任紅娟 夏國(guó)恩

摘 要：近些年來(lái)，企業(yè)對(duì)于顧客在企業(yè)價(jià)值創(chuàng)造過(guò)程中地位的認(rèn)識(shí)在發(fā)生著變化。傳統(tǒng)企業(yè)經(jīng)營(yíng)主要是依靠銷(xiāo)售產(chǎn)品或提供服務(wù)來(lái)創(chuàng)造價(jià)值，隨著客戶重要性的顯現(xiàn)，企業(yè)轉(zhuǎn)而開(kāi)始以客戶為中心，愈來(lái)愈重視客戶流失管理的研究。本文在對(duì)現(xiàn)有文獻(xiàn)進(jìn)行收集整理的基礎(chǔ)上，闡述客戶流失的概念、客戶流失的分類(lèi)、重點(diǎn)探討不同行業(yè)影響客戶流失的因素，最后介紹了典型的客戶流失預(yù)測(cè)方法以及客戶流失未來(lái)的研究方向尤其是在網(wǎng)絡(luò)客戶流失方面，為更多的學(xué)者進(jìn)行客戶流失研究提供參考。

關(guān)鍵詞：客戶流失 影響因素 流失預(yù)測(cè)

中圖分類(lèi)號(hào)：F279.23 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2018）11（b）-166-02

1 研究背景

客戶流失是指企業(yè)現(xiàn)有的客戶，轉(zhuǎn)而去購(gòu)買(mǎi)競(jìng)爭(zhēng)對(duì)手的商品或者是服務(wù)，而不再繼續(xù)購(gòu)買(mǎi)本企業(yè)的商品或服務(wù)。網(wǎng)絡(luò)客戶流失是指客戶不再購(gòu)買(mǎi)之前使用過(guò)的網(wǎng)上產(chǎn)品或終止其服務(wù)。近年來(lái)隨著電子商務(wù)企業(yè)的突起，企業(yè)間競(jìng)爭(zhēng)的加劇，客戶流失成了許多企業(yè)面臨非常棘手的問(wèn)題。研究表明，發(fā)展一位新客戶所花費(fèi)的成本要比維持一位老客戶的成本多得多，通常能夠達(dá)到5～6倍。也就是說(shuō)，在客戶流失以后，如果企業(yè)要去重新發(fā)展新客戶所帶來(lái)的成本是非常大的。因此，不論是電商企業(yè)還是實(shí)體企業(yè)都越來(lái)越重視客戶流失管理。保留客戶是任何組織獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的主要要求之一。

2 客戶流失影響因素

客戶流失分為自愿和非自愿流失兩種。自愿流失指的是因?yàn)榭蛻糇陨淼脑蛩鶎?dǎo)致的流失。非自愿流失指的是客戶因?yàn)橥庠诘哪承┎豢煽沽Φ脑驅(qū)е缕洳荒芾^續(xù)購(gòu)買(mǎi)企業(yè)的產(chǎn)品或服務(wù)而造成的流失。不同行業(yè)影響客戶流失的因素不盡相同，本文將區(qū)分以下三個(gè)行業(yè)進(jìn)行相關(guān)探討。

2.1 電信業(yè)

我國(guó)電信業(yè)在不斷的改革過(guò)程中競(jìng)爭(zhēng)在不斷的加劇。如今，通信市場(chǎng)的競(jìng)爭(zhēng)已經(jīng)十分激烈，在這種情況下，電信企業(yè)的戰(zhàn)略重點(diǎn)就成了進(jìn)行客戶爭(zhēng)奪。

