田燕

【摘要】 近些年，電信企業(yè)的客戶流失隨著客戶規(guī)模的增長而增長，這一問題已經(jīng)成為束縛電信企業(yè)成長的瓶頸，隨著數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，有效解決了學(xué)術(shù)研究與電信實踐的耦合松散性，將運營商積累的大量有價值的客戶行為信息，通過數(shù)據(jù)挖掘技術(shù)分析、整理、建模，從而預(yù)測客戶流失傾向，并最終將研究結(jié)果深入到客戶保留領(lǐng)域，使技術(shù)成果最終轉(zhuǎn)化為電信企業(yè)提升客戶價值的可操作性管理體系。

【關(guān)鍵詞】 數(shù)據(jù)挖掘 數(shù)據(jù)倉庫 流失預(yù)警

一、引言

客戶保有的前提是理解客戶行為，電信運營商已經(jīng)積累了大量的客戶行為信息，有效結(jié)合數(shù)據(jù)挖掘技術(shù)，對已有的無規(guī)則客戶行為信息進行分析識別，并通過各類算法歸納總結(jié)出客戶流失的規(guī)律及特點，最終建立起數(shù)據(jù)挖掘模型，經(jīng)過不斷的校驗，可以預(yù)測客戶流失傾向，并將預(yù)測結(jié)果轉(zhuǎn)化為企業(yè)客戶保有行為，為企業(yè)的營銷工作提供幫助、指導(dǎo)，為企業(yè)決策提供支持，最終實現(xiàn)電信企業(yè)客戶保有及價值提升的目的。

二、數(shù)據(jù)挖掘概述

（1）數(shù)據(jù)挖掘概念。數(shù)據(jù)挖掘是指從大量的、隨機的、不規(guī)則的應(yīng)用數(shù)據(jù)中通過算法（如分類、總結(jié)、關(guān)聯(lián)規(guī)則、聚類等）搜索隱藏于其中的不為人知的、但潛在的有用知識的過程。數(shù)據(jù)挖掘提供預(yù)測性的信息，質(zhì)上是一個歸納推理的過程，不是驗證一個假定模型的正確性，而是在數(shù)據(jù)庫中自己尋找模型。數(shù)據(jù)挖掘是多學(xué)科的產(chǎn)物，包含數(shù)據(jù)庫技術(shù)、統(tǒng)計學(xué)、可視化、高性能計算、人工智能、機器學(xué)習(xí)。數(shù)據(jù)挖掘的三個過程，即數(shù)據(jù)整理、數(shù)據(jù)挖掘和結(jié)果的解釋評估。（2）數(shù)據(jù)挖掘方法。數(shù)據(jù)挖掘常用的方法有關(guān)聯(lián)分析、分類、聚類、回歸分析、神經(jīng)網(wǎng)絡(luò)等，這些方法從不同的角度對數(shù)據(jù)進行挖掘分析，可以應(yīng)用到企業(yè)客戶行為分析、決策支撐等不同階段和領(lǐng)域。

三、電信客戶流失預(yù)警中數(shù)據(jù)挖掘的實施步驟

（1）明確目標。要充分發(fā)揮數(shù)據(jù)挖掘的作用，必須明確目標。電信客戶流失預(yù)警的重要目標就是提前預(yù)知客戶流失風(fēng)險，從而指導(dǎo)維系人員準確定位目標客戶，及時給與流失干預(yù)，提升電信客戶保有率。（2）建立數(shù)據(jù)挖掘庫。我們需要從各類海量電信客戶數(shù)據(jù)庫中抽取與客戶流失相關(guān)數(shù)據(jù)內(nèi)容，建立獨立的客戶流失預(yù)警挖掘數(shù)據(jù)庫，該數(shù)據(jù)庫可以是已有數(shù)據(jù)倉庫的一個邏輯子集，而不一定非要是物理上獨立的數(shù)據(jù)庫。單獨設(shè)立的客戶預(yù)警數(shù)據(jù)庫可以提高分析效率、避免由于數(shù)據(jù)巨大帶來的數(shù)據(jù)沖突問題的解決。通過對客戶流失關(guān)鍵點的數(shù)據(jù)抽取、精選，可以極大的減少數(shù)據(jù)處理量，節(jié)約系統(tǒng)資源，更好的輔助數(shù)據(jù)分析目標的達成。（3）數(shù)據(jù)分析。需要從海量客戶、海量信息、海量數(shù)據(jù)中找到客戶流失的關(guān)鍵點，不斷從流失數(shù)據(jù)挖掘庫中找到相應(yīng)的規(guī)律和潛在趨勢，使用聚類分析的方法進行客戶信息類別區(qū)分，逐步梳理出影響客戶流失的眾多因素，并進行重要性分析，找出這些因素之間相互影響、牽連的關(guān)系，從而發(fā)現(xiàn)因素之間的相關(guān)性。（4）準備及調(diào)整數(shù)據(jù)。通過數(shù)據(jù)分析步驟，將符合分析要求數(shù)據(jù)進行數(shù)據(jù)庫導(dǎo)入，并對數(shù)據(jù)進行進一步的調(diào)整，關(guān)鍵是實現(xiàn)進一層次的明確及量化，為模型化奠定基礎(chǔ)。（5）建立模型。建立模型是數(shù)據(jù)挖掘的核心環(huán)節(jié)，在分析數(shù)據(jù)，并對數(shù)據(jù)進行系統(tǒng)調(diào)整的基礎(chǔ)上即可以開始建立模型。通常我們利用聚類分析、時間序列分析等方法來實現(xiàn)建模。（6）評價及解釋。從之前的步驟中我們已經(jīng)很明確的得出客戶流失的一系列分析數(shù)據(jù)及模型，我們會得出對客戶流失問題多種描述，綜合各類描述的規(guī)律性，提供合理的分析支持信息。

