基于数据挖掘技术的客户保有应用研究

随着世界经济全球化、市场的国际化，国内电信市场的竞争日趋激烈，电信企业的经营模式逐渐从“技术驱动”向“市场驱动”、“客户驱动”转化^[1][2]，电信企业的市场战略定位由原来的“生产型企业”逐渐向“利润型企业”转化^[3]。这就要求电信企业要采取以客户为中心的策略，根据客户的实际需求提供多样化、层次化、个性化的服务解决方案^[1][2]。但是，由于市场的逐渐饱和、增量客户发展的减速，使得存量客户的维系与保持逐渐成为大家关注的焦点。目前，国际上，美国电信行业客户流失率为30%，欧洲为25%，亚洲运营商统计的客户流失率高达48%^[3]，国内，中国联通CDMA客户流失率约为17.9%，GSM为32%，中国移动的客户流失率为12.6%，中国电信小灵通的流失率约为10%^[4]。而获取一个新客户的平均成本相当于一个客户5年内给公司带来的净利润，这种情况直接导致客户回报率下降^[5]，另外，有研究表明，一个电信企业如果能够将其客户流失率降低5%，利润就能够增加25%至85%。所以降低客户流失率，提高客户满意度及忠诚度，提升客户价值，是运营商在竞争中制胜的关键。

近几年，电信企业建成了一系列完善的业务管理和生产系统，包括：“BOSS系统”、“渠道系统”、“综合结算系统”等，掌握了大量的运营数据。通过分析这些数据，可以了解客户的消费行为特征和某项业务的市场预测等多方面的信息，从而可以指导企业的市场活动，这就是数据仓库与经营分析的内容^[6]。

本文以湖北电信经营分析系统的实际开发与应用为背景，以数据仓库、数据整合、数据挖掘技术为手段，探索了客户流失预警的相关方法。

1. 客户流失与客户保有

电信客户是指一个已经或可能获得电信提供的产品和服务，且能承担法律责任的个人或组织。

客户流失通常因为市场饱和、市场动态变化等典型市场特征而成为电信公司首要考虑的问题。由于电信市场日趋饱和，所以获取新客户的成本比留住现有客户群要昂贵得多，并且竞争对手、技术以及法律法规等动态市场变化更容易使客户流失到其他公司^[7]。

作为流失问题，主要关注的有如下几种客户：（1）申请销户客户，客户主动申请停止号码的使用。（2）强制销户客户，客户欠费停机后停止使用号码的权利。（3）零次不欠费客户，长时间零次通话，但没有欠费停机的客户^[8]。

分析客户流失的原因，可以总结为主动流失和被动流失两大类：（1）主动流失。财务原因，如资费过高，通话需求不高，为了降低开支，停止使用号码；有其他运营商提供了更适合自己的资费品牌或资费计划。非财务原因，如跨区迁移；病故；销号；避免搔扰。（2）被动流失。如欠费拆机（单停、双停）^[9]。

集成的客户数据是企业最为宝贵的宝藏，根据已有的客户流失数据，建立客户属性、服务属性、客户行为等数据与客户流失概率相关联的数学模型。找出这些数据之间的关系，并给出明确的数学公式。然后根据此模型来监控客户流失的可能性。如果客户流失的可能性过高，则通过促销等手段来提高客户忠诚度，防止客户流失的发生。这就彻底改变了以往电信运营商在成功获得客户以后无法监控客户流失、无法监控客户流失、无法有效实现客户关怀的状况。

在分析客户流失的状况时，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的标准也不相同，因此必须对对客户进行细分。客户细分主要有两方面的工作，首先，确定客户细分的标准。业务人员依据其业务知识、自己对客户的了解，或者为了某种营销或管理上的目的，提出某种划分的原则或标准。然后运用数据挖掘工具，将用户的各种数据输入到聚类算法模型中，客户进行进一步分组，统计每组客户数量以及占中费用的百分比，同时，对聚类的结果进行分析，分析每一组客户的特征，分析可能流失的原因^[5][10]。

选择合适的目标客户群、确定针对性的保有策略，是确保整个客户保有营销活动成功的关键所在。可以将客户流失预测模型与客户细分模型紧密结合，既能获取各客户的流失倾向，又能洞察各客户的不同业务特征，便于市场营销部门选取流失倾向较高的客户采取针对性的保有策略。

2. 数据挖掘与客户保有

电信企业所积累的海量数据是企业的一笔高贵财富，谁能正确地挖掘与分析隐含在数据中的知识，谁就能更好地向用户提供产品与服务，从而在竞争中获胜。

数据又称为数据库中知识发现（Knowledge Discovery from Database，简称KDD），它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的复杂过程。数据挖掘的定义过程描述如下图所示：

