結(jié)構(gòu)2014/01/01客戶流失預測模型時間窗口2014/04/012014/04/301個月延遲月離網(wǎng)分析的學習數(shù)據(jù)ARPUGPRS上網(wǎng)流量通話次數(shù)通話總時長短信總條數(shù)彩信總條數(shù)當前結(jié)余…類標號（在網(wǎng)/離網(wǎng)）1005001001500400402000…080306050105500…190400400105270…012010105005…1客戶流失預測模型學習訓練數(shù)據(jù)準備離網(wǎng)預測的核心是從歷史數(shù)據(jù)中通過回歸分析，建立離網(wǎng)用戶決策模型，數(shù)據(jù)包括：1、用戶基本屬性2、用戶業(yè)務屬性3、用戶消費行為屬性離網(wǎng)分析的訓練學習結(jié)果實際離網(wǎng)預測及離網(wǎng)用戶推薦電話號碼ARPU所在地區(qū)所屬分組流失傾向評分行動優(yōu)先級評分180.。。。。

189.。。。。

189.。。。。

流失傾向評分說明該客戶流失可能的大小營銷人員可迅速確定客戶的開戶地區(qū)，以便采取行動營銷人員可以更準確地抓住具有潛在流失傾向的客戶營銷人員可以根據(jù)ARPU確定客戶挽留活動的目標群體了解潛在流失客戶的行為特點，開展針對性的客戶挽留綜合客戶流失傾向與ARPU，給出建議行動優(yōu)先級供參考測試用戶數(shù)離網(wǎng)用戶離網(wǎng)率測試推薦用戶總數(shù)測試推薦用戶離網(wǎng)數(shù)離網(wǎng)率覆蓋率601037455947.58%420683275379.75%71.83%190844160828.42%152281149075.45%95.06%134762102698.14%9862733574.37%71.42%實際測試效果上表是在深圳聯(lián)通通過2014年4、5、6月份的部分數(shù)據(jù)建立離網(wǎng)用戶模型，并根據(jù)9月份實際的離網(wǎng)用戶數(shù)據(jù)進行驗證的測試結(jié)果。客戶流失預警意義及效益分析從舉例運營商現(xiàn)有數(shù)據(jù)觀察可得到，用戶月流失率在8%左右，按用戶月平均ARPU值100計算，300萬基礎(chǔ)用戶將會有2400萬的收入損失。在降低客戶流失率方面，