客戶流失預(yù)警分析材料

客戶流失預(yù)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(yù)警背景優(yōu)質(zhì)的客戶資源，是運(yùn)營商盈利的根本。隨著中國三大主流運(yùn)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(gè)運(yùn)營商重要的工作。開拓一個(gè)新用戶的成本3

X=挽留一個(gè)老用戶的成本客戶離網(wǎng)預(yù)警分析能夠幫助運(yùn)營商有效的開展客戶挽留工作，有效的識(shí)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(jìn)而為運(yùn)營商帶來可觀的效益。手機(jī)客戶是運(yùn)營商利潤的主要來源之一，也是市場競爭的焦點(diǎn)。在目前的市場客戶的成本遠(yuǎn)遠(yuǎn)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(jī)用戶的潛在模式，提前進(jìn)行預(yù)測(cè)，從而變被動(dòng)服務(wù)為主動(dòng)服務(wù)。

目前在客戶挽留過程中存在以下問題：對(duì)于客戶流失不能準(zhǔn)確的預(yù)警，導(dǎo)致客戶的流失率上升?？蛻敉炝艋顒?dòng)沒有針對(duì)性，成本高、效果不明顯?？蛻綦x網(wǎng)分析準(zhǔn)確定位即將流失的客戶，從而采取一定的業(yè)務(wù)措施使客戶的流失率大大下降，實(shí)現(xiàn)客戶維系活動(dòng)投資回報(bào)最大化。客戶離網(wǎng)預(yù)警目的協(xié)爾公司電信運(yùn)營商客戶離網(wǎng)分析服務(wù)離網(wǎng)分析支撐團(tuán)隊(duì)離網(wǎng)分析支撐系統(tǒng)運(yùn)營商客戶基礎(chǔ)數(shù)據(jù)運(yùn)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(yù)警清單（每月）客戶離網(wǎng)影響因素分析報(bào)告（每月）協(xié)爾客戶離網(wǎng)分析服務(wù)于深圳聯(lián)通，取得良好的效果：1、離網(wǎng)用戶識(shí)別準(zhǔn)確度：>70%。2、離網(wǎng)用戶識(shí)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(biāo)準(zhǔn)化、規(guī)范化數(shù)據(jù)分析與模型應(yīng)用客戶保留策略制定確定目標(biāo)不同目標(biāo)客戶挽留策略策劃挽留方案客戶保留計(jì)劃實(shí)施營銷方案服務(wù)方案管理方案數(shù)據(jù)清理、篩選數(shù)據(jù)分析模型應(yīng)用客戶離網(wǎng)預(yù)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(yù)警及挽留模型建立模型學(xué)習(xí)、驗(yàn)證確定模型目標(biāo)用戶數(shù)據(jù)準(zhǔn)備用戶數(shù)據(jù)篩選用戶模型建立用戶模型驗(yàn)證結(jié)果支持決策目標(biāo)：通過發(fā)現(xiàn)客戶流失問題的真正原因，建立一對(duì)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(yù)警模型，為挽留決策提供數(shù)據(jù)依據(jù)；最大化每個(gè)客戶的收入。協(xié)爾客戶離網(wǎng)預(yù)警服務(wù)目標(biāo)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(biāo)準(zhǔn)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?cái)?shù)據(jù)規(guī)范化數(shù)據(jù)標(biāo)準(zhǔn)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(gè)來源：CDR(CallDetailedRecord)客戶資料數(shù)據(jù)(CustomerInformation）客戶帳務(wù)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(bǔ)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(wù)人員共同參與決策.前期我們并不知道哪些用戶屬性對(duì)用戶離網(wǎng)有直接關(guān)系,所以我們需要進(jìn)行驗(yàn)證來做數(shù)據(jù)篩選.我們會(huì)把用戶所有屬性利用遺傳算法進(jìn)行增益分類,然后帶入到算法里面進(jìn)行計(jì)算.算法會(huì)把對(duì)用戶離網(wǎng)有影響的一些字段屬性輸出.我們?cè)侔褜?duì)離網(wǎng)有影響關(guān)系大的一些屬性來進(jìn)行有機(jī)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(zhǔn)備用戶6個(gè)月的數(shù)據(jù).前三個(gè)月用來做模型學(xué)習(xí)數(shù)據(jù),后三個(gè)月數(shù)據(jù)用來做模型使用驗(yàn)證數(shù)據(jù).

