文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 经管营销 > 经济/市场 > 生存分析在电信增值服务行业客户流失分析中的应用
侵权投诉

生存分析在电信增值服务行业客户流失分析中的应用

生存分析在电信增值服务行业客户流失分析中的应用

进行的,具体分为业务问题识别、数据选择、数据清洗和预处理、模型建立、模型解释、模型的评估

[5]

与检验、模型应用7个阶段.2.1 业务问题识别

我们的目的是建立一个客户流失模型,用以反映用户类型、用户地区等属性数据与客户流失概率之间的关联,并给出明确的数学公式.根据此模型企业能够预测客户流失的概率,揭示潜在的流失客户,指出某个客户流失的主要原因,制订针对性的营销措施来提高客户忠诚度,防止客户流失的发生,改变以往电信增值业务提供商在成功获得客户以后无法监控客户流失、无法有效实现

[5]

客户关怀的状况.2.2 数据选择

经过分析比较后,客户流失分析的目标变量选择为客户流失概率,输入变量包括用户的地区(福州,厦门等地区)、用户类型(联通手机、移动手机、电信小灵通)、总发送短信条数、总接收短信条数、使用时间.2.3 数据清洗和预处理

利用SPSS公司的数据挖掘软件Clementine采用可视化方式进行数据清洗和预处理:清洗掉其中有缺失值的记录;对两个分类变量(用户地区和用户类型)进行零散化处理,得到5676条用户记录,并利用Clementine数据抽样控件将其分为两部分,其中60%约3406条记录用于建模,其余40%约2270条记录用于对新建模型进行检验和修正,最后将清洗后的数据存放在数据库中.2.4 模型建立

在模型建立之前,先利用生存分析另外一种非参数方法(Kaplan-Meier法)分析客户所在的地区和客户类型对客户的流失概率是否有显著影响,并删除影响比较小的变量,以提高模型的精确度.2.4.1 客户所在地区对流失概率影响的显著性

分析

因为用户大部分都是福州地区的,其他各个地区用户数都比较少,所以,将用户按照是否福州地区分为两类,用SPSS12.0提供的Kaplan-Meier法进行生存分析.参加分析的总共3406个用户信息,其中福州地区占了1822个,其他地区占了1584个.他们的平均使用天数和中位使用天数资料如表1所示.

从表1分析结果可以看出,福州地区的用户平均使用天数和中位使用天数明显都比非福州地

生存分析在电信增值服务行业客户流失分析中的应用

表1 不同地区用户的平均生存时间和中位生存

时间

Table1 Meansandmediansforsurvivaltime类别平均使用天数标准差95%置信区间中位使用天数标准差95%置信区间

福州地区117863~981231474~98

非福州地区809102~13386695~151

1.4302倍数1.4625

从二者的生存函数(图1)看,福州地区的用户在使用了220天后,仍然还有40%左右的用户没有流失,而非福州地区的用户各个时间段的生存率比较低,而且到了115天左右,生存率急剧下降,到180天的时候,生存率为0,即所有的用户都流失干净.

图1 不同地区用户的生存函数Fig.1 Survivalfunctionsofdifferentareas

从以上两个方面分析可知:福州地区和非福

州地区的用户使用时间差异是比较明显的.2.4.2 用户类型对客户流失概率影响的显著性分析

将用户类型分为三组,用SPSS1210提供的Kaplan-Meier法进行生存分析,对这3406个用户的平均使用天数、中位使用天数以及生存函数进行分析,分析结果如表2所示.

从表2分析结果可以看出,不同类型用户的平均使用天数和中位使用天数差别比较明显,其

表2 不同类型用户的平均生存时间和中位生存时间

Table2 Meansandmediansforsurvivaltime类别

平均使用天数标准差95%置信区间中位使用天数标准差95%置信区间

移动用户64260~6745633~57

联通用户109893~125117999~135

电信用户103397~108*

*由于电信小灵通用户流失少于总用户数量的一半,所

上一页第2页

你可能喜欢

  • 客户行为分析
  • 客户流失
  • 客户分析模型
  • 电力行业
  • 行业政策
  • 文化行业
  • 行业联

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email