客户流失预警分析材料.ppt

客户流失预警分析 深圳市协尔信息系统有限公司 2014年11月 客户离网预警背景 优质的客户资源，是运营商盈利的根本。随着中国三大主流运营商同质化竞争越来越激烈，彼此都不惜成本来争夺客户。因此客户挽留成为各个运营商重要的工作。 开拓一个新用户的成本 3 X = 挽留一个老用户的成本 客户离网预警分析能够帮助运营商有效的开展客户挽留工作，有效的识别有离网倾向用户，提高客户挽留成功率，降低离网率，进而为运营商带来可观的效益。 手机客户是运营商利润的主要来源之一，也是市场竞争的焦点。在目前的市场客户的成本远远大于留住已有客户的成本，借助用户离网分析 ，发展新发现流失手机用户的潜在模式，提前进行预测，从而变被动服务为主动服务。 目前在客户挽留过程中存在以下问题： 对于客户流失不能准确的预警，导致客户的流失率上升。 客户挽留活动没有针对性，成本高、效果不明显。 客户离网分析准确定位即将流失的客户，从而采取一定的业务措施使客户的流失率大大下降，实现客户维系活动投资回报最大化。 客户离网预警目的 协尔公司电信运营商客户离网分析服务 离网分析支撑团队 离网分析支撑系统 运营商客户基础数据 运营商客户行为数据 客户离网分析模型（每月） 客户离网预警清单（每月） 客户离网影响因素分析报告（每月） 协尔客户离网分析服务于深圳联通，取得良好的效果： 1、离网用户识别准确度： 70%。 2、离网用户识别覆盖率： 70% 数据获取、整合 多数据源的数据整合 数据标准化、规范化 数据分析与模型应用 客户保留策略制定 确定目标 不同目标客户挽留策略 策划挽留方案 客户保留计划实施 营销方案 服务方案 管理方案 数据清理、筛选 数据分析 模型应用 客户离网预警模型 规范整合的 客户销售售后数据库 客户离网预警及挽留 模型建立 模型学习、验证 确定模型目标 用户数据准备 用户数据筛选 用户模型建立 用户模型验证 结果支持决策 目标： 通过发现客户流失问题的真正原因，建立一对一的客户关系管理系统；? 了解客户群的需求；? 快速建立流失预警模型，为挽留决策提供数据依据； 最大化每个客户的收入。 协尔客户离网预警服务目标 1 2 3 4 用户数据、销售数据等多数据源的数据整合 数据筛选、清理 数据规范化、标准化 数据格式转换、处理 数据 合并 数据 筛选 数据 匹配 人工查删重 模糊查删重 精确查删重 数据规范化 数据标准化 规范整合的 客户数据库 数据整合清理 数据来源 数据的几个来源： CDR (Call Detailed Record) 客户资料数据(Customer Information） 客户帐务数据 销售策略与措施数据 其他来源 数据的整理与变换 数据的简单描述和汇总、缺失值的填补 数据挖掘变量的筛选和相关性分析 数据的专业变换 不同数据源数据的整合 其他 数据筛选 数据筛选是建立模型的很重要的一步,这部分需要业务人员共同参与决策. 前期我们并不知道哪些用户属性对用户离网有直接关系,所以我们需要进行验证来做数据筛选. 我们会把用户所有属性利用遗传算法进行增益分类,然后带入到算法里面进行计算.算法会把对用户离网有影响的一些字段属性输出. 我们再把对离网有影响关系大的一些属性来进行有机的组合,加,减,乘,除等直到找出用户离网的规律出来. 用户数据整理 这些数据需要能反映出用户的使用行为的轨迹。所以需要准备用户6个月的数据.前三个月用来做模型学习数据,后三个月数据用来做模型使用验证数据. 要看出用户的行为轨迹需要 通过多个字段的组合 乘 相减 相除,等. 数据整合清理 数据理解 Data Understanding 确定所 需要的数据 结果发布 Delivery 数据准备 Data Preparation 数据清理 调整 数据格式 建立模型 Modeling 决策树模型 人工神经 网络 回归 分析 模型评价 Evaluation 商业理解 Business Understanding 确定 商业目标 制定 挖掘计划 检查 数据质量 各个 环节 需不 断地 循环 往复 进行 数据 探索 和模 型的 调优 聚类分析 和分类 应用策略 应用数据 模型建立流程 商业需求分析 客户离网分析的商业目标就是要对有离网倾向的客户进行有选择性的进行有效挽留，从而减少高价值客户流失率。通过离网分析建立的挖掘分析模型可以获得客户流失的预测以及流失倾向的评分，由市场人员制定出具体的挽留策略。 客户定义：最近三个月的均有出帐用户。 流失标志：本月有出帐,下月无出帐用户为流失用户 分析窗口（预测基于多长时间的历史数据）：3个月 预测窗口（预测客户在多长时间内会流失）：2个月（预测两个月后可能流失的用户） 　　 客户流失预测模型分析