学生组三等奖电信运营企业应对客户流失对策探讨Word文档格式.docx
《学生组三等奖电信运营企业应对客户流失对策探讨Word文档格式.docx》由会员分享，可在线阅读，更多相关《学生组三等奖电信运营企业应对客户流失对策探讨Word文档格式.docx（11页珍藏版）》请在冰豆网上搜索。
关键词：
客户流失；
电信企业；
电信服务。
0
引言
2009年的中国电信政企客户流失对经营工作构成的威胁越来越严重，使存量的保留工作从来没有像今天这样重要和困难。
国内电信市场竞争的重点由原先重点发展增量向保存量市场方面转移，同时主攻对手的中高端客户群。
当前中国电信市场竞争中最薄弱的环节，就是缺乏抑制客户流失的有效经营策略和营销手段。
本文基于文献回顾构建了数据挖掘和流程管理框架模型。
试图回答：
一是如何准确预测试点的15000家中高端客户季度流失可能性，包括流失的概率和等级、流失业务种类和流失业务金额；
二是如何建立一套流失应对管理体系，包括应对流程、应对岗位和应对职责等，最终将要流失客户和已流失的客户成功挽留和策反回来。
1
文献回顾
1.1数据挖掘过程方法
闫洁（2004）认为在实际商业分析中，数据挖掘是一个耗费大量时间、人力、资金的工程，需要应用工程化和规范化的方法去实施，从而使得数据挖掘结果能够较好地应用到实际中。
王莉（2002）认为数据挖掘过程模型是为应用数据挖掘技术提供一种系统化的技术实施方法。
1.2数据挖掘过程方法
SAS提出的SEMMA、SPSS提出的5A和数据挖掘特别兴趣小组提出的“数据挖掘交叉行业标准过程”CRISP-DM。
汪嘉冈（1998）认为在这些模型中，SEMMA强调的是结合其工具的应用方法，5A强调的是支持数据挖掘过程的工具应具有的功能和能力，CRISP-DM则从方法学的角度强调实施数据挖掘项目的方法和步骤，并独立于每种具体数据挖掘算法和数据挖掘系统，KDNuggets公司在2002年、2004年、2007年分别做的企业采用数据挖掘实施流程方法的调查中发现，采用的数据挖掘实施流程方法虽然有很多种。
但从使用概率上看CRISP-DM无疑是业界应用最为普遍的数据挖掘过程模型。
1.3数据挖掘行为预测技术
决策树：
Makowski（1985）第一次把分类树方法应用于个人信用评分以来，分类树方法在个人信用评估中得到了广泛的应用。
美联储曾在《平等贷款机会法案》中称这种方法是在信用系统中经过实证检验并且在统计意义上完美的办法。
Coffman（1986）对分类树和线性判别分析在个人信用评分方面的应用进行了比较，并认为当指标之间存在相互作用时前者优于后者，而当指标之间相互联系时后者优于前者。
神经网络：
杨保安、王春峰等（1998）指出神经网络的最大缺点是其工作的随机性较强。
因为要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力与时间，因此应用受到了限制，Altman（1994）在对神经网络法和判别分析法的比较研究中得出结论“神经网络分析方法在信用风险识别和预测中的应用，并没有实质性的优于线性判别模型”
逻辑回归：
苏丽（2005）在其研究中应用了逻辑回归，指出该技术预测性能良好，但同时存在可解释性差的缺点。
何建敏（2003）等在其研究中采用了逻辑回归、C5.0决策树以及神经网络。
虽然在其实证研究中，逻辑回归的预测性能不是最好的，但是接近最好的预测性能。
王纯麟（2006）在其移动运营商客户流失预警实证研究中将逻辑回归技术与决策树方法及神经网络方法进行比较，发现逻辑回归方法预测性能最佳。
王吉利，张绕庭（1997）指出在具体项目实践当中，要根据客户流失预测的具体目标、分析对象的业务特点以及可获数据的特点来选择合适的技术。
埃森哲（2005）对决策树、逻辑回归和神经网络三种建模技术的评估是，决策树和神经网络的抗脏能力比较强，适用于数据不完美的情况；
逻辑回归适用于自变量与因变量之间的关系较好符合预先假定（线性或者非线性关系）的情况；
而神经网络则适用于对预测准确度要求很高但是对解释性要求不高的情况。
2研究框架和方法
本文的研究框架和方法分两个阶段，首先、在研究如何能够准确预测客户的流失概率、流失业务和流失金额的预测阶段，主要基于数据挖掘过程模型CRISP-DM的数据挖掘方法论展开，在充分理解和定义流失客户的基础上，主要使用SPSSClementine针对关键字段包括收入价值、通话行为和产品持有等原始变量的15000家政企客户清单级数据，进行两步共计420万次逻辑运算，第一步、数据理解，从生产系统中提取166个原始变量；
第二步、数据整理，用37个业务逻辑将第一步数据表中的原始变量衍生出45个过程性变量，接着再通过61个业务逻辑将第二步的过程性变量衍生出69个最终变量，得到最终的政企客户宽表，完成了预测模型的输入环节。
在流失预测模型的建立与验证，校验与评估的部分，主要使用SAS工具构建基于Logistic回归的流失预测模型，并进行了混淆矩阵和ROC检验最终得到最终的流失预测模型。
其次、在研究如何能够将预测会流失的客户进行流失应对阶段，主要以流失应对体系的设计和管理为核心，展开包括1条端到端流失应对主流程和7条操作级EPC流程，流程设计和管理主要使用流程管理工具ARIS。
同时重新制定并建立了流失应对体系所涉及的14个与流失应对相关的岗位和职责。
