【文章內容簡介】 動；采用了流失模型后，僅需要對712人（%）做市場活動[8]。(3) 經(jīng)營分析系統(tǒng)的經(jīng)濟效益中國移動經(jīng)營分析系統(tǒng)取得了較為顯著的經(jīng)濟效果，某個單項的應用就可以帶來顯著的經(jīng)濟效益：節(jié)約成本。經(jīng)營分析系統(tǒng)能夠準確地降低經(jīng)營管理成本，例如：浙江移動通信有限責任公司客戶重入網(wǎng)分析一項應用，就節(jié)約成本6,833萬元（人民幣），推廣到全國，可節(jié)約成本約130,000萬元（人民幣）。增加收入。經(jīng)營分析系統(tǒng)能夠從各個角度明顯地增加企業(yè)的收入，例如：山西移動通信有限責任公司在客戶離網(wǎng)分析一項就可增加收入約26,880萬元（人民幣）,推廣到全國，每年可增加收入約800,000萬元（人民幣）。2. 策略針對當前的市場競爭狀況，中國移動應對市場短期競爭及實現(xiàn)其長期發(fā)展的主要策略是：營銷重心后移，鞏固中高端用戶，通過對現(xiàn)有個人用戶消費行為的分析設計有針對性的個性化套餐，以達到保留現(xiàn)有客戶的目的；具體可以概括為以下幾個方面：(1) 關注現(xiàn)有客戶的穩(wěn)定性，通過對現(xiàn)有客戶利益訴求的滿足，以及對移動品牌宣傳的推動，來鞏固現(xiàn)有的在網(wǎng)客戶；(2) 通過對客戶消費行為及偏好差異的分析，針對不同細分人群設計相應的套餐；(3) 通過對客戶價值量的差異分析以提供不同的客戶服務及忠誠度計劃；(4) 積極的客戶挽留工作，對客戶流失進行監(jiān)控，及時進行用戶挽留；(5) 通過各種合作伙伴的捆綁擴大服務的廣度，促進客戶發(fā)展及客戶維系（如移動機場貴賓休息室服務等）。 中國聯(lián)通客戶全生命周期的維系與挽留支撐系統(tǒng)中國聯(lián)通是國內唯一一家同時運營GSM和CDMA雙制式的電信運營商，截止到2006年11月底，，CDMA用戶總計3,613萬[6]。在以前的IT支撐系統(tǒng)的基礎上，中國聯(lián)通于2005年開始建立移動業(yè)務客戶維系與挽留支撐系統(tǒng)。通過客戶維系與挽留支撐系統(tǒng)建設，全面把握網(wǎng)上客戶的動向，降低客戶離網(wǎng)率，延長客戶生命周期，為全面降低營銷成本，實現(xiàn)網(wǎng)上客戶“保值、增值”，提供系統(tǒng)的分析方法和操作工具。通過客戶維系與挽留系統(tǒng)建設，理順客戶維系與挽留的業(yè)務流程和工作流程，進一步完善機構和人員配置，明確職責分工，為進一步實現(xiàn)營銷模式轉型，開展精細化營銷，為提高存量市場競爭能力奠定基礎。 對中國移動和中國聯(lián)通的客戶流失管理的評價中國移動和中國聯(lián)通近年在客戶流失管理方面取得了長足的進步，已意識到：客戶流失管理不僅是為了降低離網(wǎng)率；同時也為了提高客戶管理水平：發(fā)現(xiàn)并開發(fā)目標客戶、加強客戶細分、提升客戶價值、提高客戶滿意度。中國移動和中國聯(lián)通都進行的工作[9]：1. 都建立了強大的客戶流失支撐系統(tǒng)，有助于管理水平的提高、管理成本的降低。中國移動的經(jīng)營分析系統(tǒng)擁有世界最大的數(shù)據(jù)倉庫，多項技術處于世界領先。例如，中國移動的經(jīng)營分析系統(tǒng)可使總部第二天可以看到頭天每個省的經(jīng)營數(shù)據(jù)，包括用戶數(shù)是多少，收入是多少；中國移動的兩級結構的經(jīng)營分析系統(tǒng)，在國際上是首創(chuàng)，將很多指標數(shù)據(jù)統(tǒng)一在一起，總部不但看到省里的匯總報表，還看到匯總的數(shù)據(jù)和地市的部分詳細的數(shù)據(jù)；OLAP可使多張報表組合在一張里面，更直觀方便。2. 都建立在客戶價值評價的基礎上。客戶價值的研究是一個難點也是一個重點，客戶價值的研究建立在客戶產生的收入和運營商付出的成本的基礎上。3. 都建立在客戶細分的基礎上。