要看出用戶的行為軌跡需要通過多個(gè)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(zhǔn)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(luò)回歸分析模型評(píng)價(jià)Evaluation商業(yè)理解BusinessUnderstanding確定商業(yè)目標(biāo)制定挖掘計(jì)劃檢查數(shù)據(jù)質(zhì)量各個(gè)環(huán)節(jié)需不斷地循環(huán)往復(fù)進(jìn)行數(shù)據(jù)探索和模型的調(diào)優(yōu)聚類分析和分類應(yīng)用策略應(yīng)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(biāo)就是要對(duì)有離網(wǎng)傾向的客戶進(jìn)行有選擇性的進(jìn)行有效挽留，從而減少高價(jià)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(yù)測(cè)以及流失傾向的評(píng)分，由市場人員制定出具體的挽留策略?？蛻舳x：最近三個(gè)月的均有出帳用戶。流失標(biāo)志：本月有出帳,下月無出帳用戶為流失用戶分析窗口（預(yù)測(cè)基于多長時(shí)間的歷史數(shù)據(jù)）：3個(gè)月預(yù)測(cè)窗口（預(yù)測(cè)客戶在多長時(shí)間內(nèi)會(huì)流失）：2個(gè)月（預(yù)測(cè)兩個(gè)月后可能流失的用戶）

客戶流失預(yù)測(cè)模型分析過程2014/02/012014/03/012014/04/012014/05/012014/06/012014/05/01-2014/05/301個(gè)月預(yù)測(cè)月2014/06/01-2014/06/301個(gè)月預(yù)測(cè)月2014/05/01-2014/06/302個(gè)月預(yù)測(cè)月2014/01/01-2014/03/313個(gè)月觀察月流失模型預(yù)測(cè)結(jié)構(gòu)2014/01/01客戶流失預(yù)測(cè)模型時(shí)間窗口2014/04/012014/04/301個(gè)月延遲月離網(wǎng)分析的學(xué)習(xí)數(shù)據(jù)ARPUGPRS上網(wǎng)流量通話次數(shù)通話總時(shí)長短信總條數(shù)彩信總條數(shù)當(dāng)前結(jié)余…類標(biāo)號(hào)（在網(wǎng)/離網(wǎng)）1005001001500400402000…080306050105500…190400400105270…012010105005…1客戶流失預(yù)測(cè)模型學(xué)習(xí)訓(xùn)練數(shù)據(jù)準(zhǔn)備離網(wǎng)預(yù)測(cè)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(wù)屬性3、用戶消費(fèi)行為屬性離網(wǎng)分析的訓(xùn)練學(xué)習(xí)結(jié)果實(shí)際離網(wǎng)預(yù)測(cè)及離網(wǎng)用戶推薦電話號(hào)碼ARPU所在地區(qū)所屬分組流失傾向評(píng)分行動(dòng)優(yōu)先級(jí)評(píng)分180.。。。。

189.。。。。

189.。。。。

流失傾向評(píng)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(dòng)營銷人員可以更準(zhǔn)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(dòng)的目標(biāo)群體了解潛在流失客戶的行為特點(diǎn)，開展針對(duì)性的客戶挽留綜合客戶流失傾向與ARPU，給出建議行動(dòng)優(yōu)先級(jí)供參考測(cè)試用戶數(shù)離網(wǎng)用戶離網(wǎng)率測(cè)試推薦用戶總數(shù)測(cè)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(shí)際測(cè)試效果上表是在深圳聯(lián)通通過2014年4、5、6月份的部分?jǐn)?shù)據(jù)建立離網(wǎng)用戶模型，并根據(jù)9月份實(shí)際的離網(wǎng)用戶數(shù)據(jù)進(jìn)行驗(yàn)證的測(cè)試結(jié)果?？蛻袅魇ьA(yù)警意義及效益分析從舉例運(yùn)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(jì)算，300萬基礎(chǔ)用戶將會(huì)有2400萬的收入損失。在降低客戶流失率方面，