移动通信客户流失分析方法－ZT (2008-12-22 13:25:17)
标签：电信 移动通信 呼叫转移 数据挖掘系统 it分类：通信技术
移动通信客户流失分析方法
广东移动通信有限责任公司
【摘要】本文描述了移动客户流失分析的重要性,流失的定义和客户细分方法,提出了影响客户流失的各种特征因素,阐述了客户流失分析的建模流程及与营销活动的关系。
1 前言
我国的移动通信企业经过前几年的高速发展，现在正步入缓慢增长期：移动通信注册客户数动态增长，即在大量客户入网的同时，又有大批客户离网流失；每月注册客户数与在网活动客户数相差悬殊,涌现大批零次话务客户；业务与收入总量增长相对趋缓，出现“增量不增收”。因此,分析客户流失原因,吸引潜在客户入网,增加现有客户满意度,减少客户流失几率,提高客户消费水平,充分占有市场,是移动通信企业在激烈市场竞争中制胜的关键。
2 移动客户流失的定义与特征因素
2.1移动客户流失的定义
移动通信领域的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。
客户流失分析，就是利用数据挖掘等分析方法,对已流失客户过去一段时间的通话、客户服务投诉或交费等信息进行分析，提炼出流失或有流失趋势客户的行为特征，再将这些特征应用于现有的客户服务，采取相应的营销手段做到客户保持和客户发展。
进行客户流失分析的目的就是挽留客户,增大业务收入。因此进行客户流失分析预测和客户挽留应与客户服务成本结合起来。客户服务成本包括为客户服务的所有成本,如客户使用网络的成本,客户交费、投诉的营业成本等。客户的消费带来的收益可能大于或小于为其服务的成本,因此需要对流失的客户进一步细分：
⑴ 有完整联系资料与没有联系资料的客户：客户入网应提供正确可联系的资料,如果客户提供的资料虚假或不完整,则其欠费离网的概率增大,因此对中国移动来说,应着重分析全球通客户,神州行客户的流失分析应次之。
⑵ 短期签约客户和长期签约客户：那些使用期限大于一年的中长期客户才是有价值的客户。如果客户在3个月内离开，可能是在促销优惠补贴等因素影响下入网,优惠期满即设法离开，我们很难分析他的消费行为，因而难采取措施防止他的流失,这部分的客户应从样本数据中剔除。
⑶ 区分主动流失与被动流失客户：客户流失分析与挽留应集中在主动流失的客户，对于被迫离开的客户（如因高额欠费而被移动公司停机）不应进行挽留。
⑷ 区分集团客户和个人客户：一些大的企业集团通常为其员工购买通信工具并报销相应的费用,员工离开则不能享受该服务,但整个集团的消费没有变化。这类个人客户的流失不是因为移动企业方面的原因,对其挽留收效甚微。
⑸ 区分本地客户和外来客户：一些人员因为工作发生变化,通常在不同的城市和地区流动,到达新地点后再购买新的本地网号码,因而对该类客户挽留难度很大。
2.2影响客户流失的特征与因素
⑴ 客户的基本属性 ：如性别、年龄、在网时间、职业、爱好、籍贯、入网品牌与号码、注册服务等级(SLA)等,这些资料在客户登记入网或客户调查等过程中得到,并永久保存在客户资料数据库中。不同背景的客户有不同的社会行为特征和爱好,如职业影响收入,年龄影响产品购买类型等。
⑵ 客户的通话情况：如通话类型、平均通话时间、通话对象及亲情号码、通话地点、漫游类型、数据业务使用情况、消费积分、客户价值类型、客户VPMN 群等。在计费中心客户消费话单和账单中可以获取客户消费的详细信息。
⑶ 客户服务情况：指客户通过投诉渠道或客户服务界面(如营业厅,网站,客户经理等)进行的有关缴费、服务投诉/建议的情况。客户满意度高,投诉就少；查询月消费详细清单的客户对资费政策通常很敏感等。
⑷ 网络运行质量情况：包括通信网络的质量，小区或无线信道通话接通率等影响客户消费的网络因素。网络维护部门通过对交换机进行话务测量可以获得网络运营的详细分析报告。网络质量是移动通信企业的生命,是客户服务与业务领先的基础。
⑸ 资费政策与技术进步：不同运营商的资费高低改变等也是影响流失的一个重要因素。技术革新,会带动一大批追新潮客户使用最新技术产品。
3客户流失模型建立方法
3.1客户流失模型建立的基础
建立客户流失模型,必须遵循数据挖掘模型建立与分析方法。数据挖掘,在某种意义上讲,是统计学的扩充,加上一点人工智能的含义。如同统计学，它不是商业解决方案，而是一门技术。数据挖掘的结果直接在数据库中不能查找到，是隐藏在数据库中的宝石,而客户流失特征就是数据挖掘需要找的宝石。
移动通信企业数据挖掘存在的基础已经具备：