趙莽（2006）基于客戶保持理論，從不同維度對(duì)影響流失的客戶進(jìn)行研究，研究表明客戶忠誠(chéng)度、客戶滿意度、客戶歸屬感等幾個(gè)因素有助于客戶保持。夏國(guó)恩（2007）認(rèn)為，可以從多維的客戶特征中，通過(guò)客戶特征提取，從客戶行為、客戶基本特征、產(chǎn)品質(zhì)量三方面對(duì)客戶流失進(jìn)行實(shí)證研究。王穎（2015）利用移動(dòng)公司的客戶數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)分析方法，對(duì)可能影響客戶流失的因素進(jìn)行研究，篩選出了影響客戶流失的8個(gè)因素。徐旭（2015）對(duì)影響終端客戶流失的因素從多個(gè)角度進(jìn)行了分析，提出客戶流失的影響因素有很多，包括客戶的年齡、職業(yè)、收入等。周靜等（2017）將著眼點(diǎn)放在社交網(wǎng)絡(luò)上，研究影響電信客戶流失的因素。利用某移動(dòng)公司的8個(gè)指標(biāo)數(shù)據(jù)通過(guò)邏輯回歸的方法進(jìn)行預(yù)測(cè)，結(jié)果表明，在選取的8個(gè)指標(biāo)中，對(duì)預(yù)測(cè)客戶流失產(chǎn)生重要影響的是個(gè)體的信息熵、個(gè)體的度、聯(lián)系的強(qiáng)度三個(gè)指標(biāo)。實(shí)際中，業(yè)務(wù)人員的流動(dòng)、競(jìng)爭(zhēng)對(duì)手產(chǎn)品具有優(yōu)勢(shì)、公司存在誠(chéng)信問(wèn)題、服務(wù)態(tài)度惡劣等也是造成客戶流失的原因。

2.2 金融業(yè)

中國(guó)金融機(jī)構(gòu)隨著經(jīng)濟(jì)體制改革的深化和對(duì)外開(kāi)放政策的放開(kāi)在發(fā)生著巨大的變化，加之網(wǎng)上銀行的興起，微信、支付寶等第三方支付平臺(tái)的普及使用，使得銀行間的競(jìng)爭(zhēng)變得激烈異常。愈加激烈的競(jìng)爭(zhēng)使得客戶流失率也隨之增加。

林睿等（2012）通過(guò)參考國(guó)際上和相關(guān)領(lǐng)域?qū)＜覍?duì)銀行客戶數(shù)據(jù)的分析，認(rèn)為客戶性別、客戶擁有的產(chǎn)品數(shù)量等10個(gè)因素對(duì)中國(guó)建設(shè)銀行某分行的客戶流失具有顯著影響。王未卿等（2014）以國(guó)內(nèi)某商業(yè)銀行支行的客戶資料為樣本，通過(guò)單因素分析得出影響銀行客戶流失的12個(gè)因素，進(jìn)一步利用逐步判別法以及PHRGE發(fā)現(xiàn)其中有8個(gè)有效指標(biāo)，一部分與客戶流失呈正相關(guān)；一部分呈負(fù)相關(guān)。盧美琴等（2018）針對(duì)商業(yè)銀行中VIP客戶不斷流失的現(xiàn)象，利用相關(guān)系數(shù)檢驗(yàn)的方法對(duì)影響VIP客戶流失的因素進(jìn)行分析，結(jié)果表明年齡、有效活期賬戶數(shù)等15個(gè)因素對(duì)客戶流失產(chǎn)生著重要影響。

2.3 電子商務(wù)

近年來(lái)電子商務(wù)技術(shù)的快速發(fā)展使得網(wǎng)上消費(fèi)成了一種趨勢(shì)。然而，由于網(wǎng)上消費(fèi)范圍廣、成本低、速度快等特點(diǎn)也造成了網(wǎng)絡(luò)客戶的流失率非常高。很多顧客只購(gòu)買(mǎi)一次產(chǎn)品便不再繼續(xù)購(gòu)買(mǎi)，這樣的顧客數(shù)量占到了80%左右。因此，要對(duì)客戶是否流失進(jìn)行預(yù)測(cè)進(jìn)而及時(shí)的制訂客戶保持策略，那么就需要探討影響網(wǎng)絡(luò)客戶流失的關(guān)鍵因素。

