【正文】 out the predictive model. The Figure 1 shows a lift curve indicating perfect separation of types ‘churn’ and ‘no churn’: all churning customers are detected by the prediction model. The figure also represents a situation where no separation between customers has been done. This type of situation occurs when the churn probabilities are random. Figure 1 Lift curve for indicating perfect discrimination and no discrimination of churners and nonchurners. The lift curve will help to analyze the amount of true churners are discriminated in each subset. This will be extremely helpful in a marketing situation where a group of customers are to be contacted. Thus a pany can count how many customers to contact if an example of 25 % of potential churners is to be contacted. Or if the marketing effort has a limit of 5 000 customer contacts, how many churners are then reached. 出處 :Teemu Mutanen. Customer churn analysis ? a case study: Independent Research Project in Applied Mathematics [R].10 March 2020 二、翻譯文章 標(biāo)題 :客戶(hù)流失分析 個(gè)案研究 譯文 : 客戶(hù)流失分析 個(gè)案研究 Teemu Mutanen 摘要 客戶(hù)價(jià)值分析是一個(gè)好的市場(chǎng)營(yíng)銷(xiāo)和客戶(hù)關(guān)系管理戰(zhàn)略的關(guān)鍵。消費(fèi)業(yè)務(wù)多元化的今天 ,大眾營(yíng)銷(xiāo)方式是不能成功的。首先是在銀行方面進(jìn)行流失客戶(hù)的分析。而本研究的結(jié)論是在第 7 章。 在 LTV 概念的潛在意識(shí)和客戶(hù)關(guān)系來(lái)衡量終身價(jià)值是很簡(jiǎn)單的?？蛻?hù)價(jià)值的理解能幫助該公司把重點(diǎn)放在生產(chǎn)性收入和產(chǎn)量與可能帶來(lái)的負(fù)面影響的客戶(hù)群的客戶(hù)收入上。 Hwang 等人在競(jìng)爭(zhēng)激烈的無(wú)線(xiàn)電信業(yè)定義最熱門(mén)的客戶(hù)流失問(wèn)題。 Buckinx 等人測(cè)量忠誠(chéng)度和流失率在零售環(huán)境下是不同的。這使客戶(hù)流失在銀行業(yè)優(yōu)先于大多數(shù)行業(yè) ,Garland 做了個(gè)關(guān)于個(gè)人零售銀行的客戶(hù)盈利的研究 [11]。多項(xiàng)式回歸已被用于預(yù)測(cè)客戶(hù)的未來(lái)盈 利能力的基礎(chǔ)上 ,他們的人口統(tǒng)計(jì)信息和購(gòu)買(mǎi)歷史的讀書(shū)俱樂(lè)部 [1]。它導(dǎo)致了用線(xiàn)性回歸的方法來(lái)解決評(píng)估。該曲線(xiàn)是有關(guān)升降機(jī)的信號(hào)檢測(cè)理論和精確召回曲線(xiàn)中華民國(guó)在信息檢索文獻(xiàn)曲線(xiàn) [16]。因此 ,一個(gè)公司可以指望有多少客戶(hù)聯(lián)系 ,如果 25%的潛在流失客戶(hù)是與外界保持聯(lián)系。這種情況發(fā)生時(shí) ,客戶(hù)流失概率是隨機(jī)的。即 連續(xù)概率的結(jié)果是通過(guò)邏輯回歸模型使用一個(gè)閾值在兩組中進(jìn)行區(qū)別而產(chǎn)生的。 這里提到的 logistic 回歸是 . Cramer 在一本書(shū)中提出的。 Logistic 回歸 ,可以用來(lái)預(yù)測(cè)一個(gè)連續(xù)和 /或分類(lèi)變量上離散的結(jié)果。 Butnix 等人如果他們從偏離既定的購(gòu)買(mǎi)行為分類(lèi)客戶(hù)是有缺陷的 [4]。在市場(chǎng)營(yíng)銷(xiāo)角度有足夠的信息的流失就可能是客戶(hù)流失。業(yè)務(wù)部門(mén)和客戶(hù)的關(guān)系影響客戶(hù)流失的預(yù)測(cè)。 更好地理解客戶(hù)終身價(jià)值的好處有很多。因此 ,確定最后的客戶(hù)關(guān)系甚至要幾十年 ,該公司必須解決的一個(gè)潛在客戶(hù)流失的價(jià)值。