电信客户流失影响因素与预测分析
一、引言
目前电信运营商面临着激烈的市场竞争。对电信运营商来说，客户即生命，如何保持现有客户是企业客户管理的重中之重。因此，电信运营商拥有的客户越多，作为主要成本的前期投资就会越大，企业的利润也就越大。客户资源对于电信运营商来说其意义不言而喻，电信运营商之间的竞争实际上就是对客户资源的竞争。可以说，未来的电信行业，得客户者得天下。
当今电信市场竞争激烈,运营商每月客户流失率在1%～3%,挽留将要流失客户,降低客
户流失率是近年来热门的研究领域。而数据挖掘技术是解决这一问题的有效途径,本文使用IBM Spss Clementine（IBN SPSS Modeler）进行数据挖掘与分析，深入了解电信客户流失的关键，以对该类客户的行为特性进行预警分析，采取针对性的措施改善客户关系，避免客户流失或者挽留客户。
二、问题分析
根据已有的结果——流失客户（在数据中直接有判别数据有没有流失的字段churn），寻找他们流失的原因，即流失客户的特征。通过数据处理，统合数据，根据以前拥有的客户流失数据建立基本属性、服务属性和客户消费数据与客户流失可能性的数据模型，找出其潜在的关系，分析出客户流失的因素，计算出客户流失的可能性，预测客户是否流失的可能性。
对于客户的基本数据、客户行为数据及消费数据，进行数据挖掘，研究已流失客户数据，从中找出先前未知的、对企业决策有潜在价值的知识和规则，发掘潜在流失客户，让企业适时把握住市场及客户动态，掌握客户流失的规律。
三、算法简介
3.1分类分析
分类就是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述，并用这种描述来构建模型，一般用规则或决策树模式表示。分类是数据挖掘的主要方法，分类模型能很好地拟合训练样本集中属性集与类别之间的关系，也可以预测一个新样本属于哪一类。分类技术已经在很多领域得到成功应用，如医疗诊断，客户流失预测，信用度分析，客户分群和诈骗侦测。常见的分类方法有贝叶斯分类（Bayesian），神经网络（neural networks），遗传算法（genetic algorithms）和决策树分类器（decision trees）。在这些
分类方法中，决策树分类器在大规模的数据挖掘环境中已经获得了最为广泛的应用。
3.2决策树演算法
决策树演算法是在进行数据挖掘时经常使用的分类和预测方法。
一个决策树的架构，是由三个部分所组成：叶节点 (Leaf Node)、决策节点 (Decision nodes) 以及分支。决策树演算法的基本原理为：通过演算法中所规定的分类条件对于整体
数据进行分类，产生一个决策节点，并持续依照演算法规则分类，直到数据无法再分类为止。
3.3决策树演算法的比较
决策树演算法依据其演算原理以及可适用分析数据类型的不同延伸出多种决策树演算法。在 IBM SPSS Modeler 中，主要提供了四种常用的决策树演算法供使用者选择，分别为：C5.0、CHAID、QUEST 以及 C&R Tree 四种。使用者可依据数据类型以及分析需求的不同，选择适当的决策树演算法进行分析。虽然不同的决策树演算法有各自适用的数据类型以及演算架构等差异，但概括来说，决策树的主要原理均为通过演算法所定义的规则，对数据进行分类，以建立决策树。鉴于篇幅所限，以下部分将会针对这四类决策树演算法进行简单的介绍和比较，而详细演算法原理将不会在本文中详述。
3.4决策树的几大优点
第一，与神经网络和贝叶斯分类器相比，决策树提供非常直观的描述，这种描述易于被吸收，转化为标准的数据库查询
第二，训练神经网络模型时要花费大量的时间，要进行大量的重复操作，与之相比决策树效率要高很多，适合于大的训练集。
第三，决策树生成算法除了训练集中包含的信息外不需要附加的信息（即领域知识或类标签以前的分布情况）。
第四，决策树有着可比的或更高的准确率。
在使用决策树演算法进行分析之前，首要工作就是选择适当的演算法。一般来说，会根据所要分析数据的特性以及数据型态等选择初步的演算法。接下来再通过比较初步筛选的决策树分析出来的结果，选择最适合的决策树演算法。
四、实验与分析
4.1 数据准备
数据来源：电信客户流失数据.sav（共有8个字段，1000个记录）
数据有8个字段，其中包含一些客户个人信息，例如年龄、教育程度、退休、性别和客户类别，还包含一些客户使用电信服务信息（有附加服务、基本服务、上网服务和所有服务）以及客户的上网月数，（这里老师我不会把sav格式转换成xlsx格式的，所以用的还是原来的那个1000个记录的，（但是我把样本抽样选择了前200了，由于我用前200的样本数据进行数据挖掘，发现挖掘出来的结果完全失去了真实性，与现实不符合，所以我还是将数据样本量改成了1000了，为了保证我做出数据挖掘预测结果的真实性）因为我不能将数据修改，所以下面我使用了分区将数据分为训练，测试以及验证，为了展示预测数据的结果）以下为部分数据的截图：
4.2 参数设置
目标变量表示了数据挖掘的目标,在客户流失分析中目标变量通常为客户流失状态（churn）。
输入变量用于在建模时作为自变量寻找与目标变量之间的关联。我们主要从客户种类信息，客户在网月数信息，客户基本信息（年龄，性别，教育水平，家庭人数等），客户的工作年限信息，客户的退休信息这几方面选取输入变量。
4.3 挖掘过程
4.3.1 读取数据
SPSS Modeler 中需要根据数据档案格式，来选择不同的源节点读取数据。本篇文章中我们使用的数据档案格式为 .sav 档，因此我们将使用Statistics文件节点。在节点设定方面，文件标签下我们先读入数据“电信客户流失数据.sav”，接着勾选读取名称和标签以及读取数据和标签。（以下为读取数据截图）
4.3.2数据类型定义
为了产生决策树模型，我需要在数据建模前就定义好各栏位的角色，也就是加入字段选项下的「类型」节点。将类型节点拉入串流后，我会先点选读取值按钮，接着设定角色。是否流失（churn）是我最后预测的目标，因此先将其角色设定为“目标”，余下的栏位则是要设定为“输入”。
4.3.3数据分区
为了在训练出模型后能够分析模型准确度，在此我加入字段选项下的分区节点，将数据分为 50%训练数据、40%测试数据以及10%验证数据。在分区节点的编辑页中，点选预览可
发现每笔数据已经多出了一个栏位「分区」，栏位中的值被随机归类为「1_训练」、「2_
测试」以及「3_验证」，让决策树节点可判别是否要使用此资料做为训练数据，测试数据以及验证数据。在完成资料分区后，我已经完成数据准备，可以套用决策树模型节点了。
4.3.4 决策树节点设定
SPSS Modeler 共提供四种决策树节点建模，包括 C5.0、C&R 树、Quest 和 CHAID。考量到数据特性以及我希望提供的决策树具有多元分类法，因此我将建立 C5.0 和 CHAID 两种分类模型。
（1）C5.0 节点设定
将 C5.0 节点与类型节点连结后，我将于此节点编辑页面中的模型标签下设定相关的变数。以下为各变数的详细介绍，此定义来自SPSS Modeler 15 Modeling Nodes 文件。
使用分区数据：如果定义了分区字段，则此选项可确保仅训练分区的数据用于构建模型。
为每个分割构建模型：给指定为分割字段的输入字段的每个可能值构建一个单独模型。
输出类型：在此指定希望结果模型块是决策树还是规则集。
