【導(dǎo)讀】原文：ABSTRACT. INTRODUCTION. OBJECTIVES. study.Chu

　　

【正文】 的知識(shí)。第二個(gè)目標(biāo)是演示用來識(shí)別那些是高風(fēng)險(xiǎn)流失的客戶和什么時(shí)候他們將要流失的生存分析技術(shù)。 定義 和 排除 本問澄清一些重要的概念和排除在本次研究之外的使用。 流失 —— 在電信含有，客戶流失的廣泛定義是指一個(gè)客戶的電信服 務(wù)被取消了。這包括服務(wù)提供者引發(fā)的客戶流失，和客戶主動(dòng)的流失。一個(gè)服務(wù)提供者引發(fā)的客戶流失的例子有客戶的賬戶因?yàn)榭蛻羟焚M(fèi)被關(guān)閉。客戶主動(dòng)流失就比較復(fù)雜，流失的原因也是不同的。在這項(xiàng)研究中只研究客戶的主動(dòng)流失，它被定義為由一系列取消原因代碼，原因代碼的舉例有：不能接受通話質(zhì)量，競爭對(duì)手的更優(yōu)惠的定價(jià)計(jì)劃，在銷售中誤傳了信息，客戶的期望得不到滿足，計(jì)費(fèi)問題，移動(dòng)，業(yè)務(wù)上的變化等等。 高價(jià)值客戶 —— 僅僅只那些已經(jīng)接受至少有三個(gè)月賬單的客戶。高價(jià)值客戶是那些在過去三個(gè)月每個(gè)月平均收益在 x 美元或以上的客戶。如果客戶的 第一張發(fā)票少于 30 天的服務(wù)，那么客戶的每個(gè)月的收益是按比例分配到一個(gè)整月的收入。 尺度 —— 本研究討論關(guān)于賬戶的客戶流失率 排除 —— 這項(xiàng)研究沒有區(qū)分國內(nèi)客戶和國際客戶，實(shí)際上把國際客戶流失從國內(nèi)客戶流失中分開是值得做的。此外，這項(xiàng)研究不包括員工的賬戶，因?yàn)閱T工賬戶的流失不只是一個(gè)問題或是企業(yè)的一種權(quán)利。 生存分析和客戶流失 生存分析是為學(xué)習(xí)發(fā)生的事情和實(shí)時(shí)的事件的一種統(tǒng)計(jì)研究方法。從一開始，生存分析對(duì)發(fā)生的事件的設(shè)計(jì)縱向數(shù)據(jù)。對(duì)客戶流失的跟蹤時(shí)一個(gè)生存數(shù)據(jù) 的很好的例子。生存數(shù)據(jù)有兩個(gè)共同的特點(diǎn)，很難用傳統(tǒng)的統(tǒng) 計(jì)方法處理：審查和時(shí)間上的依賴性變量。 一般情況下，生存函數(shù)和風(fēng)險(xiǎn)函數(shù)是用來描述在任期間觀察客戶存在的狀態(tài)。生存函數(shù)給出了超過一定時(shí)間 t 的存在概率，而風(fēng)險(xiǎn)寒素描述在間隔時(shí)間 t的事件風(fēng)險(xiǎn)（在這種情況下，客戶流失）在時(shí)間 t 后的一段間隔時(shí)間，在時(shí)間 t 中考慮已經(jīng)生存下來的客戶。因此，風(fēng)險(xiǎn)功能更直觀的在生存分析中的使用，因?yàn)樗噲D把風(fēng)險(xiǎn)量化，客戶流失將在這個(gè)客戶存貨的時(shí)間 t 內(nèi)發(fā)生。 為了生存分析，最佳觀測(cè)計(jì)劃是有前瞻性，我開始觀測(cè)在一些時(shí)間定義的明確點(diǎn)（成為時(shí)間的起源）的客戶集，然后按照相當(dāng)長的一段時(shí)間記錄在那時(shí)間 所發(fā)生的客戶流失。每個(gè)客戶體驗(yàn)流失（客戶沒有體驗(yàn)流失被稱為審查情況，這些客戶已經(jīng)流失的稱為觀察情況）是不必要的。通常情況下，我們不僅預(yù)測(cè)客戶流失的時(shí)間，我們也需要分析如何隨著時(shí)間變化（如客戶服務(wù)呼叫中心，客戶變更計(jì)劃類型，客戶改變結(jié)算方式等）發(fā)生和時(shí)間影響流失的客戶。 SAS/STAT對(duì)生存分析有兩個(gè)程序： LIFEREG程序 和 PHREG程序 。 LIFEREG程序產(chǎn)生的參數(shù)回歸模式對(duì) 生存 分析的數(shù)據(jù)使用最大 可能的估計(jì)。 PHREG 過程時(shí)一個(gè)半?yún)?shù)回歸分析使用部分可能的估計(jì)。 