任劍鋒（2012）認(rèn)為影響電子商務(wù)客戶流失的有客戶年齡、客戶性別、購(gòu)買(mǎi)金額、深夜購(gòu)買(mǎi)次數(shù)、服務(wù)呼叫次數(shù)、客戶信用得分這六個(gè)因素。王榕麟（2013）通過(guò)文獻(xiàn)搜集與整理，探究影響網(wǎng)店顧客流失的因素。通過(guò)因子分析，得到了包括交易安全性、產(chǎn)品質(zhì)量、網(wǎng)絡(luò)口碑在內(nèi)的12個(gè)重要影響因素。

于小兵（2014）以某電子商務(wù)公司為研究對(duì)象，先確定了影響客戶流失的因素，再通過(guò)語(yǔ)言信息理論和基于正態(tài)分布的OWA，得出導(dǎo)致客戶流失影響因素的重要性大小排序。李婷婷（2014）探討了影響B(tài)2C客戶流失的五類(lèi)關(guān)鍵性因素，在調(diào)查問(wèn)卷的基礎(chǔ)上，采用實(shí)證分析的方法，得出各個(gè)因素對(duì)于客戶流失的影響程度，為電子商務(wù)企業(yè)制定客戶保持策略提供了一定的借鑒。葉志龍等（2016）認(rèn)為顧客的年齡、持有會(huì)員卡的級(jí)別、積分、購(gòu)物次數(shù)等因素對(duì)某網(wǎng)站的會(huì)員流失量產(chǎn)生著影響。夏國(guó)恩（2018）將客戶價(jià)值特征和客戶情感特征融入到了網(wǎng)絡(luò)客戶流失預(yù)測(cè)的研究當(dāng)中，認(rèn)為影響網(wǎng)絡(luò)客戶流失的因素有客戶首次購(gòu)買(mǎi)的時(shí)間、客戶消費(fèi)新鮮度、客戶消費(fèi)頻度、消費(fèi)總金額、客戶對(duì)商品的評(píng)分以及客戶評(píng)論情感。除此之外，產(chǎn)品性價(jià)比、網(wǎng)店客服的態(tài)度、選擇合作的物流公司等因素對(duì)于客戶的選擇有著重要的影響。分析影響網(wǎng)絡(luò)客戶流失的因素，進(jìn)一步量化后用以預(yù)測(cè)網(wǎng)絡(luò)客戶是否流失是我們未來(lái)應(yīng)關(guān)注的方面。

3 客戶流失預(yù)測(cè)方法

客戶流失預(yù)測(cè)方法很多，本文將其劃分為以下幾個(gè)階段。

（1）基于傳統(tǒng)統(tǒng)計(jì)學(xué)的預(yù)測(cè)方法。這一階段主要包括決策樹(shù)、Logistic回歸、聚類(lèi)分析以及貝葉斯分類(lèi)器等預(yù)測(cè)方法。徐燕妮等（2012）將決策樹(shù)和Logistic回歸方法的優(yōu)點(diǎn)結(jié)合起來(lái)，提出了創(chuàng)新性的電信客戶流失預(yù)警模型。尹婷等（2014）提出了貝葉斯決策樹(shù)算法，加入貝葉斯節(jié)點(diǎn)彌補(bǔ)了決策樹(shù)方法的缺點(diǎn)，得到的結(jié)果比單獨(dú)的決策樹(shù)算法更為準(zhǔn)確，為客戶流失預(yù)警分析提供了一種新的研究思路和分析方法。這個(gè)階段的方法具有模型解釋性強(qiáng)，處理定類(lèi)和連續(xù)性數(shù)據(jù)效果好的優(yōu)點(diǎn)。缺點(diǎn)是靈活性差、泛化能力不足、對(duì)于數(shù)據(jù)量龐大、多維非線性的數(shù)據(jù)處理效果較差。