中國聯(lián)通根據(jù)客戶行為（投訴狀況、主/被叫比例、呼叫號碼數(shù)）、客戶消費（話務量變化、話務變動）、客戶狀態(tài)（入網(wǎng)時間、入網(wǎng)契約）判斷客戶所處的生命周期階段，將客戶細分。中國聯(lián)通提出了全生命周期的客戶維系與挽留計劃，分為三個階段：識別階段和成長階段、客戶維系階段、客戶挽留階段。 全生命周期的客戶流失管理的思路1. 實現(xiàn)全過程客戶維系與挽留(1) 通過消除導致用戶離網(wǎng)的各類誘因（如：市場環(huán)境、政策漏洞、負面影響、對手比較優(yōu)勢等）、加強客戶離網(wǎng)接觸點管理和提高用戶轉網(wǎng)門檻，達到客戶挽留的目的；(2) 通過系統(tǒng)挖掘和把握網(wǎng)上客戶的需求特點和變化規(guī)律，采取有針對性的挽留和維系手段，通過提高用戶粘性和離網(wǎng)成本，達到保留客戶的目的；(3) 通過綜合治理使客戶維系和挽留工作，由當前側重于挽留，向前推進到客戶生命周期的全過程進行綜合防治。(4) 根據(jù)用戶不同生命周期階段，從營銷、服務、管理、支撐等四方面入手進行綜合防控。2. 分客戶品牌和客戶價值開展維系(1) 根據(jù)客戶的綜合價值、所處生命周期階段以及所屬的客戶品牌進行細分，開展分類維系；(2) 通過控制低端用戶的流失速度，確?？傮w離網(wǎng)率和客戶發(fā)展成本不斷下降；(3) 采取主動出擊的辦法，加強對高價值關鍵客戶群體的挽留和維系，提高網(wǎng)上客戶的總體贏利水平。雖然中國移動和中國聯(lián)通的客戶流失管理仍處于起步階段，但其發(fā)展已進入快速上升的通道，在不久的將來會有明顯的改觀。 國外電信客戶保持策略1. 采用新的話單策略ATamp。T在客戶話單方面探索出新的市場策略。為了有利于與客戶的直接交流，ATamp。T把長途通信企業(yè)賬單和本地業(yè)務賬單獨立開來。通過對間接話單方式（長途和本地業(yè)務賬單一起收到）和直接話單方式（長途業(yè)務賬單單獨收到）的測試，ATamp。T發(fā)現(xiàn)，直接話單策略從長期角度來看很有益，并且在兩個月后，用戶已習慣于直接話單方式，因此確實改善了客戶保持，是值得采用的[10]。2. 重推2G手機，挽留客戶盡管在3G的平臺下，可以實現(xiàn)很多2G不能實現(xiàn)的功能，比如看電視、打網(wǎng)絡游戲等，但是由于目前3G信號的強度和覆蓋面還不及2G，因此在偏遠地區(qū)，2G仍是更現(xiàn)實的選擇。由于日本2006年實施攜號轉網(wǎng)，客戶可以在電話號碼不變的情況下，選擇其他移動運營商，預期擁有日本移動電話市場占有率56%的NTTDoCoMo會受到一定壓力。分析人士估計，允許攜號轉網(wǎng)后，%%。為避免這種情況，該公司決定再次推出低價的2G手機，以免客戶因為鄉(xiāng)郊地區(qū)未能接收3G信號而轉投其他運營商“懷抱”，緩解客戶流失的問題[11]。3. 采用SPSS數(shù)據(jù)挖掘工具，建立客戶流失模型Verizon采用SPSS公司提供的數(shù)據(jù)挖掘解決方案，建立客戶流失分析模型，每個月根據(jù)客戶流失傾向的高低為客戶進行評分，并根據(jù)評分對流失可能性高的客戶，采取適當?shù)氖袌霾呗赃M行挽留。Verizon還對那些ARPU（Average Revenue Per User）值高、流失傾向高的客戶建立了電話挽留的方案，由此產生的效果是：a）成本降低。通過模型結果只對流失傾向高的客戶進行直郵挽留，直郵預算降低60%以上。b）收入提高?？蛻鬉RPU值提高，流失率下降33%。Vodafone（埃及）公司專門成立了市場研究部門，通過市場調查獲取客戶的資料信息數(shù)據(jù)，再用SPSS公司的分析軟件SPSS和Clementine，對客戶的資料數(shù)據(jù)、客戶詳單（CDR）數(shù)據(jù)進行聚類分析，并對每一類群的特征進行詳盡的統(tǒng)計描述。Vodafone（埃及）公司將細分結果應用于新產品推出、交叉銷售、服務改進等領域，均取得了良好效果[12]。4. 企業(yè)轉型，持續(xù)提升客戶滿意度2005年6月29日，法國電信（FT）推出了“NexT”計劃。它是FT2006年至2008年的轉型戰(zhàn)略，目標是建立統(tǒng)一的客戶關系。