PHREG 程序在過去的十年里依賴它處理的時(shí)間性，已經(jīng)獲得了的普及超過 LIFEREG 程序 。但是，如果生存分布和風(fēng)險(xiǎn)函數(shù)的形狀是已知的， LIFEREG 程序比 PHREG 程序 更有效的估計(jì)（標(biāo)準(zhǔn)誤差較?。?。 抽樣策略 2020 年 8 月 16 日， 41374 活動(dòng)的高價(jià)值客戶的樣本是從整個(gè)電信公司的客戶群中隨機(jī)挑選的。所有的客戶在未來的 15 個(gè)月的跟隨， 2020 年 8 月 16 日是時(shí)間的起點(diǎn)， 2020 年 11 月 15 日時(shí)觀察的終止時(shí)間。在這 15 個(gè)月的觀察期，客戶流失的時(shí)間被記錄。對(duì)于樣本中的每一個(gè)客戶，一個(gè)變量的總指數(shù)是用來表示在客戶流失情況或者審 查情況下的時(shí)間，最后一次客戶進(jìn)行觀察，從開始的時(shí)間（ 2020 年 8 月 16 日）進(jìn)行測(cè)量。第二個(gè)變量 狀態(tài) 是用來區(qū)分審查情況和觀察情況的。在觀察情況下 狀態(tài) =1 和在審查情況下 狀態(tài) =0 都是常見的。在這項(xiàng)研究中，生存數(shù)據(jù)是單獨(dú)正確的審查情況，所有的審查情況有 15 個(gè)（月） 有價(jià)值的總指數(shù)為變量值。 資料來源 這里有四個(gè)主要數(shù)據(jù)來源的研究：數(shù)據(jù)營銷和財(cái)務(wù)信息，客戶水平，通過第三方的供應(yīng)商提供的人口統(tǒng)計(jì)數(shù)據(jù)，客戶內(nèi)部數(shù)據(jù)和客戶聯(lián)系記錄。一個(gè)數(shù)據(jù)源的一些簡要說明如下。 人口數(shù)據(jù) —— 人口數(shù)據(jù)時(shí)來自第三方的廠商。在這項(xiàng)研究中，以下是客 戶級(jí)別的人口信息的例子： 小學(xué)家庭成員的年齡 性別和婚姻狀況 成人人數(shù) 小學(xué)家庭成員的職業(yè) 家用估計(jì)收入和財(cái)富排名 兒童和兒童人數(shù)的年齡 車輛輛數(shù)和車輛價(jià)值 信用卡 頻繁游客 有響應(yīng)的郵件訂單 住宅與居住期限 客戶內(nèi)部數(shù)據(jù) —— 客戶內(nèi)部數(shù)據(jù)是從該公司的數(shù)據(jù)倉庫 得到的 。它由兩部分組成。第一部分是關(guān)于客戶如市場渠道，計(jì)劃的類型，票據(jù)代理，客戶細(xì)分的代碼，該公司的其他產(chǎn)品的所有權(quán)，糾紛，滯納金費(fèi)用，折扣，促銷信息 /保存推廣，額外的線路，免費(fèi)服務(wù)，獎(jiǎng)勵(lì)贖回，結(jié)算糾紛 等等。對(duì)客戶內(nèi)部數(shù)據(jù)的第二個(gè)部分是客戶的電信使用 數(shù)據(jù)?？蛻羰褂米兞康睦佑校? 每周平均通話次數(shù) 會(huì)議紀(jì)要變動(dòng)百分率 應(yīng)占的國內(nèi) /國際業(yè)務(wù)收入 客戶聯(lián)系記錄 —— 該公司的客戶信息系統(tǒng)（ CIS）存儲(chǔ)客戶接觸的詳細(xì)記錄。這基本上包括客戶呼叫服務(wù)中心和公司的郵件往來 的客戶。客戶聯(lián)系記錄 為客戶聯(lián)系的類別 分類 。其 中客戶聯(lián)系客戶類別有一般查詢，客戶要求變更服務(wù)，客戶查詢有關(guān)取消 等等。 模型建立過程 模型 建立 的過程包括以下四個(gè)主要步驟。說明資料分析（ EDA） —— 說明數(shù)據(jù)進(jìn)行分析，以備生存分析的數(shù)據(jù)。一個(gè)的頻率分析被使用于精確值分布，遺漏值和離群 值。 變量變 換進(jìn)行了一些必要 的數(shù)字變量，以減少偏度水平，因?yàn)橛欣谔岣咿D(zhuǎn)換 一種模式適合數(shù)據(jù)。離群的篩選，以排除如離群或其他不建議在數(shù)據(jù)挖掘分析包括極端值的觀察。從訓(xùn)練數(shù) 據(jù)篩選極端值往往會(huì)產(chǎn)生更好的模型，因?yàn)閰?shù)估計(jì)更穩(wěn)定。