【正文】 變得有利可圖。因此 ,確定最后的客戶關(guān)系甚至要幾十年 ,該公司必須解決的一個潛在客戶流失的價值?？蛻艚K身價值分析將有助于面對這一挑 戰(zhàn)。 、客戶終身價值的概念 客戶終身價值通常被定義為一個客戶一生的凈收益 [13]。這種類型的客戶在下面幾個方面進行分析 :顧客價值 ,顧客終生價值 ,客戶資產(chǎn)和客戶的盈利能力。 在 LTV 概念的潛在意識和客戶關(guān)系來衡量終身價值是很簡單的。這種觀念的挑戰(zhàn)是如何在終身價值期間或之前的客戶關(guān)系活動階段去衡量和定義。 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 模型在各個領域應用?；镜哪Ｐ偷慕M件有[3]: 隨著時間推移的客戶凈現(xiàn)值 (收入和費 用 ) 保持率或服務的長度 貼現(xiàn)因子 每一個組件都是可以單獨的測量或估計的 ,然后與 LTV 模型相結(jié)合。 更好地理解客戶終身價值的好處有很多。該公司可以測量從客戶那得到的目前和未來的收入。該公司還可以通過客戶保持和培養(yǎng)客戶忠誠度來提高盈利能力。 LTV 分析還可以幫助公司定制滿足消費者需求的產(chǎn)品和服務?？蛻魞r值的理解能幫助該公司把重點放在生產(chǎn)性收入和產(chǎn)量與可能帶來的負面影響的客戶群的客戶收入上。最后 ,顧客終身價值不是一個固定值 ,它可以通過營銷活動來影響。 、客戶流失 客戶流失的關(guān)鍵是確定那些有流失危 險的客戶和分析能否留住這些有價值的客戶。流失的分析對客戶流失的定義有很高的依賴。業(yè)務部門和客戶的關(guān)系影響客戶流失的預測。舉例信用卡業(yè)務的客戶很容易使用另一種信用卡 ,而對以前的信用卡的公司的唯一的指標是下降的。另外一個例子在芬蘭的無線電信業(yè)一個客戶轉(zhuǎn)變另一個載體同時保留相同的電話號碼 ,在這種情況下 ,承運者就能獲得在流失時候的信號的權(quán)利。 客戶流失是指那些關(guān)系密切的客戶保持率和忠誠度 [14]。 Hwang 等人在競爭激烈的無線電信業(yè)定義最熱門的客戶流失問題。他們的 LTV 認 為客戶流失率對 LTV 的價值有很強的影響 ,因為它影響到工齡和未來的收入。 Hwang 等人定義客戶忠誠度為客戶想留在這個公司 ,流失率是描述那些放棄那些提供服務的供應商的固定的客戶數(shù)量或比例 [14]。 客戶忠誠度 1流失概率 在純參數(shù)角度的客戶流失模型在 LTV 背景下是不恰當?shù)?,因為保持功能在結(jié)束日期的數(shù)據(jù)趨向于“尖”與非光滑的釘子 [18]。在市場營銷角度有足夠的信息的流失就可能是客戶流失。這就使得營銷部門在有限的資源下 ,首先與高概率的流失有聯(lián)系 [2]。 表一的例子是在文學上的流失預測 作者 市場部門 案例資料 采用方法 Au 等人 [2] 無線電信 100000 個訂戶 DMEL 方法 Buckinx 等人 [4] 零售業(yè) 158884 個客戶 Logistic 回歸 ,ARD,決策樹 Buckinx 等人 [5] 雜貨 878 可用的回復 MLR,ARD 和決策樹 Ferreira 等人 [10] 無線電信 100000 個訂戶 神經(jīng)網(wǎng)絡 ,決策樹 ,分層模糊神經(jīng)系統(tǒng) ,規(guī)則演化法 Gatland[11] 零食銀行業(yè)務 1100 個客戶 多元回歸 Hwang 等人 [14] 無線電信 16384 個客戶 Logistic 回歸 ,神經(jīng)網(wǎng)絡和決策樹 Mozer 等人 [16] 無線電信 46744 個訂戶 Logistic 回歸 ,神經(jīng)網(wǎng)絡和決策樹 表 1 給出在文獻中找到的流失預測研究的例子。這些方法在流失分析的表內(nèi)的數(shù)據(jù)尺度和市場部門的信息有一定的介紹。 Buckinx 等人測量忠誠度和流失率在零售環(huán)境下是不同的。忠誠的客戶是那些客戶頻繁的消費和同一時間所表現(xiàn)出正常的消費模式 [4]。在零售環(huán)境下的客戶流失是指客戶轉(zhuǎn)向另一個商店進行購買。