根據(jù)這項計劃，到2006年底，F(xiàn)T將提供統(tǒng)一的客戶支持服務，所有的服務都使用同一個聯(lián)絡點。FT近期還將推出客戶忠誠計劃，并將于今年統(tǒng)一服務門戶，力圖使用戶在接入法國電信集團服務網(wǎng)站時，享受更簡潔的界面和統(tǒng)一的用戶體驗。這個單一的服務門戶將成為FT所有服務的單一界面。英國電信（BT）在轉型時，將持續(xù)提升客戶滿意度作為重點舉措之一。為提高服務質量，提升客戶滿意度，BT采取了一系列措施，如聘請專業(yè)公司分析客戶意見；建立統(tǒng)一的CRM系統(tǒng)，掌握準確實時的客戶信息；提供端到端客戶跟蹤系統(tǒng)，在線處理客戶詢問和維護；針對不同用戶建立不同的銷售部門，采用不同策略，做到“抓大不放小”；推出免費的話音信息業(yè)務，當用戶繁忙不方便接電話的時候，為用戶自動保留電話信息等等。BT提升客戶滿意度的一系列措施取得了顯著的效果，客戶不滿意度連年下降。 應用數(shù)據(jù)挖掘的案例客戶流失預警的焦點是確定有流失風險的客戶并且哪些有流失風險的客戶值得被挽留[13]。王雷等提出的客戶流失預警模型分為以下幾個主要部分：客戶細分、模型數(shù)據(jù)屬性分析與約簡、挖掘模型的構建與評估。 客戶細分在客戶流失預警模型中，依據(jù)客戶對企業(yè)貢獻的大小進行分類，主要分為高價值客戶、低價值客戶、零價值客戶。假定企業(yè)每月均攤到每個客戶的日常維護成本為C，則各類客戶的定義如下：高價值客戶：指月均話費大于等于2C的客戶；低價值客戶：指月均話費介于1C到2C之間的客戶；零價值客戶：指月均話費小于1C的客戶。 模型數(shù)據(jù)屬性分析與約簡影響客戶流失預警判定的數(shù)據(jù)屬性通常多種多樣，這些屬性之間存在著或強或弱的相關關系。比較有效的方法是從這些相互關聯(lián)的影響屬性中，通過約簡算法抽取對客戶流失行為起關鍵影響的屬性；或者對這些屬性進行抽取整合，重新構造少數(shù)關鍵指標，這些指標是原有影響屬性（ 或稱因子） 的線性組合，能綜合原有影響屬性的最大信息，相互之間的相關性較小。經(jīng)過約簡的數(shù)據(jù)屬性能對客戶流失行為進行最好的解釋，有助于流失客戶預警模型取得較好的效果。在客戶維系與挽留一期工程的實施試點中，先定義了和客戶流失行為相關的數(shù)據(jù)屬性164種，然后基于多規(guī)則神經(jīng)網(wǎng)絡進行數(shù)據(jù)屬性的約簡，最終選取了40種最重要的屬性來進行流失客戶預警。其中，工作時段是指每天7:00:00～18:59:59，工作時段通話次數(shù)是指客戶在最新出賬月的工作時段內的通話次數(shù)之和，工作時段通話次數(shù)平均是指客戶從入網(wǎng)以來所有月的工作時段通話次數(shù)的平均值。主叫時長、主叫時長平均、呼轉時長、呼轉時長平均、總通話次數(shù)、總通話次數(shù)平均等的定義類似。 流失客戶預警模型中約簡后的10 種最主要的數(shù)據(jù)屬性序號指標名稱影響度（ 按權值大小排序）1入網(wǎng)時長（月）2最低消費（元）3聯(lián)系企業(yè)客服次數(shù)4工作時段通話次數(shù)/工作時段通話次數(shù)平均5主叫時長/主叫時長平均6工作時段通話次數(shù)7呼轉時長/呼轉時長平均8最低消費比例9總通話次數(shù)/總通話次數(shù)平均10本地通話次數(shù) 挖掘模型的構建與評估流失客戶的預警從本質上來說是一種數(shù)據(jù)分類過程，具體實現(xiàn)是根據(jù)客戶在通信過程中表現(xiàn)出的特性進行客戶分類。常用的數(shù)據(jù)分類的方法主要有Logistic回歸、決策樹、神經(jīng)網(wǎng)絡等，這些方法在銀行、保險、社保等領域得到了廣泛應用。1. 決策樹決策樹方法的起源是概念學習系統(tǒng)（CLS），發(fā)展到ID3方法時為高潮。決策樹是一種常用的分類算法，它通過系統(tǒng)地分解和分離數(shù)據(jù)集中包含的信息來發(fā)現(xiàn)規(guī)律和關系。