图 1 数据挖掘过程

从图中可以看出，整个知识挖掘过程是由若干挖掘步骤组成，而数据挖掘仅仅是其中的一个主要步骤。整个KDD的主要步骤有：（1）数据清洗（data cleaning），其作用就是清除数据噪声和与挖掘主体明显无关的数据；（2）数据集成（data integration），其作用就是将来自多数据源中的相关数据组合到一起；（3）数据转换（data transformation），其作用就是将数据转换为易于进行数据挖掘的数据存储形式；（4）数据挖掘（data mining），它是知识挖掘的一个基本步骤，其作用就是利用智能方法挖掘数据模式或规律知识；（5）模式评估（pattern evaluation），其作用就是根据一定评估标准（interesting measure）从挖掘结果筛选出有意义的模式知识；（6）知识表示（knowledge presentation），其作用就是利用可视化和知识表达技术，向用户展示所挖掘的相关知识。

3. 数据仓库体系架构

为了全面集成电信企业的业务数据，需要将BOSS系统、渠道系统、综合结算系统等生产系统作为数据源，对这些数据源的数据进行抽取、转换、清洗操作，最后加载到数据仓库中。由于数据源每天都会产生海量的数据，因此，在权衡性能等因素后决定采用Teradata作为数据仓库，统一存放与管理格式化后的数据。利用cognos8作为数据挖掘平台。

数据源

业务用户

ETL

数据集市

抽取

转换

清洗

加载

查询

报表

OLAP

数据

挖掘

数据仓库

TeraData

5450H

信息访问

可选项

图 2 数据仓库体系架构

4. 数据仓库对客户保有的支持

客户保有的主要目的是防止客户流失，利用客户流失预警可以对有流失倾向的客户尽早进行挽留操作，从而最大限度的避免客户流失。

客户预警主要是对电信客户所处状态的一种判断，其本地是一种分类问题，即将现有客户分为两类：有离网倾向的客户和无离网倾向的客户。具体实现方法为根据已有的离网客户数据归纳其特征，当拥有新的客户数据时，依此预测识别具有离网倾向的客户。

当然，在分析客户流失时，还应该考虑电信企业的运行维护成本。因为在有流失倾向的客户中，存在一些价值远远低于企业保留该改客户的维护开销，所以，应该结合客户的价值、消费结构和消费趋势以及使用习惯等，对客户进行细分，从而实现针对不同客户的个性化主动营销。

执行以客户保有为目的的针对性营销后，可以将营销结果反馈到数据仓库中，从套餐发展、客户价值和行为变化等角度对营销活动进行评估与改进，从而达到最终的客户挽留目的。

支持市场营销过程

每日关键指标监控

每日了解产品发展、欠费、竞争对手用户数等关键指标；

每月主营收入等关键指标。

业务分析

多角度，全方位分析量、收入和欠费情况；

营销效果评估

从套餐发展、选择套餐用户价值和行为变化等多角度评估套餐有效性；

客户保有、提升、获取

结合价值、消费结构及趋势、使用习惯等消费特细分客户群，实现主动营销和客户保有。

发现问题

多角度分析

评估与改进

针对性营销

图 3 数据仓库对客户保有的支持

参考文献：

[1]. 龙志勇. 数据挖掘在电信行业客户关系管理中的应用[J]. 信息网络. 2003.

[2]. 何明轩. 数据挖掘在电信客户关系管理的应用[J]. 电脑知识与技术. 2006.

[3]. 王雷, 陈松林, 顾学道. 客户流失预警模型及其在电信企业的应用[J]. 电信科学. 2006.

[4]. 罗布·马蒂森. 电信业客户流失管理——电信管理精选译丛[M]. 人民邮电出版社. 2006.

[5]. 李睿仙, 庞洁, 胡建华, 王清心, 江伟. 一种基于电信客户流失预警的解决方案[J]. 电脑知识与技术. 2006

[6]. 李旭军, 朱方洲. 数据仓库技术在中国移动经营分析系统中的应用年研究[J]. 电脑知识与技术. 2005.

[7]. 蔡强, 薛森. 数据挖掘技术及其在经营分析系统中的应用[J]. 电信科学. 2005.

[8]. 张秀林. 基于数据挖掘的电信业客户流失[J]. 滨州学院学报. 2006.

[9]. 张静妙, 郑广. 数据挖掘在电信行业的应用研究[J]. 商场现代化. 2007.

[10]. 王翠英, 林齐宁. 基于客户细分的电信数据挖掘[J]. 信息网络. 2004.

[11]. 张晖. 基于决策树的数据挖掘在电信CRM中的应用研究[J]. 电脑开发与应用. 2006.

[12]. 赵维宁. 运用数据仓库技术构建电信企业经营分析系统[J]. 广东通信技术. 2002.