◆移动企业大量的历史数据： 每天的客户服务部门和计费中心均产生多达上百Gbyte 的客户投诉/客户通话等数据。目前,各大移动公司正进行业务支撑系统的集中化建设。统一集中的数据源拥有宝贵的数据信息。
◆大规模并行计算机的出现： IBM\\HP\\SUN\\NCR 等公司的主流机型都能支持多达几十Gbyte数据的并发I/O处理/小时。这些保证数据挖掘处理能每天进行更新数据源,对市场能快速反应,真正做到”time-to-marketing” 。
◆多种多样的数据挖掘算法： SAS/IBM/SPSS 等公司都有成熟的商业数据挖掘软件包供利用。
3.2 客户流失分析过程
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,以下就这些方面进行简单的描述。
⑴ 数据采样
数据采样就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。注意,有些字段在业务系统中并不直接存在,需要转换得到。例如: 某种离网模型数据输入如表1所示：
表1 某离网模型数据表
基本资料组
客户性别,客户职业, 地区, 年龄, 付费方式,客户等级,入网时间,客户所在VPMN 客户群
通话方式
最近连续半年平均消费水平
最近连续3月平均消费水平
前第3个月呼叫转移次数
前第2个月呼叫转移次数
本月呼叫转移次数
网间通话占网内通话的比率
未接电话次数
通话总分钟数
漫游次数
交费方式
最近半年欠费停机次数
最近3月交费方式变更次数
交费渠道
投诉方式
投诉类型
投诉故障级别
网络故障类型
政策方面
运营方式变更
资费方式调整
国家出台新政策
技术发生改变
⑵数据分析
数据分析就是对采样后的数据进行初步分析，试图寻找出不同变量之间的关联度，以及不同变量对于客户流失的影响程度。
并非所有输入变量都是同样的权重,部分因子可能同客户流失无关，则在选择流失分析的输入因子时，就必须将该部分因子去掉。部分因子间可能存在很强的正负关联关系，建模时只需输入其中的基本因子。例如：将从移动网管中心获得的交换机故障同从客服中心获得的客户投诉(如不能登录)进行关联分析，发现投诉情况同网络故障成正比，则我们认为网络故障是基本的输入因子，而相关的投诉情况则不能够作为输入因子。
⑶ 模型建立
运用相关的数据挖掘工具,选择正确的挖掘算法(如决策树,神经网络,各种统计分析方法)建立模型。整个建模过程实际上是一个不断循环的过程，一个模型分析的结果可能是另一个模型的输入变量。
⑷ 模型评估及应用
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。这里涉及到具体问题具体分析,个性化服务才是关键,没有相应的市场营销措施,从数据挖掘分析的结果永远是数值,不能产生应有的效益。
一个典型的客户流失数据挖掘系统如图1所示：
图1 客户流失数据挖掘系统逻辑结构图
3.3 事例分析
客户流失方式很多,这里列举两种情况：
⑴ 客户集体离网
这类客户群通常为一个VPMN 客户群, 群内话费采取固定费用包月制,免月租,有一定数额或比例报销的对公统一帐户,群内通话比例高,通常发生在一个交换局或一个小区覆盖范围内。在竞争对手更优惠的条件下,集体转网。转网初期,作呼叫转移到其他运营商号码。对公月帐单话费下降剧烈,呼叫转移次数与通话比率增大明显。此种情况十分严重,对本运营公司造成的直接和间接影响都很大,因此建议采取多种形式进行预防。
⑵ 大客户转网
大客户是竞争对手积极争夺的对象,根据统计,占客户总数的30%的大客户贡献了话务总量的70%。目前,许多运营商对大客户采取主动营销,如上门服务,赠送手机,话费打折和积分等优惠政策。
大客户分类方式多种多样,根据社会影响和消费高低,可分为党政军人,社会名人,各类明星,各企业高级管理人员,个人高话务量客户等。大客户通常对话务质量和业务服务水平要求高,
对资费敏感性差,喜欢使用高价值品牌。但部分大客户在运营商赠送手机和SIM卡等优惠条件下,将会同时拥有多个运营商的号码。从分析月清单可以看出,该类客户接听来话比例高,打出电话比例低,二者相差悬殊,这是因为客户在非商业等一般情况下使用了资费低的号码。从统计数据看,某些地区移动\\联通\\电信小灵通入网用户总数比人口普查所得到的人口总数还多也证明了一人多卡的现象普遍存在。如何提高大客户这种变相离网,需要更加个性化的营销措施。
4结束语
客户流失的根源在于市场竞争。通过应用数据挖掘方法,分析客户流失原因,目的在于改进现有的服务工作。移动通信企业应充分认识到客户流失分析的重要性和难点,通过培养数据分析业务骨干,坚持不懈地进行模型建立和优化工作,就能降低客户流失率,提高企业的整体竞争能力。