變量有遺漏 值不是一個(gè)大問題，除了這些人口統(tǒng)計(jì)變數(shù)。超過 20％的人口遺漏值的變量被淘汰。對(duì)于遺漏 值的觀察，一個(gè)選擇是使用不完整的意見，但可能導(dǎo)致忽略的變量有 沒有遺漏 價(jià)值的有用信息。它也可能帶有偏見 的誤差樣本 ，因?yàn)橐庖?有遺漏值在其他中可能有共同的東西。因此，在這項(xiàng)研究中，遺漏值改為適當(dāng)?shù)姆椒?。 對(duì)于區(qū)間變量，重置價(jià)值計(jì)算 依據(jù)變量的分布，即 價(jià)值被分配的基礎(chǔ)上，在沒有遺漏觀測(cè)概率分布的隨機(jī)百分點(diǎn)。為類變量遺漏值被替換最頻繁 值（計(jì)數(shù)或模式）。 減少變項(xiàng) —— 212 中的原始數(shù)據(jù)集的變量使用 了 FREQ 程序 ，初步的交 叉與客戶的所有分類變量單因素分析，流失狀態(tài) 進(jìn)行了以決定在未來包括分類變量顯著建模步驟 。所有一 卡方值 的分類變量 或 t 為 統(tǒng)計(jì) 或更小統(tǒng)計(jì)分類變量統(tǒng)統(tǒng)保留。這一步變量的數(shù)目減少了 115（＆ 變量 1） 包括所有的數(shù)字變量，從一個(gè)步驟保持絕對(duì)的變數(shù) 。 接下來的步驟是使用 PHREG 程序 進(jìn)一步減少變數(shù)。 一個(gè)逐步選擇方法被 用于創(chuàng)建與 探索 29 客戶顯著影響一個(gè)變量的最終模型隨著時(shí)間的推移流失 。 PHREG程序 數(shù)據(jù) = OUTEST =SASOUT2.??。? 指數(shù)模型 *狀態(tài) (0) = amp。變量 / 選擇 = 遞進(jìn) SLENTRY = SLSTAY = 詳情 。 模型的估計(jì) —— 只有 29探索變量，最終的數(shù)據(jù)集有合理數(shù)量的變量進(jìn)行生存分析。在申請(qǐng)程序，以存活分析最終數(shù)據(jù)集，客戶生存函數(shù)和風(fēng)險(xiǎn)函數(shù)估計(jì)采用下面的代碼。顧客的生存函數(shù)估計(jì)和客戶風(fēng)險(xiǎn)函數(shù)的目的是為了獲取客戶知識(shí)流失的危險(xiǎn)特性 。 從風(fēng)險(xiǎn)函 數(shù)的形 ， 狀，這項(xiàng)研究 的客戶流失是 對(duì)數(shù)正態(tài)模型典 型 的風(fēng)險(xiǎn)函數(shù)。如前所述，由于生存分布和危害函數(shù)的形狀是眾所周知的LIFEREG程序 比 PHREG程序的 估計(jì)數(shù)（標(biāo)準(zhǔn)誤差較?。?更有效。 LIFETEST程序 數(shù)據(jù) = OUTSURV 方法 = 上升 容積 = (面積 , 高 ) 寬 = 1 圖形 。 時(shí)間總指數(shù) *狀態(tài) (0)。 運(yùn)行 。 最后一步是評(píng)估客戶流失。 LIFEREG 程序 是用來計(jì)算客戶的生存概率。在這一步最后的數(shù)據(jù)集被分成 50/50 的 兩組數(shù)據(jù)：模型數(shù)據(jù)集和驗(yàn)證 數(shù)據(jù)集。該模型的數(shù)據(jù)集 是 用于擬合模型和驗(yàn)證數(shù)據(jù)集 是 用于評(píng)分為每一個(gè)客戶的生存概率。USE 的一個(gè)變量 是用來區(qū)分模型數(shù)據(jù)集（設(shè)置使用 = 0）和驗(yàn)證數(shù)據(jù)集（設(shè)置使用 = 1）。 在驗(yàn)證數(shù)據(jù)集，總指數(shù)和狀態(tài)都設(shè)置失蹤，以便在驗(yàn)證數(shù)據(jù)集 是 不能在模型的估計(jì)使用。 出處： Jun Xiang Lu, . Predicting Customer Churn in the Telemunications Industry –– An Application of Survival Analysis Modeling Using SAS: SAS User Group International (SUGI27) Online , Paper No. 11427,