（2）基于人工智能的預(yù)測(cè)。田玲等（2007）提出了一種基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型，與傳統(tǒng)的決策樹(shù)和貝葉斯網(wǎng)絡(luò)相比通過(guò)使用兩次神經(jīng)網(wǎng)絡(luò)，獲得了更好的效果。代逸生（2011）運(yùn)用人工智能技術(shù)，構(gòu)建了基于LVQ神經(jīng)網(wǎng)絡(luò)的電信企業(yè)客戶流失預(yù)測(cè)模型。基于人工智能的方法主要依靠的是經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則，邏輯推導(dǎo)和數(shù)學(xué)證明不嚴(yán)密，泛化能力比較弱。

（3）基于統(tǒng)計(jì)學(xué)習(xí)理論的預(yù)測(cè)。錢(qián)蘇麗等（2007）將代價(jià)敏感學(xué)習(xí)理論引入客戶流失預(yù)測(cè)，基于改進(jìn)支持向量機(jī)建立了流失預(yù)測(cè)模型，建模過(guò)程中引入了不同的錯(cuò)分代價(jià)，模型的預(yù)測(cè)性能因此得到了極大地提高。夏國(guó)恩（2008）基于電信行業(yè)的數(shù)據(jù)，用四種不同的方法進(jìn)行了對(duì)比測(cè)試，結(jié)果表明支持向量機(jī)模型效果最好。朱幫助（2010）基于SMC和最小二乘支持向量機(jī)構(gòu)建了電子商務(wù)客戶流失三階段預(yù)測(cè)模型用來(lái)預(yù)測(cè)客戶是否流失。結(jié)果表明，其與單獨(dú)模型相比，預(yù)測(cè)精度更高，更為有效和實(shí)用。夏國(guó)恩等（2018）利用支持向量機(jī)對(duì)融入客戶價(jià)值特征和情感特征的網(wǎng)絡(luò)客戶流失預(yù)測(cè)進(jìn)行了研究。首先，分析了融入客戶評(píng)論情感打分后模型與未融入客戶評(píng)論情感打分的模型在不同核函數(shù)的支持向量機(jī)分類(lèi)算法的表現(xiàn)，結(jié)果表明融入客戶評(píng)論情感的模型預(yù)測(cè)結(jié)果相對(duì)更好。其次，將融入客戶評(píng)論情感打分后模型與未融入客戶評(píng)論情感打分的模型在支持向量機(jī)與人工神經(jīng)網(wǎng)絡(luò)、邏輯回歸、樸素貝葉斯、決策樹(shù)分類(lèi)器上分別進(jìn)行實(shí)證分析，結(jié)果表明，從預(yù)測(cè)算法上來(lái)看，相比于其他的預(yù)測(cè)算法多項(xiàng)式核SVM在網(wǎng)絡(luò)客戶流失預(yù)測(cè)中能夠取得相對(duì)較好的結(jié)果。支持向量機(jī)是一個(gè)典型的代表，它可以解決小樣本、非線性以及模式識(shí)別方面的問(wèn)題，具有一定的優(yōu)勢(shì)。它的缺點(diǎn)是參數(shù)的選擇決定了預(yù)測(cè)的精度。

（4）基于組合分類(lèi)器和仿生學(xué)算法的預(yù)測(cè)?；诜律鷮W(xué)算法的預(yù)測(cè)代表方法有蟻群算法和蜂群算法。王純麟（2007）針對(duì)目前采用單分類(lèi)器的不足，提出了一種基于組合分類(lèi)器的流失預(yù)測(cè)模型。結(jié)果表明，經(jīng)過(guò)AdaBoost算法訓(xùn)練的組合分類(lèi)器能有效提升預(yù)測(cè)準(zhǔn)確率。羅彬等（2010）針對(duì)在電信行業(yè)預(yù)測(cè)客戶流失比較復(fù)雜的問(wèn)題，提出了一種新的流失預(yù)測(cè)模型——基于蟻群算法的成本敏感線性集成多分類(lèi)器模型。結(jié)果表明，基于集群智能的改進(jìn)蟻群優(yōu)化算法具有原理清晰、程序簡(jiǎn)單、全局收斂的優(yōu)點(diǎn)，這在流失預(yù)測(cè)中具有很好的優(yōu)勢(shì)。羅彬等（2011）提出了一種新的基于粗糙集理論、神經(jīng)網(wǎng)絡(luò)和蜂群算法線性集成多分類(lèi)器的客戶流失預(yù)測(cè)模型。該模型運(yùn)用了最新發(fā)展的人工蜂群算法，進(jìn)一步擴(kuò)展了人工蜂群算法的應(yīng)用領(lǐng)域。

