DM案例1客户流失预测分析（论文资料）.pptVIP

TeradataTMWarehouseMiner

TrainingWorkshop

案例-1客户流失预测分析CMCCHQZhangLeiSunstone.Zhang@TERADATA-NCR.COM

为什么进行客户流失预测?移动效劳的竞争进入白热化状态月平均流失率6.5%(即随机抽样10000人中只能找到650个真正有流失倾向的客户〕月租型,流失预测模型结果找出流失倾向最高的客户,前10000人名单中，约8000人〔80%〕下个月会流失找出导致客户流失的原因以辅助设计和执行客户挽留的行销活动。数据挖掘自动化机制更有效地利用挖掘的结果专题概要

预测性模型响应模型自动化分段描述性模型根据业务目标对对象属性的初步划分年龄分组;商业用户/个人用户;客户价值根据业务目标对对象属性的描述保有期(与客户价值有关);信用评分根据相关属性将对象划分到已定类别，以便针对性对待流失倾向评分使用量预测现实模拟以改善预测能力、可控性和实施效果购置倾向评分挖掘结果的发布:调度执行收集响应监控模型性能记录结果数据仓库分析模型的种类

数据仓库PartlyadaptedfromFayyadU.M.,Piatetsky-Shapiro,P.Smith(1995),‘FromKnowledgeDiscoverytoDataMining:AnOverview’inAdvancedKnowledgeDiscoveryandDataMining.选择抽样模型评估验证建模数据探索数据转换数据清洗预处理确定理解业务问题数据的后续处理知识预备建模数据挖掘方法论

在这个数据挖掘的初始阶段，需明确阐述工程目标和客户业务需求。基于客户响应〔如客户流失或产品购置趋势〕特性，可以从概念上定义响应变量，与待选的预测变量没有直接的派生关系〈直接的派生关系意指响应变量可由一或多个预测变量直接计算出来〉。最终，为了这些目标可以必要地调整工程方案进程。包括明确业务目标定义响应变量工程方案必要的调整业务问题定义

搜寻并检查客户数据，创立一个数据映射概念图，将客户数据与建模相关的各个属性对应起来。数据能被整合到一个适当的程度，省略不适当的记录〔如假设分析仅针对居民客户，那么省略非居民客户〕、不完整的数据记录、训练数据、试验数据等等。包括：?数据来源?数据映射?准备数据评估?数据的必要聚合?数据抽样选取和抽样

核查目前的数据源，探索在每个待选的预测变量和响应变量之间是否存在关系。数值分析是全面理解数据的第一步，随之进行的统计分析便于更好地了解有关数据的分布。包括：数据质量检查数据的必要整理通过图形化呈现工具和其他的统计方法理解数据分析待选预测变量和响应变量之间的关系数据转换以辅助数据的分析数据派生为建立模型做准备整理和呈现数据探索的发现探索型数据分析

建模

实施

数据仓库数据采集数据衍生1建立预测模型定义和识别有意义的数据项评分结果监测结果多维分析/报表抽取样本测试模型模型打分提取全部资料23,546789数据仓库数据采集数据衍生1建立预测模型定义和识别有意义的数据项评分结果监测结果多维分析/报表抽取样本测试模型模型打分提取全部资料23,546789具体实施过程

以号码为单位用户在网时间至少3个月分析流失前6个月的数据以了解可能流失原因正常用户状态为’正常’或‘停话’或‘强开’ 假设状态为停话，停话原因属于自愿停话:报停双停报停单停报停完全挂失双停挂失单停挂失完全假设状态为停话，停话原因属于非自愿停话：冒高双停冒高单停欠停双停欠停单停强关双停强关单停强关完全预拆最近停话期间少于3个月且6个月內至少有一次缴费记录流失客户状态为’预销’或‘预拆’〔一个月以上〕客户流失的定义

市场计划市场调查新用户计费网络销售网络合同/买卡神州行上线中心客服传真/电话电脑联网(直营)客服查询/抱怨/停话/催缴异常营业网点申请销号用户使用账单营业网点/银行等缴费缴费离网用户离网原因调查更换/维修销售/营业网点项目行销资费优惠项目业务理解

客户数据合约属性交互行为客户忠诚度支付行为使用行为近一个月缴费额近三个月平均缴费额近六个月平均缴费额六个月通话移动平均六个月通话移动差受话次数/秒数受话号码数发话次数/秒数拨打号码数发短消息次数话转比例漫游次数网内拨打比例拨打固话次数拨打简码次数通话异常中断次数迟