电信数据挖掘之流失管理【转载】

这几天在长春出差，偶得轻闲。也就想起写写专题应用，前面已写了"开篇"、细分。再谈谈流失。

电信流失管理，这个专题内容涵盖非常广，涉及的知识点也特别多。借"头头脑脑"论坛，也谈谈自己的一些理解。

在谈流失之前，写介绍大家一本书，原版是一个老外写的，"Telecom Churn Management"，老外叫 Rob Mattison，我们都叫他老Rob。华为公司好像已经把此书翻译成中文－－《电信流失管理》。

流失要写的多，未免就怕写的杂，先理理头绪：

1）移动经营分析系统流失专题应用现状

2）流失分类

3）流失管理

移动经营分析系统流失专题应用现状

本想写成"建设现状"，想想还是改为应用现状吧。基本上各省移动公司的经营分析系统建设中，都相继建立了流失预警模型。移动公司手机用户的流失还是比较厉害的：从人数看，月流失率在2－3％，年流失率在25％左右，这也许是流失专题都已经建设的主要原因吧。

流失预警专题究竟应用得如何呢？

在移动公司，担负客户关系维系的主要是一线大客户经理，他们"一对多"个移动vip用户，对他们日常工作考核，就有维系客户中流失比例。为此客户经理要应对好多警规则：如n天没有呼叫、主叫下滑多少、呼转小灵通或联通号码、合同快到期、拨打了1001等敏感号码等等，在xx省移动就有不下30种的预警规则，结果却适得其反：这些大客户经理成天就是联系客户，处理预警。下地市时和这些大客户经理有过"亲密接触"，vip用户也不是好伺候的，一不小心就被扣上"偷看隐私"、"骚扰"的帽子。另一方面，因为这些预警，在经营分析流失专题之前已经建设，加上流失预警专题提供的"流失预警"任务，这些经理"哥哥"们已经是虱子多了不怕咬了；做了几个月关怀情况，模型提供的流失名单关怀比例20%左右，流失嘛，还是那么高－－名单几乎不处理，名单流失还是"高"，倒是可以看出模型准确性还挺不错。

谈谈流失预警专题应用模式吧，主要是通过建立流失模型，给关注群体进行流失打分，然后将分值高的用户作为预警名单，提供给客户经理进行预警处理。模型建立方式，有分地域建的，也有全省一个模型的，也有按不同品牌（全球通、动感地带、大众卡等）建单独模型；名单提供上，有直接通过经营分析系统展现的，也有回传给boss系统来展现的（所谓的闭环嘛，从boss等生产系统获取数据，然后分析结果输出并作用于生产系统）。

再谈谈流失预警专题评估指标，一般来说，都没有把专题建设评估放在应用效果上－－流失降低xx百分点，挽回xx损失，毕竟应用还是停留在一厢情愿，大客户经理不领情！

多数还是只针对模型本身提出了：查全率、准确率两个指标上。

查全率，就是模型给出了诸多名单中，真正流失的有x个，而当时全网总流失人数是y个，那x/y就是模型抓住了多少"流失"用户，即查全率。
准确率，比较好理解了，就是模型给出了a个流失名单，而其中真正的流失的是b个，那a/b就是流失的准确率了。也有称准确率为"纯度"的。

根据查全率和一般流失率，就可以得到新的计算指标－－提升度，就是模型给出的名单中流失比率，和全网用户的流失比率相比，提高多少倍。

随着流失应用的不断发展，对流失应用也进行了划分，出现了预警、告警2模型，那些已经出现流失征兆的，通话大幅下降的用户，归为告警，对这些用户的处理要及时，好比发现癌症再动手术，花费大且常常活不多久。预警，主要对当前还是健康的用户，预测未来1、2个月的流失可能性，可能性高的就用于挽留，这样也使模型具备了一定的"前瞻性"，经理"哥哥"就有充裕点的时间来处理了。

Rob书中提到，流失模型给出的只有流失的可能性大小，没有流失原因；流失模型给不出流失原因。也就出现这样一些实际问题：作为大客户经理，看到这个用户很健康呀，各项指标都不错，为什么要预测他流失？原因是什么？（不好回答哟）

不过，流失原因是可以做一些市场调查的，从已流失用户的市场调查可得到这样一些结论：
资费（47）、网络覆盖（11）、通话质量（11）、客服（13）、其他（18）。
看来资费原因还是很厉害呀。在浙江调查好像是70％左右都是资费。

谈谈流失分类吧

老Rob书中，根据用户意愿，分成主动流失（voluntary）和被动流失（involuntary），记得当时看到这一提法，还是很认同呀。

1、来看看主动流失吧

1）有经过慎重考虑的（delibrate），如：新技术出现、经济、网络质量、社会地位及生活圈子等、方便等等。2）有偶然发生的，如：工作生活地址变动等。

2、被动流失，主要就是欠费、欺诈等等。（唉，这个论坛不知如何发个图片，否则阐述电信用户发展规律就比较简单了）

怎么样，老Rob的分类，不知大家有何不同看法？

流失管理：

Rob提到了2个传统行业的流失管理，从实际看，这些倒是在现有电信行业中多少有些借鉴的。一个是零售业，一个是航空业，大家可以上google搜一把。

流失管理中的四个规则：

1）流失通常发生在：a客户不满意 b有替代产品 c竞争对手有更优惠的政策

2）流失发生就有损失：客户流失了收入受损，挽留客户要投入成本。

3）花费选择：a) 让收入受损 b）投入成本进行流失控制 c）大力发展新客户

4）价格战，对于市场地位、市场份额是没有多大作用的

流失管理，需要选择有价值客户，选择适当时机。管理的重点在于客户关系管理。其中提到：组织结构建设，呵呵，这个就是太泛泛了。从广告投入、市场营销、客服、代理商、计费等多个部门都要管理。我想这CRM可是比较博大精深，在此就不谈罢了。