四、數(shù)據(jù)挖掘在電信客戶維系中的應(yīng)用

1、流失客戶分析及建模

以往運營商服務(wù)模型基本圍繞全生命周期時間軸主線，重點描述單客戶服務(wù)動作，缺少客戶聚類特征總結(jié)。結(jié)合客戶流失特征，運用聚類統(tǒng)計分析方法將客戶進行特征聚類，區(qū)分為入網(wǎng)半年內(nèi)客戶群、入網(wǎng)半年至一年客戶群、入網(wǎng)一年以上客戶群，其客戶流失特征及原因存在區(qū)隔，入網(wǎng)半年內(nèi)客戶的流失與前期客戶發(fā)展質(zhì)量關(guān)系密切，主要取決于在新發(fā)展客戶營銷過程中存在的問題或弊端；而入網(wǎng)半年至一年客戶群的流失與功能性的服務(wù)感知相關(guān)；入網(wǎng)一年以上或更長時間的客戶流失與后期客戶持續(xù)提供的服務(wù)及感知密切相關(guān)。同時三大聚類客戶群又分別具有三個流失關(guān)鍵點，我們可以運用數(shù)據(jù)挖掘技術(shù)“信息熵理論”、“二元分類模型”，找到幾個聚類群體流失相關(guān)因子，從而構(gòu)建針對性精準的維系模型，如圖1所示。

在基于聚類模型構(gòu)建起精準的客戶維系體系后，對應(yīng)影響三個聚類群體的核心因子及模型分析，針對性制定標準化維系動作及強化服務(wù)方案，增強原有的客戶服務(wù)體系，從而達到提升客戶感知及粘性的目的。

結(jié)合三個關(guān)鍵點，從現(xiàn)有的海量客戶行為數(shù)據(jù)中找到維系因子，對影響用戶群流失的因子做聚類分析，梳理出關(guān)鍵因子，并進行重要性分析，選定對整體流失影響力較大的因子作為高危挽留的重點突破口，如表1所示。

通過高危因子重要度的區(qū)分，每月月初系統(tǒng)自動預(yù)警，為客戶挽留提供數(shù)據(jù)支持。

2、客戶挽留流程

（1）挽留機會分析。根據(jù)三大聚類客戶群特點，對三類客戶流失傾向進行評價，按風(fēng)險的高低進行評判，入網(wǎng)初期客戶流失風(fēng)險最高，其次是高?？蛻袅魇A向明顯，一年以上到期合約客戶也存在流失風(fēng)險，根據(jù)風(fēng)險度及入網(wǎng)時間的不同，進行流失客戶預(yù)測，從而及時找到挽留機會。（2）挽留策略的制定。通過高危因子重要度分析，系統(tǒng)自動預(yù)警圈定需要挽留的客戶群，對不同因子客戶進行分析逐一制定挽留策略。針對新入網(wǎng)客戶流失分析，梳理主要流失原因，制定相應(yīng)的入網(wǎng)門檻，并配合相應(yīng)酬金發(fā)放機制，在入網(wǎng)半年內(nèi)分批分比例發(fā)放酬金，提升入網(wǎng)質(zhì)量；針對入網(wǎng)半年以上客戶，結(jié)合高危因子，梳理不同因子客戶群流失原因，針對性制定挽留策略，如合約計劃、網(wǎng)齡升級計劃、流量回饋等；對于一年以上合約到期客戶，制定老客戶合約續(xù)費政策，提升合約續(xù)費率。（3）采取保有行為并反饋。通過以上兩個步驟，找到挽留機會，并制定相應(yīng)策略后，需將挽留行為分配給不同的渠道人員實施，新入網(wǎng)客戶的入網(wǎng)策略由各發(fā)展渠道落實并反饋客戶信息；半年以上中期高?？蛻艏耙荒暌陨虾霞s到期客戶的挽留與維系需由維系中心與各實體渠道相互配合，由維系中心進行電話回訪式維系，實體渠道配合通過理財專席等方式在日常業(yè)務(wù)辦理中提高客戶在網(wǎng)粘性。

五、結(jié)束語

事實上，流失模型的建立不可能直接帶來客戶流失率的減少，但基于數(shù)據(jù)挖掘的客戶流失預(yù)警模型的應(yīng)用，可以很大程度上提升客戶維系與挽留的有效性，有效的預(yù)警、預(yù)測結(jié)合針對性的挽留策略及有效的挽留行為，才能夠真正實現(xiàn)客戶流失率的降低，達到提升客戶感知及粘性的最終目的。

參 考 文 獻

[1] Jiawei Han （加）（加）Micheline Kamber.數(shù)據(jù)挖掘概念與技術(shù)[M].機械工業(yè)出版社，2007年，第20-25頁

[2] 呂曉玲.數(shù)據(jù)挖掘方法及應(yīng)用[M].中國人民大學(xué)出版社，2009年，第121頁