這是很難檢測到客戶可能在前面的商店進行交易。 Butnix 等人如果他們從偏離既定的購買行為分類客戶是有缺陷的 [4]。這可能是因為他們設置 了他們只專注于忠誠的客戶。 個人零售銀行業(yè)務部門是一個典型的市場行業(yè) ,一個客戶不規(guī)則的從一個公司轉(zhuǎn)移到另一個公司。在一段時期客戶通常把他們的銀行業(yè)務給一兩家公司。這使客戶流失在銀行業(yè)優(yōu)先于大多數(shù)行業(yè) ,Garland 做了個關(guān)于個人零售銀行的客戶盈利的研究 [11]。雖然他們的主要焦點是客戶的價值 ,銀行的研究還調(diào)查了以盈利能力為基礎的客戶關(guān)系所維持的時間和年齡。他的研究是根據(jù)客戶的郵寄調(diào)查來幫助他根據(jù)定性的因素來確定客戶所花費的金錢 ,客戶滿意度和忠誠度的。 方法 、 logistic 回歸 二項 (二進制 )logistic 回歸是回歸的一種形式 ,在一種情況是當依賴的不是一個連續(xù)變量 ,而這個結(jié)果可能會或可能不會發(fā)生 ,或在一個特定的分類類別用的 [8]。 Logistic 回歸 ,可以用來預測一個連續(xù)和 /或分類變量上離散的結(jié)果。多項式回歸的存在是為了處理超過兩個的更多的課程的情況。 logistic 回歸已應用于多種領域 ,例如 ,在兒童多動癥的情況下 [19],回歸也已經(jīng)用在客戶分析上了。例如 Buckinx 等人 ,已經(jīng)把 logistic 回歸運用在零售環(huán)境中預測有缺陷的客戶 [4]。多項式回歸已被用于預測客戶的未來盈 利能力的基礎上 ,他們的人口統(tǒng)計信息和購買歷史的讀書俱樂部 [1]。 對 Logistic 回歸只能有一個因變量。 Logistic 回歸在提供最好可能的評估轉(zhuǎn)變一個依賴的 logistic 的因變量 [8]。不同于一般的回歸模型中因變量 ,Logistic 回歸通常是二分法 :可以采取的因變量為 q 的概率值等于 1 和因變量為 1q 的概率值為 0。 這里提到的 logistic 回歸是 . Cramer 在一本書中提出的。 Logistic回歸模型在生物科學界有很長的歷史。一般的回歸模式可能通過指定而簡單的復興。 PX)?X ,X x1, x2,xn 這是線性概率模型。它導致了用線性回歸的方法來解決評估。為了限制的 P(X)以 0和 1為觀測值 ,復雜性必須歸功于干擾因素ε。如果我們希望概率 P(X)隨著 X 在 0 到 1 之間單調(diào) ,我們必須使用比線性函數(shù)更多的其他函數(shù)。 Logistic函數(shù)就是滿足要求的函數(shù)之一。即 連續(xù)概率的結(jié)果是通過邏輯回歸模型使用一個閾值在兩組中進行區(qū)別而產(chǎn)生的。通常這個閾值是 ,本文件中的閾值將把非流失客戶從流失客戶區(qū)分開。 、升力曲線 在本文中 ,我們使用二進制預測“流失”和“非流失”。我 們將利用升力曲線的回歸來分析估計結(jié)果。該曲線是有關(guān)升降機的信號檢測理論和精確召回曲線中華民國在信息檢索文獻曲線 [16]。該升力曲線是一個衡量預測模型計算與非預測模式得到的結(jié)果相比的一種方式。 圖 1 顯示了升力曲線完美的把“流失”和“非流失”分離開 :所有的流失客戶都被預測模型檢測。這個圖也代表了在客戶已經(jīng)進行流失的分離的一種情況。這種情況發(fā)生時 ,客戶流失概率是隨機的。 圖 1 顯示了升力曲線完善了流失客戶和非流失客戶的區(qū)別和非區(qū)別。 升力曲線有助于分析真正流失客戶量在每個子集的區(qū)別。這非常 情況下在市場營銷的客戶群是要聯(lián)系幫助的。因此 ,一個公司可以指望有多少客戶聯(lián)系 ,如果 25%的潛在流失客戶是與外界保持聯(lián)系?；蛘呷绻麪I銷工作的有 5 000 名客戶聯(lián)系 ,有多少流失客戶 ,然后達到極限。 出處 :Teemu Mutanen. Customer churn analysis ? a case study: Independent Research Project in Applied Mathematics [R].10 March 2020