组符号：如果选中此选项，C5.0 将试图组合输出字段中具有相似样式的符号值。如果未选中此选项，C5.0 将为用于分割父节点的符号字段的每个值创建一个子节点。
使用 boosting：C5.0 算法有一个特殊的方法用于提高其准确率，称为 boosting。它的工作原理是在序列中构建多个模型。第一个模型按常规方式进行构建。构建第二个模型时，将焦点集中于由第一个模型误分类的记录。构建第三个模型时，将焦点集中于第二个模型的错误，依此类推。最后，通过将整个模型集应用到观测值，并使用加权投票过程将单独的预测组合为一个总预测来分类观测值。推进可以显着提高 C5.0 模型的准确性，但也需要更长的训练时间。通过试验次数选项可以控制在推进模型过程中使用的模型数目。
交互验证：如果选中此选项，C5.0 将使用一组模型（根据训练数据的子集构建）来估计某个模型（根据全部数据集构建）的准确性。
专家模式- 修剪严重性: 确定对决策树或规则集的修剪程度。增加该值可获得一个更简洁的小型树。减小该值可获得一个更精确的树。
专家模式- 每个子分支的最小记录数：可使用子组的大小限制树的任何分支中的分割数。仅当两个或多个生成的子分支中至少包含从训练集合得到的这一最小记录数时，才可分割树的分支。默认值为 2。
（以下为创建C5.0节点的截图）
（2）CHAID 节点设定
将 CHAID 节点与分区节点连结后，我将于此节点编辑页面中的模型标签下设定相关的变数。由于 CHAID 节点设定较多，介绍一些变数。此定义来自“SPSS Modeler 15 Modeling Nodes 文件”。
最大树深度：指定根节点以下的最大级数（递归分割样本的次数）。
修剪树以防止过拟合：修剪包括删除对于树的精确性没有显着贡献的底层分割。修剪有助于简化树，使树更容易被理解，在某些情况下还可提高广义性。
停止规则：设置最小分支大小可阻止通过分割创建非常小的子组。如果节点（父）中要分割的记录数小于指定值，则父分支中的最小记录数将阻止进行分割。如果由分割创建的任意分支（子）中的记录数小于指定值，则子分支中的最小记录数将阻止进行分割。
（以下为创建CHAID节点的截图）
（3）C&R树节点设定
将 C&R树节点与分区节点连结后，我将于此节点编辑页面中的模型标签下设定相关的变数。由于 C&R树节点设定较多，介绍一些变数。此定义来自“SPSS Modeler 15 Modeling Nodes 文件”。
修剪树以防止过拟合：修剪包括删除对于树的精确性没有显著贡献的底层分割。修剪有助于简化树，使树更容易被理解，在某些情况下还可提高广义性。如果需要完整的未经修剪的树，请保持此项处于未选中状态。
大风险差值（标准误）：通过此选项可指定更自由的修剪规则。标准误规则使算法能够选择简单的树，该树的风险评估接近于（但也可能大于）风险小的子树的风险评估。此值表示在风险评估中已修剪树和风险小的树之间所允许的风险评估差异大小。例如，如果指定 2，则将选择其风险评估（2 × 标准误）大于完整树的风险评估的树。
大代用项：代用项是用于处理缺失值的方法。对于树中的每个分割，算法都会对与选定的分割字段相似的输入字段进行识别。这些被识别的字段就是该分割的代用项。当必须对某个记录进行分类，但此记录中的分割字段中具有缺失值时，可以使用代用项字段的值填补此分割。增加此设置将可以更加灵活地处理缺失值，但也会导致内存使用量和训练时间增加。
（以下为创建C&R树节点的截图）
4.4 结果展示
生成决策树模型
决策树节点设定完成后，点击主工具列的运行当前流前即可看到三个决策树模型的产生。双击决策树模型则可看到模型结果，而我们最主要要观察的是模型标签及查看器标签下的内容。模型标签内容如图所示，左栏位使用文字树状展开，表现每一阶层的分类状况及目标变数的模式；右栏位则是整体模型预测变量的重要性比较。我也将会根据变量重要性调整模型设定、变数选择，持续的训练出较佳的模型。查看器标签则是将一样的决策树结果用树状图的方式展现。
（1）C5.0法
（2）CHAID法
（3）C&R树法
决策树流示意图：（如下截图）
五、结果分析
5.1比较决策树模型分析结果
正确率
由于各决策树的演算法不同，最后的分枝结果以及预测的准确性亦不同，本文使用 C5.0 、CHAID及C&R树三种决策树节点（C&R树图省略，因为CHAID图相近），其预测正确率如下图所示。从结果来看， C5.0 的正确率都高于 CHAID及C&R树，因此接下来我们会使用 C5.0 结果为主。进一步观察实际值与预测值的重合矩阵，可发现模型预测正确的准确性远高于预测错误的准确性，以 C5.0 测试数据来看，「1_训练」正确的预测准确性为84.8%，远大于错误的15.2%、「2_测试」正确的预测准确性为71.43%，远大于错误的28.57%、「3_验证」正确的预测准确性为73%，远大于错误的27%。。
变量重要性
C5.0 与 CHAID 模型的变量重要性如图下所示（C&R树图省略，因为与CHAID图相近）。比较左边与右边的图可发现，尽管变量重要性的排序两个模型相差不是特别大，前三个一样，不过在重要性的大小上不一样，但是最重要的三个分析变量在网月数（tenure）、教育水平
（ed）和当前工作年限（employ）相同，且都比其他变量相对重要许多，而客户种类（custcat）和家庭人数（reside）则不一样。
C5.0法
CHAID法
5.2解读预测结果
预测规则
C5.0 决策树模型产生许多预测规则，而大部分的预测结果如同实际数据一样，都是顾客流失了。为了降低顾客的流失率率，电信的员工可由这些规则来筛选目标。SPSS Modeler 提
供的决策树结果，包括了分类结果、实例数字和置信度，当分类的实例置信度较高，则可导出预测规则。（1是流失，0是没有流失）以下图为例，其中之一的规则为「employ（当前工作年限<=3），[“模式0”]，其预测结果是没有流失，实例数字为11 笔数据符合，其中72.7%被正确预测。同样，「ed in [4 5]（教育水平为学士和硕士），[“模式1”]，其预测结果是流失，实例数字为23 笔数据符合，其中78.3%被正确预测。
六、方案与对策
电信业的竞争重点集中在对大客户市场的争夺，这一竞争态势迫切要求各大电信运营商将更多的精力投入到大客户市场，做好大客户的培育、巩固和回流工作、这三个方面的工作是相互促进、相互补充的，讲究大客户的回流工作而言，可采取以下措施以尽可能地是大客户的流失率降低。
1.开展品牌工程建设
实施品牌经营，向客户宣传推广产品、品牌服务，培养品牌消费者。品牌工程建设是一项长期性、战略性的工作，电信运营商要本着立足长远、着眼未来的原则，将企业业务经营的各方面纳入到品牌建设这一局限性的发展方向上来。
2.开展个性化服务
现阶段企业服务水平的差异不是体现在大众化服务上，而是体现在个性化服务上。
目前电信消费群体对个性化消费的要求越老越高，电信企业如何适应消费群体定制化服务的要求，将特色服务作为企业新的竞争力和业务增长点，是电信企业迫切需要解决的问题。电信企业在新的市场格局基本确定，大客户领域竞争态势日趋严峻的情况下，弱项提高服务水平就要从个性化服务入手。
3.做好客户关系的开发和维持工作
良好的客户关系对于项目的成功有着不可低估的作用。在客户企业内部培养自己的支持者，可以及时掌握客户的通信需求，搜集竞争对手的情报，帮助企业在竞争中树立信息优势，并可以在此落实到人与人之间的情感交流与思想沟通等方面，企业间的合作最终是人与人之间的合作，而在合作中培养伙伴时或朋友式的关系是需要时间的。在客户关系的开发商要重点做好运营企业自身与客户企业内部各层次人员间一一对应的关系，确保运营商与客户的沟通在各个层次上市丰富的、连续的。