流失管理中，客户细分是重要工具，目的就是把客户细分成可管理的群体。此处的细分有别于此前提到的“滥用细分”，这里细分比较广义，基本细分、结构细分、目标细分都包括，如按带来收入的多少就可以将客户分为：低端、中等、高价值、银卡、金卡、钻卡等。

流失管理，既然提到选择有价值客户，那就需要创建CVF了（Cust value function）。
流失管理，给用户一个流失指数（这就是目前诸多流失模型给出的“用户流失概率值”）
如何保持挽留、客户呢？

1）要做流失原因分析哟，才好对症下药。

2）建立crm管理模式，即前面提到的组织结构建设：

根据用户从"认知－－熟悉－－偏好－－协商－－交易"各个环节，做好一整套组织结构的建设及管理。

看了严的文章，受益啊。不过，支撑这些管理思想后台的技术能不能介绍一点。比如做流失模型时，里边用了哪些挖掘的方法？多层神经网络？决策树？细分肯定会用到聚类吧？还有在做模型时，测试集和检验集的大小是怎么个取法，最后做LIFT CHART时又是如何实现的？

个人认为流失模型其实就是预测模型，预测你会不会流失，不考虑业务逻辑细节的话，流失预测和购买预测是类似的，根据已有的字段去预测一些未知的字段。

就好像是我们做物理试验，做了一些试验，测得了一些数值，然后老师让我们记录一张表

测量值A   测量值B   测量值C   观测值1

我们测了一百组（也就是400个）这样的数据，这样，我只要知道了测量值A～C查表我就可以知道测量值。但是万一表里面查不到怎么办啊？没事，我用这一百组数据拟合出一个公式y=f（x1,x2,x3），我以后把x1,x2,x3代入就可以得到y了。

我用那四百个数字去凑这个函数f的过程就叫建立，这个y=f（x1,x2,x3）就是模型。

y=f（x1,x2,x3）知道了以后，我就要试试这个模型好不好。两种办法，一是建立模型的时候就留了一部分数据，留了以后检验，另外一种就是你再去搞点数据来试试吧。这个比例怎么定呢，对于不同的业务不同的数据是不一定的，说法也比较不一致，所以我采取的做法就是都试试（三比七到七比三），哪个好用哪个，时间紧就对半分。差距不会很大的

看到这边你也许会觉得厌烦了，你想知道的是什么技术好，决策树还是神经网络？但是我认为：没有所谓好，也没有所谓不好。数据挖掘不要把过多的细节去放在这上面，更重要的是对业务逻辑的理解。从另外一个方面讲，如果某个算法明显不好，他怎么还不会被淘汰呢？如果一个算法明显好，为什么大家不都去用他呢？所以怎么说呢，神经网络，c5,c&RT,逻辑回归，线性回归什么的都用用呗，检验出来哪个好就用哪个。

另外其实还有更多的思路：组合模型。比如每个算法出一个结果，少数服从多数呗。当然这个只是简单的组合模型的例子，你也可以自己开动脑筋。

提到lift chart，顺便讲讲常用的三个评估指标

命中率  我猜100个客户会流失，真的有多少流失了  比值就是命中率

查全率  我猜了100个，猜中了12个，但是我这个月流失了120个，查全率是10％

提升率（lift） 流失不太容易简单的解释。用购买预测为例。原来我营销一万个客户，可以买出10个，现在我精选了1000个名单，就买出了十个，生意是不是容易做了10倍？lift＝10。

bolow 对于模型技术的表述，很是简单易懂。

在做电信用户流失预警专题应用时，模型技术的地位相对来说要次要些（倒是很多产品厂商很愿意关注模型技术，毕竟和软件产品关系紧密些）；更关键的是要能够提供“流失预警挽留”的整体解决方案，也就是如何管理流失，。
Rob Masttion的观点：

首先要细分客户，因为不同客户的流失管理方法是不同的（如全球通、神州行，就不能同等对待）。如各地移动，基本都建立了个人大客户管理、集团大客户管理，对于这些客户的流失管理方法当然也要区别对待。一对一开展服务忙不开的，细分成易于管理客户群，针对每群来做工作。

细分客户之后，就是要建立客户价值评估体系，我们应该更多关注那些能够带来更多收入的客户，那些忠诚、有信用的客户。

如何挽留，这就不好固定为某种方式了。从流失原因分析，资费原因占主要，那么根据用户消费行为特征推荐合适的资费方案，就比较重要了。已有的亲情号码、vpmn等都是很成功的方案；用户使用市话、短信、长途、新业务等等，如何形成一个比较贴近用户消费行为的多业务资费优惠方案，并且要让用户很“明显”的感受到。当然，还有很多其他原因导致流失，如号码不好，网络不好，客服不好，朋友圈子都用其他运营商的等等，如何做好这些用户挽留工作，就比较复杂了。