您能預(yù)測(cè)哪些客戶有可能流失嗎

本章中，我們將闡述可預(yù)測(cè)哪些客戶在不久的將來(lái)可能會(huì)從您公司流失的數(shù)據(jù)挖掘方法，電信業(yè)務(wù)常將這種方法稱為客戶流失預(yù)測(cè)?？蛻袅魇ьA(yù)測(cè)通常因其市場(chǎng)飽和度和動(dòng)態(tài)市場(chǎng)變化等典型市場(chǎng)特征而成為電信公司首公司。就可以提前采取一些規(guī)避措施。您可以通過(guò)簡(jiǎn)單的查詢方式、OLAP分析，或僅根據(jù)經(jīng)以及如何將其應(yīng)用到您的CRM系統(tǒng)中。開(kāi)發(fā)客戶保持策略(開(kāi)展客戶保持活動(dòng))我們將詳細(xì)討論數(shù)據(jù)挖掘是如何利用您公司可用的變量來(lái)讓您預(yù)測(cè)哪些客戶很可能會(huì)或特征。因此，您可以在其從公司流失之前盡早發(fā)現(xiàn)這些行為。在構(gòu)建客戶流失預(yù)測(cè)模型時(shí)，我們并不建議您對(duì)各種各樣的客戶流失情況進(jìn)行整體預(yù)而使其對(duì)業(yè)務(wù)用戶更具意義。弄清楚客戶流失類型(從某個(gè)公司(國(guó)家)流失到另一公司(國(guó)家))6章“如何發(fā)現(xiàn)客戶的真正價(jià)值”。內(nèi)進(jìn)一步匯總，以供客戶流失預(yù)測(cè)建模時(shí)使用。在該案例中，我們使用了過(guò)去6個(gè)月正確推導(dǎo)產(chǎn)生的主要指標(biāo)(亦稱主要指標(biāo)或主要性能指標(biāo))可將實(shí)際業(yè)務(wù)經(jīng)驗(yàn)轉(zhuǎn)化成數(shù)據(jù)，而客戶行為則可利用從詳細(xì)呼叫數(shù)據(jù)推導(dǎo)而來(lái)的數(shù)據(jù)得到充實(shí)。815.3節(jié)“初始化及及表5-1表5- 數(shù)據(jù)模型樣CUSTOMER客戶當(dāng)前聯(lián)系狀態(tài)(可聯(lián)系、暫時(shí)不可聯(lián)系等客戶等級(jí)(金、銀、銅牌客戶等66呼叫相關(guān)服務(wù)(呼叫轉(zhuǎn)發(fā)、呼叫等待)折扣優(yōu)惠呼叫(常規(guī)呼叫方面)3計(jì)費(fèi)/N個(gè)月內(nèi)的呼叫記錄(分鐘)預(yù)報(bào)窗口：用于預(yù)測(cè)和在初始化目標(biāo)預(yù)測(cè)變量(客戶流失指標(biāo))HOEN會(huì)從公司流失”和“這些客戶將在什么時(shí)候離開(kāi)公司”的問(wèn)題。預(yù)報(bào)窗口是客戶流失建模的“O”部分。在建模階段，預(yù)報(bào)窗口是確定客戶是否會(huì)離開(kāi)為其提供服務(wù)公司的時(shí)間框架。圖5- 預(yù)測(cè)建模時(shí)用到的時(shí)間范圍示可在對(duì)時(shí)間間隔為一個(gè)月、兩個(gè)月和N個(gè)月模型性能進(jìn)行比較后對(duì)時(shí)間間隔進(jìn)行定義。情況均標(biāo)識(shí)為負(fù)值(非流失客戶)的優(yōu)質(zhì)模型(99%)。不過(guò)，這不能提供任何行收集。有些變量是按業(yè)務(wù)知識(shí)分類的。例如，DS(手機(jī))是一個(gè)欄，說(shuō)明客戶4.45-2表示的是由IntelligentMinerforData生成的一元統(tǒng)計(jì)的輸出結(jié)果。也是無(wú)效值。您可以用IntelligentMinerforData中的數(shù)據(jù)處理功能來(lái)正確處理這些無(wú)效5-3所示，每行中的變量順序向用戶表明：哪個(gè)變量可能會(huì)對(duì)客戶流失情況的預(yù)測(cè)影響更大。二元統(tǒng)計(jì)數(shù)據(jù)在IntelligentMinerforData中的可視化非常有利于用戶直觀而5-3CHURN變量明顯不同的程度。如圖所示，最明顯不同的變量是用于兩種情況的NEW_HANDSET。CONTRACTEX是最重要的五個(gè)變量，用以從整個(gè)用戶集中識(shí)別流失客戶。在任一徑向基函數(shù)徑向基函數(shù)徑向基函數(shù)(RBF)網(wǎng)絡(luò)屬于采用監(jiān)督訓(xùn)練算法(supervisedtrainingalgorithm)的前向回饋神經(jīng)網(wǎng)絡(luò)的組成就只有輸入和輸出節(jié)點(diǎn)間可調(diào)節(jié)權(quán)值(adjustableweight)。比較各個(gè)模型的性能，然后再選擇最佳模型。該建模過(guò)程如圖5-4所示。圖5- X865.42%的客戶數(shù)據(jù)集。