4.完善自身业务能力
电信运营商要对现有的业务做好进一步的宣传工作，以加快市场消化吸收的速度。对客户需要而企业暂时不能开放提供的业务则要加大内部研发工作，不能让需求在等待中消失，更不能因能力不足而失去收入增长的机会。此外还要认真研究市场，做好业务的预测工作。
5.做好营销队伍建设
要建立一支精干、忠诚的营销队伍，不但要从生活和工作上关心营销人员，还要帮助营销人员完善个人职业生涯设计，并未他们提供必要的培训机会。此外，积极探索和时间行之有效的业绩考核办法对营销队伍的建设同样重要。
利用数据挖掘进行电信业客户流失分析wor 李军 数据仓库之路原创资料:// dwway 利用数据挖掘实现电信行业客户流失分析 随着世界经济的全球化、市场的国际化和我国加入WTO步伐的加速，国际化的市场环境要求国内的公众电信运营企业在经营治理上向国外先进的电信运营企业看齐，以迎接电信运营业的国际化竞争。同时随着国家改革的深化，国内电信业的市场环境已渐趋合理且竞争将日益加剧。国内、国际电信业的如此态势，对公众电信运营企业的服务内容、服务方式、服务质量、经营治理以及服务意识，已提出了严肃的挑战。企业的经营模式和服务体系正以客户的价值取向和消费心理为导向，真正表达“制造需求”、“引导消费”的现代客户服务意识与理念。 在电信企业面向市场，面向国内外众多的竞争者，努力制造更高价值的同时，客户流失的不断增加，客户平均生命周期的不断缩短严峻阻碍了电信企业的进展。那么，在猛烈的市场竞争和不断变化的市场需求面前，如何最大程度的降低客户的流失率呢？常用的方法之一确实是利用数据挖掘技术。 数据挖掘技术是目前数据仓库领域最强大的数据分析手段。它的分析方法是利用已知的数据通过建立数学模型的方法找出隐含的业务规则，在专门多的行业差不多具有成功的应用。在电信行业的应用领域要紧有客户关系治理，客户欺诈分析，客户流失分析，客户消费模式分析，市场推广分析等。 那么，在客户流失分析系统中，如何应用数据挖掘技术呢？要紧方式是依照往常拥有的客户流失数据建立客户属性、服务属性和客户消费数据与客户流失可能性关联的数学模型，找出客户属性、服务属性和客户消费数据与客户流失的最终状态的关系，并给出明确的数学公式。只要明白客户属性、服务属性和客户消费数据，我们就能够运算出客户流失的可能性。市场/销售部门能够依照得到的数学模型随时监控客户流失的可能性。假如客户流失的可能性过高，高于事先划定的一个限度，就能够通过多种促销手段提高客户的忠诚度，防止客户流失的发生，从而能够大大降低客户的流失率。基于严格数学运算的数据挖掘技术能够完全改变以往电信企业在成功获得客户以后无法监控客户的流失，无法实现客户关怀的状况，把基于科学决策的客户关系治理全面引入到电信企业的市场/销售工作中来。 通常一个完整的数据挖掘过程由业务问题定义，数据选择，数据清洗和预处理，模型选择与预建立，模型建立与调整，模型的评估与检验，模型说明与应用等多个步骤组成。那个地点我们以个人客户流失为例说明各个步骤的功能。 1．业务问题的定义 业务问题的定义要求专门明确。任何不明确的定义都会严峻阻碍模型的准确和应用时的成效。例如：在客户流失分析系统中，需要明确客户流失的定义。在客户流失分析中，要紧有两个核心的变量：1.财务缘故/非财务缘故；2.主动流失/被动流失。客户的流失类别依照这两个核心变量能够分为四种。其中自愿的、非财务缘故的流失客户往往是高价值的、稳固的客户。他们会正常的支付自己的服务费用，并对市场活动有所响应。因此这种客户才是我们真正想保持的客户。而真正在分析客户流失的状况时，我们还必须区分公司客户与个人客户，不同服务的奉献率，或者是不同客户消费水平流失标准的不同。举例来说，关
电信客户流失影响因素与预测分析 一、引言 目前电信运营商面临着激烈的市场竞争。对电信运营商来说，客户即生命，如何保持现有客户是企业客户管理的重中之重。因此，电信运营商拥有的客户越多，作为主要成本的前期投资就会越大，企业的利润也就越大。客户资源对于电信运营商来说其意义不言而喻，电信运营商之间的竞争实际上就是对客户资源的竞争。可以说，未来的电信行业，得客户者得天下。 当今电信市场竞争激烈,运营商每月客户流失率在1%～3%,挽留将要流失客户,降低客 户流失率是近年来热门的研究领域。而数据挖掘技术是解决这一问题的有效途径,本文使用IBM Spss Clementine（IBN SPSS Modeler）进行数据挖掘与分析，深入了解电信客户流失的关键，以对该类客户的行为特性进行预警分析，采取针对性的措施改善客户关系，避免客户流失或者挽留客户。 二、问题分析 根据已有的结果——流失客户（在数据中直接有判别数据有没有流失的字段churn），寻找他们流失的原因，即流失客户的特征。通过数据处理，统合数据，根据以前拥有的客户流失数据建立基本属性、服务属性和客户消费数据与客户流失可能性的数据模型，找出其潜在的关系，分析出客户流失的因素，计算出客户流失的可能性，预测客户是否流失的可能性。 对于客户的基本数据、客户行为数据及消费数据，进行数据挖掘，研究已流失客户数据，从中找出先前未知的、对企业决策有潜在价值的知识和规则，发掘潜在流失客户，让企业适时把握住市场及客户动态，掌握客户流失的规律。 三、算法简介 3.1分类分析 分类就是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述，并用这种描述来构建模型，一般用规则或决策树模式表示。分类是数据挖掘的主要方法，分类模型能很好地拟合训练样本集中属性集与类别之间的关系，也可以预测一个新样本属于哪一类。分类技术已经在很多领域得到成功应用，如医疗诊断，客户流失预测，信用度分析，客户分群和诈骗侦测。常见的分类方法有贝叶斯分类（Bayesian），神经网络（neural networks），遗传算法（genetic algorithms）和决策树分类器（decision trees）。在这些
客户流失的八种原因 沟通不畅自然流失。有些客户的流失属于自然流失，公司管理上的不规范，长期与客户缺乏沟通，或者客户转行转业等。现在的商业领域很广泛，生产企业也处在供大于求的状态，所以企业如果不能够很好的去维护你的客户，那么流失客户的资源是非常正常的表现。 作为商人，经常会遇到这样的情况：某一天，你的某个客户忽然对你说，他决定终止和你企业的合作，转为经营某竞争对手企业品牌的产品；你企业的一个业务员辞职，接着他负责的几个客户都相继结束了和你公司的合作；你的已经合作三年的一个客户最近居然连续三个月没有进货了…… 在营销手段日益成熟的今天，我们的客户仍然是一个很不稳定的群体，因为他们的市场利益驱动杠杆还是偏向于人、情、理的。如何来提高客户的忠诚度是现代企业营销人一直在研讨的问题。客户的变动，往往意味着一个市场的变更和调整，一不小心甚至会对局部(区域)市场带来致命的打击。这个现象在医药企业的处方产品中尤其明显，一个 医院由一个代表做到一定的销售量，但是这个医药代表离开后，那么销量的下滑是很明显的。如果你是公司的管理者，请务必在关键时刻擦亮你的眼睛，以免你的客户在不经意间流失，给公司的市场运作带来不利影响。当然，这其中的因素和地区的主管、经理也有很大的直接关系。 