還有一個(gè)關(guān)于客戶(hù)的流失文獻(xiàn)中第 2 章中。在公司的角度來(lái)看 ,這將產(chǎn)生一個(gè)客戶(hù)關(guān)系管理的穩(wěn)定環(huán)境。傳統(tǒng)的統(tǒng)計(jì)方法非常成功的預(yù)測(cè)客戶(hù)流失。這項(xiàng)研究的目的是運(yùn)用 logistic回歸方法來(lái)預(yù)測(cè)客戶(hù)流失和通過(guò)個(gè)人零售銀行業(yè)務(wù)的公司數(shù)據(jù)來(lái)分析客戶(hù)流失和非流失。即使繼續(xù)與有潛在收入損失的客戶(hù)保持關(guān)系 ,在這種情況下客戶(hù)流失是巨大的。本研究使用的方法在第 3 章 ,而 在案例資料是在第 4 章。客戶(hù)終身價(jià)值分析將有助于面對(duì)這一挑 戰(zhàn)。該公司可以測(cè)量從客戶(hù)那得到的目前和未來(lái)的收入。舉例信用卡業(yè)務(wù)的客戶(hù)很容易使用另一種信用卡 ,而對(duì)以前的信用卡的公司的唯一的指標(biāo)是下降的。這就使得營(yíng)銷(xiāo)部門(mén)在有限的資源下 ,首先與高概率的流失有聯(lián)系 [2]。這可能是因?yàn)樗麄冊(cè)O(shè)置 了他們只專(zhuān)注于忠誠(chéng)的客戶(hù)。多項(xiàng)式回歸的存在是為了處理超過(guò)兩個(gè)的更多的課程的情況。 Logistic回歸模型在生物科學(xué)界有很長(zhǎng)的歷史。通常這個(gè)閾值是 ,本文件中的閾值將把非流失客戶(hù)從流失客戶(hù)區(qū)分開(kāi)。 圖 1 顯示了升力曲線(xiàn)完善了流失客戶(hù)和非流失客戶(hù)的區(qū)別和非區(qū)別。這非常 情況下在市場(chǎng)營(yíng)銷(xiāo)的客戶(hù)群是要聯(lián)系幫助的。我 們將利用升力曲線(xiàn)的回歸來(lái)分析估計(jì)結(jié)果。 PX)?X ,X x1, x2,xn 這是線(xiàn)性概率模型。例如 Buckinx 等人 ,已經(jīng)把 logistic 回歸運(yùn)用在零售環(huán)境中預(yù)測(cè)有缺陷的客戶(hù) [4]。在一段時(shí)期客戶(hù)通常把他們的銀行業(yè)務(wù)給一兩家公司。這些方法在流失分析的表內(nèi)的數(shù)據(jù)尺度和市場(chǎng)部門(mén)的信息有一定的介紹。 客戶(hù)流失是指那些關(guān)系密切的客戶(hù)保持率和忠誠(chéng)度 [14]。 LTV 分析還可以幫助公司定制滿(mǎn)足消費(fèi)者需求的產(chǎn)品和服務(wù)。這種類(lèi)型的客戶(hù)在下面幾個(gè)方面進(jìn)行分析 :顧客價(jià)值 ,顧客終生價(jià)值 ,客戶(hù)資產(chǎn)和客戶(hù)的盈利能力。所有的流失預(yù)測(cè)結(jié)果是在第 6 章介紹。本文的目的是雙重的。這些公司中有多少公司能真正因?yàn)槭チ丝蛻?hù)流失而有意識(shí) ,為保持適度的運(yùn)動(dòng)規(guī)模而努力。這項(xiàng)戰(zhàn)略的一個(gè)重要組成部分是客戶(hù)的保留率。 個(gè)人零售銀行業(yè)務(wù)部門(mén)的特點(diǎn)是客 戶(hù)與公司建立很長(zhǎng)時(shí)間的聯(lián)系。 本文介紹有 6 個(gè)部分。 客戶(hù)流失的需求預(yù)測(cè) 本文中我們的案例在零售銀行業(yè)的一個(gè)公司經(jīng)營(yíng)提供的數(shù)據(jù)。 以 Hoekstra等為例 ,按 LTV概念模型定義如下 :大多數(shù)的 LTV模型起源于基本的方程 ,有很多的其他的 LTV 模型在各個(gè)領(lǐng)域應(yīng)用。 、客戶(hù)流失 客戶(hù)流失的關(guān)鍵是確定那些有流失危 險(xiǎn)的客戶(hù)和分析能否留住這些有價(jià)值的客戶(hù)。 Hwang 等人定義客戶(hù)忠誠(chéng)度為客戶(hù)想留在這個(gè)公司 ,流失率是描述那些放棄那些提供服務(wù)的供應(yīng)商的固定的客戶(hù)數(shù)量或比例 [14]。在零售環(huán)境下的客戶(hù)流失是指客戶(hù)轉(zhuǎn)向另一個(gè)商店進(jìn)行購(gòu)買(mǎi)。他的研究是根據(jù)客戶(hù)的郵寄調(diào)查來(lái)幫助他根據(jù)定性的因素來(lái)確定客戶(hù)所花費(fèi)的金錢(qián) ,客戶(hù)滿(mǎn)意度和忠誠(chéng)度的。 Logistic 回歸在提供最好可能的評(píng)估轉(zhuǎn)變一個(gè)依賴(lài)的 logistic 的因變量 [8]。如果我們希望概率 P(X)隨著 X 在 0 到 1 之間單調(diào) ,我們必須使用比線(xiàn)性函數(shù)更多的其他函數(shù)。 圖 1 顯示了升力曲線(xiàn)完美的把“流失”和“非流失”分離開(kāi) :所有的流失客戶(hù)都被預(yù)測(cè)模型檢測(cè)。 出處 :Teemu Mutanen. Customer churn analysis ? a case study: Independent Research Project in Applied Mathematics [R].10 March 2020