當(dāng)2%，這個(gè)值對(duì)該算法并無(wú)大礙。提示：IntelligentMinerforData具有錯(cuò)誤加權(quán)函數(shù)，該函數(shù)可防止算法把全部流失客戶也可以設(shè)置決策樹(shù)的最大深度。在該案例中，決策樹(shù)最大深度限定為10。如果決策樹(shù)提示：IntelligentMinerforData內(nèi)含一個(gè)自動(dòng)修剪算法和停止標(biāo)準(zhǔn)，諸如節(jié)點(diǎn)大小、樹(shù)Data自動(dòng)修剪，若分枝對(duì)市場(chǎng)營(yíng)銷前景毫無(wú)意義，則可以進(jìn)行手工修剪。RBF(徑向基函數(shù)20%)。如果采用平衡樣本(50%)，模型的性能將會(huì)提示：當(dāng)在IntelligentMinerforData4:1神經(jīng)網(wǎng)絡(luò)(預(yù)測(cè)在該案例中，我們采用決策樹(shù)中作為主要考慮的變量來(lái)進(jìn)行說(shuō)明。正如上文RBF部分在神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)中，我們還采用分層樣本(20%)，因?yàn)樯窠?jīng)網(wǎng)絡(luò)預(yù)測(cè)中生成由預(yù)測(cè)客戶流失分?jǐn)?shù)分類的、被分成多個(gè)庫(kù)(如：10個(gè)庫(kù))10評(píng)估模型的目的是將每個(gè)模型生成的預(yù)測(cè)流失客戶列表與由您已有的標(biāo)準(zhǔn)所生成的預(yù)這樣的變量，則可以利用隨機(jī)選擇的流失客戶列表進(jìn)行對(duì)比。5-526.12%1053名客戶為流失客戶：523名客戶已正確歸類，5302967名客戶為非流失客戶：2447名客戶已正確歸類，5204020名客戶：1050通過(guò)嘗試客戶流失數(shù)據(jù)模型的各種子選項(xiàng)來(lái)構(gòu)建決策樹(shù)，并利用測(cè)試數(shù)據(jù)集來(lái)進(jìn)行驗(yàn)證，您可以進(jìn)行疊代運(yùn)算來(lái)改進(jìn)您樹(shù)形模型的誤差率。(如客戶流失率和市場(chǎng)營(yíng)銷活動(dòng)能力)5-6重要的變量。如圖5-6所示，OUTSPHERE被認(rèn)為是最重要的變量，接著依次為HANDSET、CUSTOMERRATE等，因?yàn)檫@些變量很可能出現(xiàn)在決策樹(shù)的頂端部分。采用三個(gè)或更多不同電話號(hào)碼進(jìn)行撥出呼叫采用舊式手機(jī)開(kāi)始時(shí)沒(méi)有合同義務(wù)期限或合同尚未到期呼叫成功率高(CALL81.3%HANDSET節(jié)點(diǎn)上，您可以看到這些節(jié)點(diǎn)有一個(gè)向左分支的節(jié)點(diǎn)，這大都表圖5- 具有非流失客戶規(guī)則的決策在優(yōu)惠時(shí)段(夜間、節(jié)假日、每天中的特殊優(yōu)惠時(shí)段)它們或者特別年輕(1020歲)或者是老年人(7080歲)。此節(jié)點(diǎn)的純度36.7%。為什么優(yōu)惠價(jià)呼叫占呼叫總量的份額與客戶(特別是十幾歲的青少年)圖5-848%。徑向基函數(shù)圖5-95-92%的記錄的二元統(tǒng)計(jì)數(shù)據(jù)以及它們的預(yù)2%的記錄和它們的預(yù)測(cè)值。如果把這兩個(gè)分位數(shù)放–98-100%5-10這些客戶的呼叫成功率非常低這些客戶更可能為不活躍或被中止的客戶這些客戶有在六個(gè)月內(nèi)減少呼叫的趨勢(shì)40-50%是折扣優(yōu)惠呼叫這些客戶撥出的電話中號(hào)碼不同的電話只有五個(gè)或更少您還可以查看其它變量來(lái)了解RBF(徑向基函數(shù))建模所預(yù)測(cè)的流失客戶中前面2%的特GENDER、TENUREAGENT。GENDER是用于描述每組客戶的一個(gè)補(bǔ)充變量，而RBF的活動(dòng)變量。5-110-2%–期達(dá)26個(gè)月或更長(zhǎng)，成功呼叫率高。神經(jīng)網(wǎng)絡(luò)—10965-1210%。30%。25%表5-2()是所有步驟最重要的一步。如何將數(shù)據(jù)挖掘結(jié)果應(yīng)用到您的業(yè)務(wù)中來(lái)獲得數(shù)據(jù)挖掘所帶來(lái)的業(yè)務(wù)利益？本步驟之所以如些技術(shù)是如何成為整個(gè)流失管理過(guò)程的關(guān)鍵性成功因素。通過(guò)IntellientMinerforData應(yīng)用模式或IBMDB2InteligntMinerScorig可以將流失預(yù)測(cè)模