客户的流失，通常主要出现在以下几种情况： 公司人员流动导致客户流失这是现今客户流失的重要原因之一，特别是公司的高级营销管理人员的离职变动，很容易带来相应客户群的流失。如今，营销人员是每个公司最大最不稳定的“流动大军”，如果控制不当，在他们流失的背后，往往是伴随着客户的大量流失。其原因是因为这些营销人他们手上有自己的渠道，也是竞争对手企业所看到最大的个人优势和资源。这样的现象在企业里比比皆是。 竞争对手夺走了客户任何一个行业，客户毕竟是有限的，特别是优秀的客户，更是弥足珍稀的，20%的优质客户能够给一个企业带来80%的销售业绩，这是个恒定的法则。所以，往往优秀的客户自然会成为各大厂家争夺的对象。也许你的主要竞争对手现在正在对你的大客户动之以情，晓之以理，诱之以利，以引诱他放弃你而另攀高枝。任何一个品牌或者产品肯定都有软肋，而商战中的竞争对手往往最容易抓到你的软肋，一有机会，就会乘虚而入，所以也警示企业一个问题，那就是加强员工团队的建设问题。 市场波动导致失去客户任何企业在发展中都会遭受震荡，企业的波动期往往是客户流失的高频段位，因为企业高层出现矛盾，拿伊利来讲，当年不是高层的政变，也没有今天的蒙牛了。在有一个问题就是企业资金出现暂时的紧张，比如出现意外的灾害等等，都会让市场出现波动，这时候，嗅觉灵敏的客户们也许就会出现倒戈。沈阳的飞龙也就是这样的情况下不能再飞起来的真正原因。其实，在当代市场中，以利为先的绝大多数商人多会是墙头草，那边有钱可赚就会倒向哪边。
流失客户原因分析公司标准化编码 [QQX96QT-XQQB89Q8-NQQJ6Q8-MQM9N]
流失客户原因分析 1、公司人员流动导致客户流失 这是现今客户流失的重要原因之一，特别是公司的高级营销管理人员的离职变动，很容易带来相应客户群的流失。因为职业特点，如今，营销人员是每个公司最大最不稳定的“流动大军”，如果控制不当，在他们流失的背后，往往是伴随着客户的大量流失。 2、竞争对手夺走客户。 任何一个行业，客户毕竟是有限的，特别是优秀的客户，更是弥足珍稀的，所以往往优秀的客户自然会成为各大厂家争夺的对象。小心，也许你的主要竞争对手现在正在对你的大客户动之以情，晓之以理、诱之以利，以引诱他放弃你而另栖高枝。任何一个品牌或者产品肯定都有软肋，而商战中的竞争对手往往最容易抓到你的软肋，一有机会，就会乘虚而入。 3、市场波动导致失去客户 企业的波动期往往是客户流失的高频段位，任何企业在发展中都会遭受震荡，比如高层出现矛盾，比如企业资金出现暂时的紧张、比如出现意外的灾害等等，都会让市场出现波动，这时候，嗅觉灵敏的客户们也许就会出现倒戈。其实，在商业场中，以利为先的绝大多数商人多会是墙头草，那边有钱可赚就会倒向哪边。 4、细节的疏忽使客户离去 客户与厂家是利益关系纽带牵在一起的，但情感也是一条很重要的纽带，一些细节部门的疏忽，往往也会导致客户的流失。 某企业老板比较吝啬，其一代理商上午汇款50万并亲自来进货，中午企业却没安排人接待，只叫他去食堂吃了一个盒饭。代理商觉得很委屈，回去后就调整经营策略做起了别的品牌。 5、诚信问题让客户失去 厂家的诚信出现问题，有些业务经理喜欢向客户随意承诺条件，结果又不能兑现，或者返利、奖励等不能及时兑现给客户，客户最担心和没有诚信的企业合作。 一旦有诚信问题出现，客户往往会选择离开。 6、店大欺客，客户不堪承受压力 店大欺客是营销中的普遍现象，一些着名厂家的苛刻的市场政策常常会使一些中小客户不堪重负而离去。 或者是心在曹营心在汉，抱着一定抵触情绪来推广产品。一遇到合适时机，就会甩手而去。 7、企业管理不平衡，令中小客户离去 营销人士都知道“80%的销量来自20%的客户”，很多企业都设立了大客户管理中心，对小客户则采取不闻不问的态度。广告促销政策也都向大客户倾斜，使得很多小客户产生心理不平衡而离去。其实不要小看小客户20%的销售量，比如一个年销售额10个亿的公司，照推算其小客户产生的销售额也有2个亿，且从小客户身上所赚取的纯利润率往往比大客户高，算下来绝对是一笔不菲的数目。
利用数据挖掘实现电信行业客户流失分析 利用数据挖掘实现电信行业客户流失分析随着世界经济的全球化、市场的国际化和我国加入 WTO 步伐的加速，国际化的市场环境要求国内的公众电信运营企业在经营管理上向国外先进的电信运营企业看齐，以迎接电信运营业的国际化竞争。同时随着国家改革的深化，国内电信业的市场环境已渐趋合理且竞争将日益加剧。国内、国际电信业的如此态势，对公众电信运营企业的服务内容、服务方式、服务质量、经营管理以及服务意识，已提出了严峻的挑战。企业的经营模式和服务体系正以客户的价值取向和消费心理为导向，真正体现“创造需求”、“引导消费”的现代客户服务意识与理念。 在电信企业面向市场，面向国内外众多的竞争者，努力创造更高价值的同时，客户流失的不断增加，客户平均生命周期的不断缩短严重影响了电信企业的发展。那么，在激烈的市场竞争和不断变化的市场需求面前，如何最大程度的降低客户的流失率呢？常用的方法之一就是利用数据挖掘技术。 数据挖掘技术是目前数据仓库领域最强大的数据分析手段。它的分析方法是利用已知的数据通过建立数学模型的方法找出隐含的业务规则，在很多的行业已经具有成功的应用。在电信行业的应用领域主要有客户关系管理，客户欺诈分析，客户流失分析，客户消费模式分析，市场推广分析等。 那么，在客户流失分析系统中，如何应用数据挖掘技术呢？主要方式是根据以前拥有的客户流失数据建立客户属性、服务属性和客户消费数据与客户流失可能性关联的数学模型，找出客户属性、服务属性和客户消费数据与客户流失的最终状态的关系，并给出明确的数学公式。只要知道客户属性、服务属性和客户消费数据，我们就可以计算出客户流失的可能性。市场/销售部门可以根据得到的数学模型随时监控客户流失的可能性。如果客户流失的可能性过高，高于事先划定的一个限度，就可以通过多种促销手段提高客户的忠诚度，防止客户流失的发生，从而可以大大降低客户的流失率。基于严格数学计算的数据挖掘技术能够彻底 改变以往电信企业在成功获得客户以后无法监控客户的流失，无法实现客户关怀的状况，把基于科学决策的客户关系管理全面引入到电信企业的市场/销售工作中来。通常一个完整的数据挖掘过程由业务问题定义，数据选择，数据清洗和预处理，模型选择与预建立，模型建立与调整，模型的评估与检验，模型解释与应用等多个步骤组成。这里我们以个人客户流失为例说明各个步骤的功能。 1．业务问题的定义 业务问题的定义要求非常明确。任何不明确的定义都会严重影响模型的准确和应用时的效果。例如：在客户流失分析系统中，需要明确客户流失的定义。在客户流失分析中，主要有两个核心的变量： 1.财务原因/非财务原因； 2.主动流失/被动流失。客户的流失利用数据挖掘实现电信行业客户流失分析类别根据这两个核心变量可以分为四种。其中自愿的、非财务原因的流失客户往往是高价值的、稳定的客户。他们会正常的支付自己的服务费用，并对市场活动有所响应。所以这种客户才是我们真正想保持的客户。而真正在分析客户流失的状况时，我们还必须区分公司客户与个人客户，不同服务的贡献率，或者是不同客户消费水平流失标准的不同。举例来说，对于用一种新服务替代原有服务的客户，是否作为流失客户？又或者，平均月消费额为 2000
第四篇-电信客户流失影响因素与预测分析