最终，通过客户流失预测和流失应对体系实现了规范化、流程化和制度化的全新流失应对管理体系和管理模式。
如图1所示。
3流失应对体系建设
3.1数据挖掘和流失预测
第一步、商业理解：
再此阶段我主要定义了什么是客户流失、客户流失预测的提前期以及项目最终的目标和计划，客户流失定义为：
客户季度过网时长大于0分钟的主动流失客户；
流失预测的提前期为一个季度内；
项目最终目标是2008年挽留8亿分钟的过网流失，提升市场占有率5%。
第二步、数据理解：
主要工作是收集原始数据并对数据进行理解，了解数据质量，获得数据的初步认识形成隐含信息的某些假设。
梳理了平均费用和额度、趋势和波动、不同业务类型构成比例、次数和时长、去向和时段、产品拥有情况、响应等变量的取数点和数据质量，以及这些变量对流失的影响程度的假设进行验证等等。
第三步、数据准备（DataPreparation）：
本阶段包括所有从原始数据构造到最终建模所需数据集的所有工作。
第一阶段通过数据表、记录和属性的选择，选择了166个原始变量（主键1个、客户信息12个、价值52个、行为26个、业务持有49个、协议签约22个、服务满意4个）。
与此同时确定了抽样的时间窗口后，抽样范围也基本确定：
预测时间内的主动流失客户与正常客户在观察时间的历史数据。
举例而言：
抽取2008年第三季度（7月1日到9月30日）的政企客户的流失与否作为目标变量，同时取在2008年第一季度和第二季度（1月1日到6月30日）之间的客户基本信息、客户合同信息、客户账单信息、客户通话详单等等作为说明性变量。
以此两部分数据作为训练数据集的基础，完成模型建模，进而以2008年第二季度（4月1日到6月30日）和第三季度作为说明性标量输入模型，进而预测2008年第四季度（10月1日到12月31日）内中高端客户流失可能性。
第二阶段、为预测模型进行的数据转换、数据清洗，并生成最终的客户宽表，我大致通过两次业务逻辑将近420万次计算生成宽表。
首先、通过37个业务逻辑将第一步数据表中的原始变量衍生出45个过程性变量（客户信息8个、价值8个、行为12个、业务持有12个、协议签约3个、服务满意2个）。
其次、通过61个业务逻辑将第二步的过程性变量衍生出69个最终变量，其中61个逻辑字段和69个字段属性（客户信息8个、价值16个、行为24个、业务持有15个、协议签约4个、服务满意2个）。
最后生成的统一客户视图客户分析记录宽表，宽表正是预测模型的输入，如表1所示。
第四步、模型建模：
在这个阶段可以我选择logistic回归模型技术进行建模。
通过不断的训练数据集得到模型的最佳参数，并最终选择了鲁棒性最好的一个模型完成流失预测。
第五步、模型评估：
经过前面的步骤的阶段，已经有了一个从数据分析角度来说具有高质量的模型。
在确定将这个模型部署到实际工作前，完整彻底地评估这个模型、检查建立模型的各个步骤以确保模型很好地达到项目目标很重要。
具体评估，混淆矩阵见表2、ROC曲线见图2、说明性变量统计见表3。
第六步、模型发布：
再此阶段针对管理层进行10个流失等级客户群，所体现说明性变量表现的，客户群发布视图见表4，同时发布针对执行层的1.5万家清单级客户流失的概率、风险等级、流失业务和流失金额的预测总表，见表4。
3.1流程设计和岗位职责重设
然而单纯知道哪些客户可能会流失是不够的，更为要紧的是如何通过一整套流失应对体系去真正实现流失客户的挽回。
要想建立这样一套体系，就必须首先排查电信企业产销协同高阶7大流程区域和27大二级流程区域，如图3所示。
正是基于这样的基础，我设计并构建一条面向流失应对的端到端主流程，其中涉及1条端到端流失应对主流程，7条操作级EPC流程，共计33个流程接口、86项工作步骤、47项工作表单和14个角色，见图4所示。
流失应对体系的建设是完全建立在原有组织架构之上的，在保留原有职能部门职责的同时，又赋予了一些面向流失应对体系的新职责。
而改变相对较大的共14个岗位，其中市局4个、分局3个和支局7个岗位的岗位职责。
涉及到的岗位包括：
市场与客户战略岗、流失情报分析岗、流失经营分析岗、政企客户战略岗、流失洞察分析师、数据管理岗、营销统筹管理岗、资费管理岗、业务管理员、预算管理岗、渠道规划岗、渠道统筹管理岗、流失营销策划岗、服务督察岗等。
流失洞察分析岗、数据管理岗、新品流失应对岗、流失经营分析岗、新品营销管理岗、业务管理员岗、流失营销策划岗、营销主管岗、营销主办岗、客户经理助理岗、客户经理岗、欠费追缴员岗、驻地网经理岗、社区经理岗。
当流失应对体系围绕着核心的流失应对端到端流程和一系列操作级流程，重新制定岗位职责后，我们运用预测模型计算出的预测流失客户清单为流失应对目标，以新产品的价格和价值优势为工具，展开全面有组织的流失应对专项行动，最终通过季度性流失应对执行效果排查和评估我们发现通过客户流失预测模型上到下的预测，以及一线销售人员客户经理下到上的预测确认后，所得到的流失预测客户清单，与后来全季度实际的误差为12.59%，其中5.25%是未预测流失客户而后来又发生流失的情况，7.34%是已预测流失客户而后来却未发生流失的情况。
再次证明了这套体系的在实际流失应对工作中的良好效果。
4研究结论与贡献
4.1研究主要结论和创新点：
1、提出了电信运营企业政企客户流失预测的具体方法，以及流失应对体系建立的具体路径（横跨数据挖掘和流程管理两个专业领域）。
本文在借鉴
升级会员 