4 未來(lái)研究方向

在這個(gè)網(wǎng)絡(luò)時(shí)代，越來(lái)越多的人習(xí)慣使用網(wǎng)絡(luò)。這種現(xiàn)象向企業(yè)傳遞了一種信號(hào)：不能忽視網(wǎng)絡(luò)帶來(lái)的影響力，未來(lái)應(yīng)該將關(guān)注的重點(diǎn)放在網(wǎng)絡(luò)客戶行為的研究上。首先，網(wǎng)絡(luò)客戶屬于非契約型客戶，通常網(wǎng)絡(luò)客戶的相關(guān)性弱，流失率高，企業(yè)很難準(zhǔn)確的判斷客戶的潛在流失行為，因此需要確定哪些因素對(duì)網(wǎng)絡(luò)客戶的流失起著決定性的作用，對(duì)潛在的流失客戶進(jìn)行識(shí)別。其次，網(wǎng)絡(luò)客戶數(shù)據(jù)一般數(shù)據(jù)量比較大，而且比較雜，隨著大數(shù)據(jù)的不斷發(fā)展與成熟，使得對(duì)于客戶行為的分析變得更加容易，加之近幾年深度學(xué)習(xí)方法所表現(xiàn)出來(lái)的優(yōu)勢(shì)，未來(lái)可以將深度學(xué)習(xí)方法有效的利用在預(yù)測(cè)網(wǎng)絡(luò)客戶流失的過(guò)程當(dāng)中。除此之外，可以在數(shù)據(jù)處理方面進(jìn)行優(yōu)化。網(wǎng)絡(luò)客戶流失現(xiàn)在處于剛起步的階段，相關(guān)研究較少，還存在一些問(wèn)題例如客戶行為特征的影響、模型的應(yīng)用、預(yù)測(cè)模型的優(yōu)化等值得繼續(xù)研究和探索。

參考文獻(xiàn)

[1] 于小兵，曹杰，鞏在武.客戶流失問(wèn)題研究綜述[J].計(jì)算機(jī)集成制造系統(tǒng)，2012，18（10）.

[2] 趙莽.基于實(shí)證分析的移動(dòng)客戶保持影響因素和策略研究[D].北京郵電大學(xué)，2006.

[3] 王未卿，姚嬈，劉澄.商業(yè)銀行客戶流失的影響因素——基于生存分析方法的研究[J].金融論壇，2014（1）.

[4] 任劍鋒，張新祥.電子商務(wù)客戶流失的建模與預(yù)測(cè)研究[J].計(jì)算機(jī)仿真，2012，29（5）.

[5] 于小兵，王旭明.影響電子商務(wù)客戶流失因素分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2014，44（21）.

[6] 李婷婷.影響B(tài)2C電子商務(wù)企業(yè)客戶流失因素的實(shí)證分析[D].哈爾濱商業(yè)大學(xué)，2014.

[7] 徐旭.移動(dòng)互聯(lián)網(wǎng)下終端客戶流失影響因素實(shí)證研究[J].赤峰學(xué)院學(xué)報(bào)（自然科學(xué)版），2015，31（5）.

[8] 夏國(guó)恩，馬文斌，唐嬋娟，等.融入客戶價(jià)值特征和情感特征的網(wǎng)絡(luò)客戶流失預(yù)測(cè)研究[J].管理學(xué)報(bào)，2018，15（3）.