电信客户流失影响因素与预测分析 一、引言 目前电信运营商面临着激烈的市场竞争。对电信运营商来说，客户即生命，如何保持现有客户是企业客户管理的重中之重。因此，电信运营商拥有的客户越多，作为主要成本的前期投资就会越大，企业的利润也就越大。客户资源对于电信运营商来说其意义不言而喻，电信运营商之间的竞争实际上就是对客户资源的竞争。可以说，未来的电信行业，得客户者得天下。 当今电信市场竞争激烈,运营商每月客户流失率在1%～3%,挽留将要流失客户,降低客户流失率是近年来热门的研究领域。而数据挖掘技术是解决这一问题的有效途径,本文使用IBM Spss Clementine（IBN SPSS Modeler）进行数据挖掘与分析，深入了解电信客户流失的关键，以对该类客户的行为特性进行预警分析，采取针对性的措施改善客户关系，避免客户流失或者挽留客户。 二、问题分析 根据已有的结果——流失客户（在数据中直接有判别数据有没有流失的字段churn），寻找他们流失的原因，即流失客户的特征。通过数据处理，统合数据，根据以前拥有的客户流失数据建立基本属性、服务属性和客户消费数据与客户流失可能性的数据模型，找出其潜在的关系，分析出客户流失的因素，计算出客户流失的可能性，预测客户是否流失的可能性。 对于客户的基本数据、客户行为数据及消费数据，进行数据挖掘，研究已流失客户数据，从中找出先前未知的、对企业决策有潜在价值的知识和规则，发掘潜在流失客户，让企业适时把握住市场及客户动态，掌握客户流失的规律。
三、算法简介 3.1分类分析 分类就是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述，并用这种描述来构建模型，一般用规则或决策树模式表示。分类是数据挖掘的主要方法，分类模型能很好地拟合训练样本集中属性集与类别之间的关系，也可以预测一个新样本属于哪一类。分类技术已经在很多领域得到成功应用，如医疗诊断，客户流失预测，信用度分析，客户分群和诈骗侦测。常见的分类方法有贝叶斯分类（Bayesian），神经网络（neural networks），遗传算法（genetic algorithms）和决策树分类器（decision trees）。在这些分类方法中，决策树分类器在大规模的数据挖掘环境中已经获得了最为广泛的应用。 3.2决策树演算法 决策树演算法是在进行数据挖掘时经常使用的分类和预测方法。 一个决策树的架构，是由三个部分所组成：叶节点 (Leaf Node)、决策节点 (Decision nodes) 以及分支。决策树演算法的基本原理为：通过演算法中所规定的分类条件对于整体数据进行分类，产生一个决策节点，并持续依照演算法规则分类，直到数据无法再分类为止。 3.3决策树演算法的比较 决策树演算法依据其演算原理以及可适用分析数据类型的不同延伸出多种决策树演算法。在 IBM SPSS Modeler 中，主要提供了四种常用的决策树演算法供使用者选择，分别为：C5.0、CHAID、QUEST 以及 C&R Tree 四种。使用者可依据数据类型以及分析需求的不同，选择适当的决策树演算法进行分析。虽
客户流失原因分析 经过对车源和货源小组反馈的收集下面将从平台因素、服务因素、市场因素几个方面进行总结分析。 一、平台缺陷导致的客户流失 1.客户依然对公司定位很模糊，使得公司平台不易被接受导致客户流失。 建议解决办法：淡化本身物流性质的概念，用一种容易贴近顾客的姿态去推销产品，例如：把自己定位于一个类似信息部性质的企业。这种推销的方法既通俗易懂又能 拉近公司业务人员和顾客之间的距离，只有真正能经得起市场考研的产品才是好的 产品。 2.车源信息陈旧，很多信息失真实使得客户对平台的信任度大幅降低导致客户的流 失 解决方法：车源信息资料属于一种有偿的信息资源。公司可以通过不同的渠道获取 最新的车辆信息，要保持车辆信息的真实性。使部门同事在今后的工作开展中效率 更高。 3.价格过高，平台降价功能没有实现，过高的价格导致许多的客户无法接受。 解决方法：公司平台一大功能特色就是车辆询价，目前这个功能并没有实际的效果 一方面是车源信息的稀少，领一方面平台并未把这一特色功能作为主推项目。提请 领导重视。 4.许多客户反应信息上线很久但没有车丧失了需求客户 解决方法：由于是前期的试运营阶段，有些线路必定会出现车辆不足的情况。建议 公司增加车辆信息来源的获取渠道，只有增加车辆和线路才能吸收跟多的资源来聚 集到我们的物流平台上来。 5.客户反映公司联系车辆到达装货地点后发现货不好拉拒绝装车。平台缺乏约束功 能模块导致客户失信。 解决方法：属于流程缺失，没有核实好发货人的货物信息，和司机在沟通过程中没 有反应客户货源情况。导致车主货主双方对公司的服务产生了质疑，影响了公司的 声誉和形象。建议增加货物鉴定的流程，在收到货源信息的第一时间了解货物属于 抛货还是重货。并及时告知车主规避此类事件的发生。
Modeler 帮助电信运营商预测客户流失案例 本文主要通过运用IBM SPSS Modeler 中C5.0 节点所具有的特殊算法对电信客户的属性特征进行分析，得出流失客户的基本特征，以帮助企业管理者对该类客户的行为特性进行预警分析，采取针对性的措施改善客户关系，避免客户流失或者挽留客户，达到亡羊补牢的效果 引言 目前电信运营商面临着激烈的市场竞争。对电信运营商来说，客户即生命，如何保持现有客户是企业客户管理的重中之重。因此，电信运营商拥有的客户越多，作为主要成本的前期投资就会越大，企业的利润也就越大。客户资源对于电信运营商来说其意义不言而喻，电信运营商之间的竞争实际上就是对客户资源的竞争。可以说，未来的电信行业，得客户者得天下。 数据挖掘在电信领域有着广泛的应用：计费分析、客户细分、电话欺诈、客户流失预警分析等等。客户流失预警分析是通过数据挖掘，发现和分析出客户的许多属性特性和行为特征，从而找到流失客户的特征，为企业挽留这类客户提供决策参考。 本文主要通过运用IBM SPS Modeler 中C5.0 节点所具有的特殊算法对电信客户的属性特征进行分析，得出流失客户的基本特征，以帮助企业管理者对该类客户的行为特性进行预警分析，采取针对性的措施改善客户关系，避免客户流失或者挽留客户，达到亡羊补牢的效果。 数据准备 读入数据源 读入电信客户数据，数据有多达42 个字段，其中包含一些客户个人信息，例如年龄、婚姻状况、地址、收入、教育程度、行业、退休、性别、居住地和客户类别，还包含一些客户使用电信服务信息，例如使用电信服务时间，是否开通无线服务，是否开通语音信箱服务，是否开通亲情号服务，以及上月基本话费，上月长话费，上月上网费，累计基本话费，累计长话费，累计上网费等等。将流失字段churn 角色设置为目标。将所有其他字段的角色设置为输入。 图 1.数据源
