為了避免由客戶流失造成的損失,您必須找出那些有流失危險和最有價值的客戶,並相應開展保留和獲取客戶的活動。覺得現在的工作中我們可以利用現有的資料,並對這些資料進行分析來判斷哪些客戶有流失危險,哪些最有價值。
clementine可以研究客戶流失中客戶特徵分析、流失**、流失後果評估等問題。
研究客戶流失的時候一般會考慮到以下的一些問題:
1. 現有的客戶哪些客戶即將流失?
2. 現有客戶他們的流失概率如何?
3. 哪些因素造成了客戶的流失?
4. 客戶流失對客戶自身會造成什麼影響?
5. 客戶流失對電信公司的影響如何?
6. 不同類別之間客戶的流失情況有什麼差別?
7. 如果某個客戶將要流失,他會在多長時間內流失?
研究哪些客戶即將流失時,將其定位為乙個分類問題,即將現有客戶分為流失和不流失兩類。選擇適量的歷史上流失客戶和未流失客戶的屬性資料組成訓練資料集,利用神經網路、決策樹、logistic回歸等分類建立客戶流失的分類模型。clementine同時會給出分類結果的概率值,這個值可以看作是客戶的流失概率。用建立的分類模型**可以對現有使用者進行流失**,並給出流失概率。
分析流失使用者的特徵時可以有很多方法,用關聯分析的方法可以將選擇合適的資料集,將是否流失作為目標變數,其他的客戶屬性作為輸入變數使用apriori或gri模型分析,可以分析哪些屬性是影響流失的重要因素。另外也可以用決策樹模型得出客戶流失的規則集或決策樹。決策樹既具有分類**的功能,它的可解釋性很強,很適合特徵描述。
分析客戶流失對客戶自身的影響時,主要可以考慮客戶的流失成本和客戶流失的受益分析。客戶流失成本可以考慮流失帶來的人際關係損失等因素,通過歸納客戶的通話特徵來表徵。減少客戶流失的乙個手段就是增加客戶的流失成本。客戶流失的受益分析就是判斷客戶流失的動機,是**因素還是為了追求更好的服務等。
分析客戶流失對電信公司的影響時,不僅要著眼於對收入的影響,而且要考慮其他方面的影響。單個的客戶流失對電信公司的影響可能是微不足道的,此時需要研究流失客戶群對電信公司收入或業務的影響。這時候可能需要對流失客戶進行聚類分析和關聯分析,歸納客戶流失的原因,有針對性地制定防止客戶流失的措施。
在研究不同類別之間客戶的流失情況時候,我們首先需要做的就是對現有客戶的細分。客戶細分的方法有很多,常用的有根據業務知識劃分、聚類分析。客戶細分後使用統計分析、關聯分析、決策樹分析等手段來研究不同類別間客戶的流失情況。找出需要特別關注的流失群體,採取必要的挽留措施。
在**客戶流失時乙個很重要的問題是流失的時間問題,即乙個客戶即將要流失,那麼它可能是麼時候會流失。被**為流失的使用者如果很快就流失了,沒有補救的餘地,這樣的**即使很準確也沒有多大意義。根據經驗,**某個客戶在距今多長時間流失是不現實的。對這個問題需要在資料探勘的各個環節多下功夫,特別是業務的理解和資料準備階段,通過變通的方法來處理。總之在利用資料探勘研究客戶流失問題時,需要明確並深入理解你的目標,在這個目標的基礎上準備你的資料、建模。clementine具有資料探勘的全部分析方法、關聯分析、分類、**、聚類等。在研究客戶流失問題時可以分別使用或組合使用這些分析方法。它的crisp-dm標準可以幫助你規範你的資料探勘流程。下面簡要介紹利用clementine**現有客戶中哪些即將流失的資料探勘流程。
比較常用的演算法為:c5.0、神經網路、logistic回歸模型
基於資料探勘的客戶流失分析案例
客戶挽留在很多行業都是乙個備受關注的問題,比如電信 銀行 保險 零售等。要做客戶挽留就需要對客戶流失進行預警 客戶流失原因分析 客戶滿意度或忠誠度研究 客戶生命週期研究等相關問題進行深入而全面的分析。例如,對客戶的行為特徵進行分析,可以了解有多少客戶流失,客戶是什麼時候流失的,以及客戶是如何流失的等...
資料探勘在電信客戶流失分析中的應用
資料探勘 是近年來伴隨著人工智慧和資料庫技術發展而出現的一門新興技術。它的核心功能是從巨大的資料集或資料倉儲中獲取有用資訊,以供企業分析和處理各種複雜的資料關係。隨著 電信市場競爭的日益加劇,運營商普遍開始向 客戶驅動 管理模式轉變。最近幾年,資料探勘技術以其強大的資料分析功能被普遍應用到電信運營商...
資料特徵分析 Python資料探勘與分析
1.分布分析 1 定量資料的分布分析 求極差 組距 組數 分點 列出頻率分布表 繪製頻率分布直方圖 2 定性資料的分布分析 定性的資料常常使用變數來分組,然後使用餅圖 柱狀圖等來展示 2.對比分析 兩個相互聯絡的指標進行比較,從數量上展示和說明研究物件規模的大小,水平的高低,速度的快慢等 1 絕對數...