轻博客首页热门评论热门转发热门话题全部博主

移动通信客户流失分析方法

标签：用户流失分析

2010-02-08 17:22

尽管移动通信技术、管理和服务水平不断提高，面对有限的存量市场，在大量新客户入网的同时，又有大批老客户流失，移动通信网上注册用户数与在网通话用户数相差悬殊，出现大量的零通话“休眠”客户。移动运营商增量不增收，一方面客户发展代理费用和宣传费用增长，另一方面客户平均在网时间逐渐缩短，ARPU值下降，客户流失率不断上升，通信业务收人增长相对趋缓，移动通信客户价值和利润率的减少严重，影响移动通信企业的可持续发展。客户流失已成为，或者将很快成为移动通信运营商集中精力处理的惟一的、最重要的问题，许多移动运营商的高级管理人员意识到，解决客户流失问题正是成为公司生存的关键。

因此，移动运营商为提高客户保有率，实现企业利润同步增长，已经开始建立客户价值评估体系和流失分析模型，以便分析客户流失的原因和制定相应的挽留措施。

移动通信客户流失有三方面的含义：一是指客户从本移动运营商转网到其他电信运营商,这是流失分析的重点；二是指客户使用的手机品牌发生改变,从本移动运营商的高价值品牌转向低价值品牌，如中国移动的用户从全球通客户转为神州行客户；三是指客户ARPU (指每用户月平均消费量)降低，从高价值客户成为低价值客户。

客户流失的原因可从三个方面分析：首先，从通信运营商自身分析，通信产品质量的优劣、技术革新程度及服务水平导致客户让渡价值减少等均可能成为客户流失的原因；其次，从竞争对手角度分析，为占有市场，竞争对手往往利用价格、产品和服务或不正当竞争等手段来吸引有价值客户；再次，从客户自身分析，客户对价格的取向，因媒体等宣传而产生的尝试或趋众心理也是客户流失的原因。

毫无疑问，客户流失是移动通信运营商最头痛的问题之一，究竟应如何防止客户流失或尽早发出客户流失预警呢，从国内外研究及应用现状来看，目前用于客户流失分析的方法主要有以下三种：一是基于决策树的客户流失分析方法，二是面向客户全生命周期价值的客户行为分析决策研究，三是基于数据分析模型的客户流失预警系统。基于数据分析模型的客户流失预警系统是客户数据库中自动获取有用信息和知识的过程，使用这种技术可以针对通信运营企业建立有关客户流失的预测模型，从而分析出客户流失的主要原因，并采取相应措施有效地挽留有流失倾向的客户。本文以基于数据分析模型的客户流失预警系统为例进行说明。

基于数据分析模型的客户流失预警系统下的而客户流失分析过程指客户流失逻辑模型的建立过程,包括数据采样、数据分析、模型评估和应用等方面：如图1所示

用于分析的数据主要是从所有已经流失的移动客户中，抽取部分客户的信息，进行预处理,如对错误格式的记录数据进行过滤、转换, 对部分字段进行必要的拆分或汇总。具体而言可包括：客户基本资料、通话方式、交费方式及投诉方式等。而另一个关键的步骤是模型的建立，正确的挖掘算法如决策树,神经网络,各种统计分析方法，运用相关的数据挖掘工具确定流失分析模型。

当模型确定后，即可以应用于所有的当前客户，经过客户经理将结果运用于生产系统,我们最终有了如下信息：所有可能流失的客户清单，每个客户流失的概率，客户流失的相关影响因素。这只是完成了第一步，更重要的工作是制定什么样的客户保留策略去实施客户保留,并不断修正模型,使之更加完备。（图2为客户流失数据挖掘系统逻辑结构图）

图2 客户流失数据挖掘系统逻辑结构图

本文以Logistic回归分析为例对分析过程进行具体说明。Logistic回归方法是一种描述多种独立变量与因变量(只有两种结果)之间关系的模型逼近法，其主要目的是为了进行分类，同时预估事件发生的概率，它可以考察多个属性变量在识别将要流失客户方面的集成贡献。应用Logistic回归方法，可以深入理解客户流失的原因，分析哪些因素对于客户流失有影响，从而得到如何处理客户流失的线索。设定Logistic回归模型的因变量或结果变量是分类的而不是连续的，对于一个给定的客户，我们设个体选择方案Y=1表示客户正常使用， Y=O表示客户流失，用X=(X1，X2，x3，⋯，Xn)表示可以在用户消费数库中得到的描述性变量，那么我们所建立的逻辑回归模型的数学表达式为：

式(3-1)就是我们常用的统计指标指数比的对数，Xi是自变量，代表参与逻辑回归分析的各项描述性字段；是逻辑回归后各个自变量的系数，其意义是：当因素Xi每改变一个测量单位时所引起的对数的自然改变量；代表截距,式(3-2)表示某类客户的流失概率，其中，P(Y=l∣X)表示客户正常使用的概率，P(Y=O∣X)表示客户流失的概率。通过统计软件，得出和的值，将Xi代入式(3-1)，得出某类客户流失与否以及对其产生影响的关键变量。