客户流失原因分析 当我们以真诚的态度和深入调查的精神向消费者了解他们对现在很多企业的信任程度及其产生原因时，从消费者的脸上我们看到的大多是充满失望的表情，当然还伴随着对商家的一系列不满和抱怨，比如追求浮华、甚至言过其实的广告宣传，流于形式的“客户满意度调查”，手续繁琐的售后服务程序…… 而对于商家来说，消费者的这些评价似乎让他们个个觉得满腹委屈——几乎所有的商家都声称：自己始终在为满足客户需求的问题上坚持不懈地努力；为了赢得客户的信赖，我们总是尽可能地做好各个环节的工作，等等。 现代企业之间的激烈竞争迫使企业必须想方设法赢得客户信赖，而大多数企业确实也在一直努力。可是，究竟哪里出现了问题？为什么客户的反映与企业的努力会出现如此悬殊的偏差？问题可能存在于企业活动的任何一个环节，只要企业在处理客户关系的过程中没有将真正将工作做到实处，那么无论企业多么标榜自己的真诚、付出多少努力，最后都将无法得到客户的充分信赖，最终企业只能被客户所抛弃。众所周知，在日常的经营活动中，任何一家企业都希望能拥有一个忠实的客户群体，因为有了这个群体，不仅使日常的工作省心、省事、省力，而且对新品牌的引入与推广及销售市场的良性循环也起到了至关重要的作用。但很多时候都是事与愿违，事物并不是朝你所想象方向去发展，很多企业已经意识到，拥有忠实的客户群体远比人们想象中的要难得多。要想获得客户忠诚，首先要赢得客户的信赖。虽然各个企业都十分清楚地意识到了这个问题，可是在建立客户信任度、赢得客户信赖的具体工作过程中，各项工作所发挥的实效却总是不尽如人意。为了更充分地提高客户对企业的信赖程度、增强客户忠诚度，企业必须要找到自身失去客户信任的关键——各项工作的决策与具体执行都没有真正落到实处。关于这一关键问题的产生和具体解决途径，我们认为，应从以下几方面进行深入分析 一、企业失去客户信任的主要原因 企业不能获得客户信赖的原因有很多，在现代企业的生产经营活动过程中，导致企业失去客户信赖的主要原因有如下几种： 1.对客户需求缺乏深入了解 不了解客户的真正需求，这是很多企业失去客户信赖的重要因素之一。虽然一些企业标榜自己始终是从客户的实际需求出发，实际上，他们的这种标榜只是对企业品牌及其产品或服务的一种宣传，当他们的市场宣传手段与客户的真正需求相脱离之时，留给客户的便是被愚弄的感觉。因为，很少有客户会认为，一家无法满足其实际需求的企业是值得他们信赖的企业，这些企业的产品和服务自然也不会得到客户的认可。 当企业对客户的需求缺乏足够了解之时，如果企业还不能及时而清醒地意识到这一点，而只是自顾自地继续以所谓的“市场宣传”手段来迷惑客户，那么客户就会自然而然地走到竞争对手那里。 2.企业文化中缺少务实精神
一、客户流失原因 1、企业内部员工流动导致客户流失。 这是企业客户流失的重要原因之一，很多企业由于在客户关系管理方面不够细腻、规范，导致企业员工跳槽，带走了大量客户，此时，业务员的桥梁作用就被发挥得淋漓尽致，而企业自身对客户影响相对乏力，一旦业务人员跳槽，老客户就随之而去。与此带来的是竞争对手实力的增强。 2、客户遭遇新的诱惑。 任何一个行业，客户毕竟是有限的，特别是优秀的客户，更是弥足珍稀的，20%的优质客户能够给一个企业带来80%的销售业绩，这是个恒定的法则。所以往往优秀的客户会成为各大厂家争夺的对象。市场竞争激烈，为能够迅速在市场上获得有利地位，竞争对手往往会不惜代价以优厚条件来吸引那些资源丰厚的客户。"重金之下，必有勇夫"，客户"变节"便也不是什么奇怪现象了。作为企业的管理者，尤其要注意竞争对手对你的大客户采取的措施及给予的好处，及时采取有效的应对措施，以防止自己的客户被竞争对手给挖走。 3、市场监控不力，销售渠道不畅。 某食品企业在进行山西市场开发时，对经销商投入了较高的营销费用，而在相邻的河南三门峡这个老市场企业营销费用的投入却较低，结果山西市场的营销经理与当地经销商串通，向三门峡市场肆意窜货。三门峡市场经销商无利可图，只好"忍痛割爱"，放弃了该企业产品的经营。这个例子表明，企业在进行投资前以及投资后，都要持续不断地监控市场状况，及时发现问题，以采取有效的措施予以应对，减少企业的损失。
4、缺乏诚信。 客户最担心的是和没有诚信的企业合作，但是却有些销售经理喜欢向客户随意承诺，结果又不能及时兑现，或者返利、奖励等不能及时兑现给客户。客户最担心和没有诚信的企业合作。一旦企业出现诚信问题，哪怕仅是很小的问题，客户往往也会选择离开。为了争取客户，就随意承诺，结果又因为某些原因，承诺无法实现，使得自己辛苦培育的客户掉头转向竞争对手。这无疑将会给企业带来巨大损失。 5、细节的疏忽使客户离去。 客户与厂家的利益关系纽带是牵在一起的，但情感也是一条很重要的纽带，一些细节的疏忽，往往也会导致客户的流失。某企业老板比较吝啬，其一代理商上午汇款50万并亲自来进货，中午企业却没安排人接待，只叫他去食堂吃了一个盒饭。代理商觉得很委屈，回去后就调整经营策略做起了别的品牌。 6、没有做好市场调查，不能及时了解市场状况。 有些企业只一味生产某种产品，并且保持很高的质量。但他们的产品销量却一直上不去，主要就在于他们的产品和服务没有及时得到更新。而市场是不断变化的，客户的需求也随之不断变化，因此，当企业无法满足客户的需求时，客户就会将其注意力转向其他企业。无疑，这一客户的流失将会给企业带来不小的而损失。 7、企业自身问题。 一方面表现为企业对于其产品和服务的管理和监管不当，使产品和服务环节出现缺陷，导致企业无法实现客户要求，使得客户转向其他企业。另一方面表现为企业产品技术含量提高，升级换代，企业的目标客户群体发生改变，而使得
东华大学研究生课程论文封面 教师填写： 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的课程论文，是本人独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。 论文作者签名： 注：本表格作为课程论文的首页递交，请用水笔或钢笔填写。
目录 1 引言 (1) 2 数据理解 (1) 3 数据准备 (4) 4 预测模型的建立 (5) 5 模型评估及客户特征分析 (6) 6 客户忠诚度的分析 (8) 7 结论 (12)
电信企业客户流失及忠诚度分析 王丹丹 （东华大学，管理科学与工程，2150863） 摘要：近年来国内电信业的分割、电信体制的激烈变革,竞争的急速加剧使得各电信企业在开拓市场、发展客户的同时，同样注重对老客户的挽留，预测客户流失因素,如何保持现有的客户吸引更多的潜在客户,是电信企业面临的重要问题 本文主要在已知数据的基础上利用数据挖掘中的决策树、神经网络以及Logistic 回归算法具体在电信业客户流失分析中的应用。 关键词：客户流失、决策树、神经网络、客户忠诚度 1 引言 2001年开始，中国电信行业就开始规划和实现经营分析系统，初衷就是建立数据仓库及基于数据仓库之上的数据分析和应用，其中主要包含两个主题——流失分析和交叉销售，而之前的相关杂志也发表了很多技术文章，但当时整个电信行业主要以中国移动为主，竞争压力并不大，业务人员更关注的是开拓市场和发展客户，对客户流失问题的关注很少。但2011年之后，电信行业不断竞争，所以各大公司反过头来又做客户流失，意识到挽留一个老客户要比吸引一个新客户对公司的价值会更大。因此，现在移动、联通等电信行业都会付出很大努力来尽量防止客户流失增加客户忠诚度。本文的工作正是基于此为背景通过分析客户的基本数据、交易数据和行为模式,通过spss modeler14.0利用决策树、神经网络、等数据挖掘技术,建立客户流失预测模型,并在此基础进行初步的流失原因分析和客户流失特征，给企业以有效的建议，并利用因子分析对客户的忠诚度进行分析。本文主要以下几个方面来展开：数据理解和准备、建立流失预测模型和模型的验证评估，最后是客户忠诚度分析。 2 数据理解 由于数据信息量比较大，变读入电信客户数据telco.sav，数据有多达42 个字段，我们有必要对原始数据进行探索，找出影响客户流失的最重要的因素，数据探索不是一个一次性的工作,它是一个分布的,需要反复试探和观察的过程。可以通过观察每一个变量与目标变量之间的相互关系作为变量选择和变量衍生的依据之一,并同时评估数据的质量,如检查空值、异常值、缺失值、噪声数据等。随着下面数据准备过程的不断进行。在数据探索中使用SPSS Modeler中的数据
