運(yùn)用呼叫中心的電子郵件整合顧客信息用于客戶流失預(yù)測(cè)(文件)
【正文】 本信息的用戶很可能具有獨(dú)特的流失模式?？蚣苁沟脧暮艚兄行膫鱽?lái)的郵件文本信息和傳統(tǒng)市場(chǎng)信息更加的協(xié)調(diào)。致謝：我們要感謝匿名的比利時(shí)公司，為我們提供了數(shù)據(jù)。像這些實(shí)義詞出現(xiàn)的頻率被用來(lái)指示項(xiàng)內(nèi)容的表現(xiàn)意義。因此一個(gè)項(xiàng)的重要性相反地，與這個(gè)項(xiàng)在郵件中出現(xiàn)的次數(shù)有關(guān)。在數(shù)學(xué)上，當(dāng)時(shí)是奇異值矩陣，其中U和V是列正交矩陣。在矩陣VK的一個(gè)項(xiàng)代表一個(gè)特定的電子郵件裝載的K概念之一。重要的是，從訓(xùn)練向量上加載的概念與測(cè)試矢量是相當(dāng)?shù)摹?[12] Deerwester等人 [12]提出，投射每個(gè)向量項(xiàng)到同樣的潛在語(yǔ)義子空間，就像在訓(xùn)練期間通過(guò)下式被創(chuàng)造。附錄C：結(jié)構(gòu)化營(yíng)銷信息綜述客戶/公司交互變量：變量描述的客戶/公司的關(guān)系：l 投訴數(shù)量l 自上次投訴的經(jīng)過(guò)時(shí)間l 投訴的平均成本（賠償報(bào)紙）l 在當(dāng)前訂閱的投訴的平均定位l 訂閱的購(gòu)買動(dòng)力l 報(bào)紙是如何交付的l 分銷渠道的轉(zhuǎn)換l 付款方式和版本l 自上次分銷渠道、付款方式和版本轉(zhuǎn)換經(jīng)過(guò)的時(shí)間l 直銷行動(dòng)的反應(yīng)l 懸而未決的數(shù)量l 平均懸置長(zhǎng)度（天數(shù)）l 自上次懸置經(jīng)過(guò)的時(shí)間l 對(duì)直接營(yíng)銷行動(dòng)的最后響應(yīng)以來(lái)經(jīng)過(guò)的時(shí)間l 免費(fèi)報(bào)紙重建相關(guān)的變量：包含重建的具體信息的變量l 是否在以前的訂閱有效期屆滿前續(xù)約l 屆滿日期前多少天，以前的訂閱續(xù)約l 以前的訂閱有效期屆滿前續(xù)約的平均天數(shù)l 以前訂閱有效期屆滿前續(xù)約的差異天數(shù)l 自公司保留程序最后一步經(jīng)過(guò)的時(shí)間l 沒(méi)有續(xù)期訂閱的客戶次數(shù)社會(huì)人口變量：變量描述用戶l 年齡l 年齡是否已知l 性別l 自然人（公司或自然人的訂閱者）l 是否有聯(lián)系方式（電話，手機(jī)號(hào)碼，電子郵件）是可用的訂閱描述變量：描述訂閱變量組l 自上次續(xù)約經(jīng)過(guò)的時(shí)間l 貨幣價(jià)值l 續(xù)約數(shù)量l 當(dāng)前訂閱的長(zhǎng)度l 報(bào)紙一周發(fā)表的天數(shù)（強(qiáng)度指示）l 用戶擁有哪個(gè)版本（X1，X2，X3）l 合同期滿后一個(gè)月Kristof Coussement是比利時(shí)根特大學(xué)（比利時(shí)），經(jīng)濟(jì)及工商管理學(xué)院博士候選人。Dirk Van den Poel是比利時(shí)根特大學(xué)的經(jīng)濟(jì)和工商管理學(xué)院市場(chǎng)營(yíng)銷學(xué)教授。在決策支持系統(tǒng)，商業(yè)研究雜志，歐洲運(yùn)籌學(xué)雜志，運(yùn)籌學(xué)學(xué)會(huì)學(xué)報(bào)，智能系統(tǒng)和專家系統(tǒng)與應(yīng)用國(guó)際雜志發(fā)表過(guò)他的作品。