它尋求在數(shù)據(jù)集中找到那些提供記錄中最大分離信息的影響因素，每次選取能最大程度地區(qū)分記錄的影響因素，決策樹據(jù)此法則往下生長，當找不到類似的影響因素時，決策樹就形成了?？紤]到?jīng)Q策樹的可用性，還要對其“剪枝”和優(yōu)化。決策樹通過把對象從根節(jié)點排列到某個葉子節(jié)點來分類，葉子節(jié)點即為對象所屬的分類。樹上的每一個節(jié)點說明對對象的某個屬性的測試，并且該節(jié)點的每一個后繼分支對應于該屬性的一個可能值。2. 神經(jīng)網(wǎng)絡神經(jīng)網(wǎng)絡主要用于分類、聚類、估計和預測。神經(jīng)網(wǎng)絡是一種人腦思考仿真的數(shù)據(jù)分析模式，用輸入變量與數(shù)值來自我學習，并根據(jù)學習經(jīng)驗所得之知識不斷調整參數(shù)，以期得到一個較好的模式。神經(jīng)網(wǎng)絡使用許多參數(shù)來建立一個模式，這個模式由一組輸入值來預測一個連續(xù)值或分類值。每個結點都是一個函數(shù)，這個函數(shù)使用該結點的相鄰結點值的加權總和進行運算。函數(shù)的形式可以選擇，權的確定可以由一種叫反向傳導的方法通過把輸出結果和已知真實結果的比較來不斷調整。整個神經(jīng)網(wǎng)絡的分析過程是一個“黑盒子”（不透明） ，無法展現(xiàn)可讀的模型,每階段的加權與轉換亦不明確顯示，所以神經(jīng)網(wǎng)絡大多數(shù)都用于處理高度非線性且變量有相當程度交互效應的數(shù)據(jù)[14]。3. Logistic回歸如果因變量為分類的變量，則不符合一般回歸分析模型的要求，此時可用Logistic回歸來進行此類特殊回歸分析。異常客戶的識別的因變量本質上也是一種兩分類變量，即異?？蛻艨杀硎緸?，非異常客戶可表示為0。可以采用Logistic回歸對客戶欺詐的可能性進行建模。Logistic回歸從統(tǒng)計的角度對輸入變量是否對客戶欺詐行為有影響進行分析，最后得出一個多元一次方程，用來對客戶的欺詐可能性進行評分[15]。4. 建模過程客戶流失預警模型的建模過程是：首先，將經(jīng)過數(shù)據(jù)約簡后的屬性集合作為數(shù)據(jù)模型的輸入。該屬性集合輸入模型的數(shù)據(jù)集包括一個目標屬性，該屬性將記錄分為兩類: 有離網(wǎng)傾向的客戶和沒有離網(wǎng)傾向的客戶。然后，將數(shù)據(jù)集中的大部分（如2/3） 的記錄作為訓練集，用于模型的構造，確定模型參數(shù)權重的設定，剩下的1/3記錄可以分為驗證集和測試集。驗證集用以防止構造的模型出現(xiàn)“過擬和”現(xiàn)象，測試集用來對模型的預測能力進行測評。5. 模型評估根據(jù)客戶流失預警模型的建模過程，選用多層感知神經(jīng)網(wǎng)絡、,000余條客戶記錄進行客戶流失預警測試，其中2/3的記錄作為訓練集，1/3記錄可以分為驗證集和測試集。結果顯示，建立的神經(jīng)網(wǎng)絡模型、神經(jīng)網(wǎng)絡的綜合準確率最高。在前30%的區(qū)域，Logistic回歸的預測效果要好于神經(jīng)網(wǎng)絡，但隨著測試記錄份額的增加，神經(jīng)網(wǎng)絡的預測效果要好于Logistic回歸。根據(jù)測試集全部記錄的測試結果，最終選取神經(jīng)網(wǎng)絡模型進行客戶欺詐識別。對于有離網(wǎng)傾向客戶的發(fā)現(xiàn)而言，因為有離網(wǎng)傾向的客戶有可能在預警后就進行停機操作，所以在預測覆蓋率保持一定廣度的前提下，模型的預測命中率必須盡可能高。但對于客戶離網(wǎng)預警來說，業(yè)務人員最關注的是盡可能多地提前獲取發(fā)生離網(wǎng)行為的客戶的信息，這就要求預測模型的覆蓋率盡可能高，其次的要求才是保證模型的命中率。因此，在實際應用過程中,可以將利用神經(jīng)網(wǎng)絡、Logistic回歸3種模型預測出的有離網(wǎng)傾向的客戶，都作為可能發(fā)生離網(wǎng)行為的客戶，以盡量提高模型的覆蓋率。 試點實施結果從2005年11月起，該試點地市分公司客服部使用該客戶流失預警模型進行的流失預警客戶的維系挽留工作取得了良好的效果。而以往要