导致客户流失的原因： 1、公司人员流动导致客户流失 这是企业客户流失的重要原因之一，特别是公司高级营销管理人员，是公司最大最不稳的“流动大军”，每年都有离职变动，如果控制不当，在他们流失的背后，往往伴随着客户的大量流失。而这些营销精英的离职，又往往“带走”一批客户。 2、竞争对手夺走客户 任何一个行业的客户毕竟是有限的，优秀客户更是珍稀，所以自然成为各大企业争夺的对象。任何一个品牌或者产品都有自己的软肋，竞对手就是利用你的软肋，一有机会就乘虚而入，对你的大客户动之以情、晓之以理、诱之以利。 3、市场波动导致客户流失 企业的波动期往往是客户流失的高频段位，任何企业在发展中都会受震荡，比如高层出现矛盾、企业资金暂时紧张、意外灾害等等，都会让市场出现波动。 4、言而无信让客户丧失信心 客户最担心的是和没有诚信的企业合作，而恰恰有些销售经理喜欢向客随意承诺，结果又不能及时兑现，或者返利、奖励等不能及时兑现给客户。一旦企业有点滴诚信问题发生，客户往往立即选择离开。为了争客户，就随意承诺，结果因为众多原因，一些还没正式宣布奖励经销商政策最终流产。自然，原先给经销商的承诺就荡然无存，使几个辛苦培育的经销商掉头转向竞争对手。 客户流失的应对策略 1.为客户供高质量服务 质量的高低关系到企业利润、成本、销售额。每个企业都在积极寻求用什么样高质量的服务才能留住企业优质客户。为客户提供服务最基本的就是要考虑到客户的感受和期望，从他们对服务和产品的评价转换到服务的质量上。 2.严格产品质量 产品质量是企业为客户提供有利保障的关键武器。没有好的质量依托，企业长足发展就是个很遥远的问题。不能因为质量问题，而让对手有机可乘，致使客户群体部分流失; 3.加强与客户的信息即时互通 在管理上最重要的是与客户沟通，提供知识信息，让企业的服务或营销人员控制协调好客户关系，传达好客户的要求、意见。多给客户提出一些在管理上的缺陷，
移动运营商的客户流失管理案例分析 发布时间：20070427 作者：转载出处：C114 录入：雷 1. 问题的提出： 近十年来我国电信业以3倍于GDP的速度增长，成为国民经济支柱产业中增长速度最快的行业之一。电信业的急速增长在很大程度上是由电信服务业中移动通讯市场的急速发展所推动的。但是,随着市场的拓展和竞争，移动通讯业也遇到了一些问题，如代理费用的升高和宣传费用的升高，这使发展新客户的难度增加、收益率下降。 价值客户不仅是电信企业的宝贵资源，也是其竞争对手不断争取的对象。电信企业的客户流失非常严重。据某运营商的统计，该运营商的移动客户在2004年1-10月平均每月离网400万户，月平均流失率达4.7%。其他运营商的客户流失率也居高不下。 根据美国市场营销学会顾客满意手册的统计数据表明，吸引一个新顾客所耗费的成本大概相当于保持一个现有客户的5倍。 这使得移动运营商不得不关注客户流失管理，以采取有力措施防止客户流失。 2.中国移动-客户流失管理的支撑系统和策略 中国移动通信主要经营移动话音、数据、IP电话和多媒体业务，其网络规模和客户规模列全球第一。截止到2006年11月底，客户总数已达2.964亿户。 2.1.支撑系统 中国移动已经形成了完整的业务支撑体系，由BOSS系统、经营分析系统（数据仓库）和支撑网网管系统三部分组成。经营分析系统已经成为市场经营过程（包括客户流失管理）的重要支撑环节。
2.1.1.经营分析系统建设概述 从2001年开始规划，2005年底建成世界最大的数据仓库（超过842TB容量），2006年7月容量已达1614TB；应用了OLAP、数据挖掘技术；提高了企业内部数据的标准化程度，有统一的逻辑模型、统一的指标解释；方便指标、报表、即席查询；与BOSS系统进行了互动。 中国移动数据仓库系统的分级结构 2.1.2.经营分析系统的意义 分析内部数据资源，理顺企业管理流程，提升管理模式；提升中国移动的精细化营销能力，降低营销成本（客户营销/服务从地毯式轰炸转向精确式打击）。例如：某地区真实流失人数190人（总样本的6.13%），不用模型就要对1455人（6.13%）做市场活动；采用了流失模型后，仅需要对712人（3.00%）做市场活动。 2.1. 3.经营分析系统的经济效益 中国移动经营分析系统取得了较为显著的经济效果，某个单项的应用就可以带来显著的经济效益：
客户流失成因探究——以淘宝网店为例 一、淘宝网店顾客流失的现状 (1) 二、研究淘宝店铺客户流失成因的意义 (1) （一）留住客户才能创造店铺价值 (1) （二）扩大店铺市场份额 (1) （三）能够留住店铺忠实顾客 (1) （四）提升店铺的正面影响作用 (2) 三、淘宝网店顾客流失的原因 (2) （一）淘宝政策的倾斜 (2) （二）网店的货源不具备竞争力 (2) （三）淘宝网店服务质量不过关 (2) （四）网店的营销手段缺乏吸引力 (3) （五）难以形成回头客户 (3) （六）网店缺乏诚信意识 (4) （七）客户体验不够完善 (4) 四、减少网店顾客流失的措施 (4) （一）好的产品是成功的一半 (4) （二）合理使用推广工具 (5) （三）建立顾客让渡价值系统 (5) （四）保证优质的客服服务 (5) 五、总结 (6)
一、淘宝网店顾客流失的现状 伴随着网络购物的发展壮大，同样也出现一些问题。个人网店因进入门槛低，且操作简单，网上商铺鱼龙混杂、无照经营、假货泛滥等问题纷纷制约着该行业的健康发展。许多网民，尤其是大学生，纷纷由买家转向卖家，开始了“网商”之旅。目前其网店已超八百万家。刚刚过去的双十一，以350亿元的交易额再次刷新网购单日成交历史记录。然而在这华丽的外表之下确隐藏着客户流失的隐患。据统计分析，由于网民品牌意识增强、天猫店铺的资源掠夺等因素，淘宝店铺的每日自然流量正在逐渐萎靡，这些流失的顾客一部分是由于淘宝店铺自身管理不当无法留住顾客，另一部分原因也在于淘宝政策倾斜与扶植天猫店铺，将优质流量优先导向天猫店铺。目前淘宝网店普遍面临的是流量获取成本的上升和难度的增加。二、研究淘宝店铺客户流失成因的意义 （一）留住客户才能创造店铺价值 在网络购物环境下，顾客不再是各种活动的被动接受者，顾客的购买能力不断增强，其地位已经由被动转为主动。特别是那些忠诚顾客，透明积极参与网店价值的创造和与其他网店的竞争活动，会使网店与顾客之间的关系更加密切，使其成为网店新的具有价值的竞争力资源。 （二）扩大店铺市场份额 拥有稳定的顾客群，可以排除一些不确定因素的干扰，防止营销市场的混乱，使得网店所制定的能够更好的满足顾客需要的决策更有效率。并且，通过顾客网络群，网店员工能更好的集中精力与其中的老顾客保持经常性的双向沟通，顺利的控制并拓宽市场范围。（三）能够留住店铺忠实顾客 忠诚顾客的重复购买、消费者的一种或数种产品或服务，随着时间的推移，其购买数量也不断增加，即老顾客对网店具有较大的生命周期价值；由于忠诚顾客对网店的信任和依赖，他们会习惯性的给网店好评，这样网店便可以从忠诚顾客那里获得更好的口碑优势，忠诚顾客会常向其身边的亲朋好友推荐某网店的产品或服务，这不仅仅能更好的提升网店的形象，而且是一种低成本高回报的广告；网店也可以从中获得价格优惠，据研究显示，与新客户相