他獲得了他的管理/. Leuven（比利時(shí)）的博士。在他的博士論文，他調(diào)查了客戶機(jī)/公司之間的相互作用的影響，通過(guò)對(duì)CRM的語(yǔ)言表達(dá)的信息來(lái)源（流失分析）。 Vd是能和矩陣Vk的電子郵件概念相比的新電子郵件概念的向量。 因此，測(cè)試集的郵件被投射進(jìn)潛在語(yǔ)義子空間就像在訓(xùn)練期間創(chuàng)造的一樣。這個(gè)概念反映在文本數(shù)據(jù)的隱藏模式中。因此，LSI通過(guò)只保留已決定的等于或大于k（如）的奇異值，而無(wú)視在∑中的更小的λ值，只有U和V中第一個(gè)k列得到保留。最后，一個(gè)項(xiàng)i在郵件中的權(quán)重被下面的式子給出：其中，tfij等于電子郵件j中第i項(xiàng)的頻率；idfi等于第i項(xiàng)的逆電子郵件頻率在數(shù)學(xué)上，其中，nij等于電子郵件j中第i項(xiàng)的頻率其中，n等于整個(gè)電子郵件收集到的電子郵件總數(shù)，dfi等于第i項(xiàng)存在的電子郵件數(shù)量附錄B：使用基于SVD（奇數(shù)值分解）的LSI（潛在語(yǔ)義索引）降維第i項(xiàng)一個(gè)高維的電子郵件矩陣A被構(gòu)造使位置（i，j）用 j表示wij第i組的權(quán)重。通過(guò)對(duì)數(shù)變換，降低了未加工項(xiàng)頻率的重要性，對(duì)變化郵件的收集具有重要的作用。這個(gè)項(xiàng)目用SAS , SAS Text Miner 和Matlab 5. 附錄A 項(xiàng)項(xiàng)頻率（tf）衡量了郵件文本中項(xiàng)索引詞出現(xiàn)的頻率。它提供了一種方法，通過(guò)提供向市場(chǎng)決策者提供有用的用戶文本信息的模型，這可能會(huì)增加呼叫中心的盈利能力。Fig. 6. 結(jié)構(gòu)化模型 和 結(jié)構(gòu)化非結(jié)構(gòu)化模型 累積提升圖表.Fig. 7. 結(jié)構(gòu)化非結(jié)構(gòu)化模型, 結(jié)構(gòu)化模型 和 結(jié)構(gòu)化模型k 的AUC 性能4. 結(jié)論通過(guò)呼叫中心電子郵件向標(biāo)準(zhǔn)流失預(yù)測(cè)系統(tǒng)添加voc，幫助營(yíng)銷決策者較準(zhǔn)確的找出哪些顧客最容易轉(zhuǎn)變。從Fig. 7上觀察到的一點(diǎn)，為那些至少發(fā)過(guò)一次電子郵件的用戶單獨(dú)建立一個(gè)流失模型確實(shí)更好。100000}）與建設(shè)目前的測(cè)試集上具有更好的預(yù)測(cè)性能的流失模型的意圖。必須核實(shí)那些至少發(fā)送一次電子郵件的用戶的單獨(dú)流失模型是建立最優(yōu)預(yù)測(cè)模型的最好策略。結(jié)構(gòu)化非結(jié)構(gòu)化模型累積提升曲線在結(jié)構(gòu)化模型之上，結(jié)構(gòu)化非結(jié)構(gòu)化模型能夠比結(jié)構(gòu)化模型更好的確認(rèn)處于危險(xiǎn)邊緣的消費(fèi)者。決定了20個(gè)最佳銷售變量 預(yù)測(cè)性能比較表 4, 圖 5 ,6表明結(jié)構(gòu)化—非結(jié)構(gòu)化模型性能顯著超過(guò)結(jié)構(gòu)化模型的。Fig. 4. The crossvalidated AUC during the optimal dimension selection phase. 定義最佳的結(jié)構(gòu)性銷
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1