1 客户流失的八种原因 2 沟通不畅自然流失。有些客户的流失属于自然流失，公司管理上的不规范，3 长期与客户缺乏沟通，或者客户转行转业等。现在的商业领域很广泛，生产企4 业也处在供大于求的状态，所以企业如果不能够很好的去维护你的客户，那么5 流失客户的资源是非常正常的表现。 6 作为商人，经常会遇到这样的情况：某一天，你的某个客户忽然对你说，他7 决定终止和你企业的合作，转为经营某竞争对手企业品牌的产品；你企业的一8 个业务员辞职，接着他负责的几个客户都相继结束了和你公司的合作；你的已9 经合作三年的一个客户最近居然连续三个月没有进货了…… 10 在营销手段日益成熟的今天，我们的客户仍然是一个很不稳定的群体，11 因为他们的市场利益驱动杠杆还是偏向于人、情、理的。如何来提高客户的忠12 诚度是现代企业营销人一直在研讨的问题。客户的变动，往往意味着一个市场13 的变更和调整，一不小心甚至会对局部(区域)市场带来致命的打击。这个现象14 在医药企业的处方产品中尤其明显，一个 15 16 医院由一个代表做到一定的销售量，但是这个医药代表离开后，那么销量的17 下滑是很明显的。如果你是公司的管理者，请务必在关键时刻擦亮你的眼睛，18 以免你的客户在不经意间流失，给公司的市场运作带来不利影响。当然，这其19 中的因素和地区的主管、经理也有很大的直接关系。 20 客户的流失，通常主要出现在以下几种情况： 21 公司人员流动导致客户流失这是现今客户流失的重要原因之一，特别是22 公司的高级营销管理人员的离职变动，很容易带来相应客户群的流失。如今，23 营销人员是每个公司最大最不稳定的“流动大军”，如果控制不当，在他们流24 失的背后，往往是伴随着客户的大量流失。其原因是因为这些营销人他们手上25 有自己的渠道，也是竞争对手企业所看到最大的个人优势和资源。这样的现象26 在企业里比比皆是。
关于汉中通信企业防止客户流失的策略研究 姓名某某 <某某学校某某学院陕西汉中 723001） [摘要]本文在电信企业竞争日趋激烈的背景下，探讨了电信产业客户流失与其他行业客户流失的区别。以汉中地区通信企业为客体，对汉中电信产业客户流失现象、原因予以了分析，在介绍国外保持客户策略的基础上，提出对国内电信业运营的借鉴，指出国内电信业的欠缺之处，分析了汉中通信企业客户流失的原因、阐述了对电信客户流失管理的重要性，通信企业客户保持的必要性，客户关系管理的步骤，最终从宏观及微观角度提出了汉中通信企业防止客户流失的对策、策略及建议。 [关键词]汉中通信企业；客户流失；对策；建议 今天的电信行业在营销手段日益成熟，由于市场利益的驱动，电信行业的客户依然是很不稳定的群体。据国外电信行业的统计，欧洲电信行业的客户流失率为25%，美国为30%，客户流失给美国电信运营商每年造成的收入损失高达90亿美元，还有额外的75亿美元的获得客户的费用。据In-Stat/MDR 市场研究公司估计，不断推出的心业务将加速客户的流失，号码携带的实施，将使美国的客户流失率增至46%。 几十年的发展之后，国内电信行业亦面临着客户流失问题：电信客户数在大量增加的同时，又有大批客户离网流失；业务与收入总量增长相对趋缓，出现“增量不增收”。据Gartner公司的调查数据，开发一个新客户的费用是维持一个老客户成本的4-5倍。因此，国内各电信运营商已预见客户流失的严重性，并采取积极措施，如控制客户离网率。 运营商面对客户流失现象日益普遍的今天，分析客户流失的现象、原因，借鉴国外电信成功经验、及对国内电信工作的启示，加强客户管理实施措施，选择客户管理的最佳方案，成为当今电信工作的重中之重。 一、汉中电信客户流失现象的分析 电信业是技术的产物，到目前为止，电信业独一无二的关键特征之一在于，它是一个不仅由技术驱动，而且根本上由技术确定的行业。现在世界上没有一个行业不受技术影响、不被技术所驱使。零售业运用计算机系统管理库存、利用互联网技术开拓通向客户的新渠道，使自己的劳动生产率和工作效率有了很大的提高。制造业通过实施有效客户响应(ECR>系统以及企业对企业
客户流失的主要十大原因 在营销手段日益成熟的今天，我们的客户仍然是一个很不稳定的群体，如何来提高客户的忠诚度是我们销售人员一直在研讨的问题。客户的变动，往往意味着一个市场的变更和调整，一不小心甚至会对局部（区域）市场带来致命的打击。如果你是一名优秀的销售人员，请务必在关键时刻擦亮你的眼睛，以免你的客户在不经意间流失，给公司的市场运作及个人带来不利影响。 客户的流失，通常主要出现在以下10种情况： 1.粗鲁、漠不关心或事前不准备，例如对客户提出的需求忘记或不予理会，拜访客户前的资料准备不充分。 2.不清楚谁是负责人，一直告诉客户说自己要上级汇报，这样会失去在客户心目中的价值与信任感. 3.不知所云，浪费顾客时间，永远记住与客户沟通的机会是非常宝贵的，珍惜每一分钟与谈话的机会，提高销售效率。 4.夸张你产品的利益或服务，会给客户带来不信任感，信任感是销售过程的基础。
5.隐瞒产品的注意事项，省钱的选择或已提前登场的新品，知道产品的细节是客户的权利，永远要尊重客户的权利. 6.尽力从每次交易中，榨取每分钱，完全没有诚信度，好的销售是会“放长线钓大鱼的”. 7.频繁改变交易方式，会令客户反感，质疑你的公司品牌价值，对建立长期销售关系非常不利。 8.交易后，不致电给顾客，以确认一切都没有问题，99％的努力会因为这1％的疏忽而付诸东流。 9.不履行你所承诺的事情，没有任何一个客户愿意和没有诚信的销售长期合作的。 10.不回电或回复邮件，尤其当问题发生时，细节是每个销售过程成功与否的关键因素。 20条销售胜经 1.养成问的习惯，比学会问的技巧更重要； 2.永远保持天真的微笑和迷人的眼睛； 3.销售就是把别人口袋的钱放在自己的口袋里，并让对方说声谢谢； 4.销售就是把自己的思想转化成别人的行为；
电信业客户流失分析 电信市场竞争比较激烈，挽留一个老客户能够带来很大的收益，，可是这个客户挽留活动毕竟只是公司众多市场活动中的一个，预算也有限。因此分析流失客户的特征是很关键的，现要求对数据库中的数据进行分析，看看哪些客户可能会流失？这些客户都有哪些特征？根据流失客户的特征组织一个市场营销活动来遏制这种趋势。 数据表一: 客户基本信息表（custinfo.csv） customerID: 客户编号；gender:性别；age：年龄；L_O_S：在网时间；tariff：话费方案;Handset:手机品牌； 表二：客户通话情况表的结构 Peak_calls：高峰时期电话数；peak_mins：高峰时期电话时长；offpeak_calls：低谷时期电话数；offpeak_mins:低谷时期电话时长；weekend_calls：周末时期电话数：weekend_mins:周末时期电话时长：international_mins:国际电话时长；Net_call_cost:国内电话时长；Month：月份； 表三：话费方案表 Tariff：话费类型；fixed_cost:固定费用；free_mins:免费时长；peak_rate:高峰时期单价；pffpeak_rate：非高峰时期单价；weekend_rate：周末单价；international_rate:国际长途单价 二、问题分析 根据已有的结果—流失客户，寻找他们流失的原因，即流失客户的特征。通过数据处理，统合数据，将用户通话总话费求出，代表一个特征来描述客户。在综合数据求出一些派生的特征指标，例如高峰比率、低峰比率等。综合这些特征的指标，我们通过用“特征选择模型”，选出对流失客户影响大的指标，再用决策树将选出的指标进行分析可以得到这些指标对流失客户的具体影响。 三、模型的建立和求解 3.1数据预处理 1、数据理解