張 宇，張之明

（1.西安交通大學(xué) 經(jīng)濟(jì)與金融學(xué)院，陜西 西安710061；2.陜西省郵政公司 電子商務(wù)局，陜西 西安710061；3.武警工程大學(xué) 信息工程系，陜西 西安710068）

一、前 言

近年來，隨著電信行業(yè)的迅猛發(fā)展，各運(yùn)營商之間的競爭逐漸加劇，客戶可選擇的運(yùn)營商和產(chǎn)品日益增多，客戶流失問題是困擾運(yùn)營商的一大難題?？蛻羰瞧髽I(yè)的利潤之源，有效防止客戶流失，提高客戶忠誠度，對于企業(yè)的生存與發(fā)展有非常重要的意義。研究表明，客戶流失率減少5%，能給企業(yè)帶來30%～85%的利潤增長；發(fā)展新客戶的成本是挽留客戶的5～7倍，而挽留客戶的成功率卻是發(fā)展新客戶成功率的16倍［1］?？蛻袅魇ьA(yù)警就是利用數(shù)據(jù)挖掘算法發(fā)現(xiàn)即將流失的客戶名單，從而為企業(yè)有針對性地開展客戶維系與挽留工作提供科學(xué)的參考和依據(jù)［2］。數(shù)據(jù)挖掘技術(shù)是分析客戶流失的一項(xiàng)關(guān)鍵技術(shù)。它能夠從海量的隨機(jī)數(shù)據(jù)中，提取有用信息。確切地說，數(shù)據(jù)挖掘主要依據(jù)人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等理論知識(shí)，高度智能地分析原有數(shù)據(jù)，做出歸納性推理，從中挖掘出潛在的模式，能夠預(yù)測客戶的行為，幫助企業(yè)的決策者調(diào)整市場策略，減少風(fēng)險(xiǎn)，做出正確決策［3］。

目前，短信產(chǎn)品內(nèi)容服務(wù)提供商競爭日趨激烈，如何保有現(xiàn)有客戶，較準(zhǔn)確地預(yù)測客戶的流失，并采用及時(shí)有效的措施是許多企業(yè)面臨的新課題。然而，現(xiàn)有客戶流失預(yù)警模型在預(yù)測電子商務(wù)行業(yè)短信產(chǎn)品方面的實(shí)證分析應(yīng)用較少，基于這樣的考慮，本文利用C5.0決策樹算法建立了一種客戶流失預(yù)警模型，并將該模型應(yīng)用于中國郵政企業(yè)的短信業(yè)務(wù)，對其進(jìn)行了實(shí)證研究，旨在對短信產(chǎn)品客戶流失的情況進(jìn)行分析、保有和預(yù)警，并對相關(guān)行業(yè)的企業(yè)提供管理建議。結(jié)果表明，該模型提供了較高的命中率和覆蓋率，具有良好的預(yù)警功能，可幫助企業(yè)及時(shí)發(fā)現(xiàn)有可能流失的客戶，最大程度減少客戶流失。

二、文獻(xiàn)綜述

目前，國內(nèi)外客戶流失預(yù)測算法主要包括基于傳統(tǒng)統(tǒng)計(jì)學(xué)的預(yù)測、基于人工智能的預(yù)測、基于統(tǒng)計(jì)理論的預(yù)測、基于組合分類器的預(yù)測和基于仿生學(xué)算法的預(yù)測［4］。其中，使用最為廣泛的三種算法是Logistic回歸［5］、決策樹［6］和人工神經(jīng)網(wǎng)絡(luò)［7］。

Logistic回歸是一種使用一些已知的變量來預(yù)測未知變量的方法，屬于線性回歸，其根據(jù)最大似然原則使用訓(xùn)練樣本數(shù)據(jù)對未知的回歸系數(shù)進(jìn)行估計(jì)。決策樹是一種以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法，著眼于從一組無次序、無規(guī)則的事例中歸納和推斷出以決策樹表示的分類規(guī)則。神經(jīng)網(wǎng)絡(luò)是一種人腦思考仿真的數(shù)據(jù)挖掘技術(shù)，具有和人類大腦相似的結(jié)構(gòu)和功能，在經(jīng)過訓(xùn)練之后，系統(tǒng)可以在沒有人為干預(yù)的情況下為新的輸入數(shù)據(jù)做輸出預(yù)測。三種建模方法相比，決策樹由于具有良好的容臟能力和解釋能力等得到了研究者和應(yīng)用者的青睞。Chan P.K.等人認(rèn)為，相比其他建模方法，決策樹具有優(yōu)秀的學(xué)習(xí)效率和出色的解釋能力，是業(yè)界廣泛采用的建模方法［8］。崔永哲采用決策樹算法中的C4.5算法對電信客戶建立流失預(yù)警模型［9］，然而相比 C5.0算法，C4.5算法不包含Boosting機(jī)器學(xué)習(xí)思想，算法精度上不如C5.0。徐燕妮等人比較了決策樹和邏輯回歸的優(yōu)劣，找出了兩種建模方法的互補(bǔ)性，提出了創(chuàng)新性模型TreeLogit，將決策樹和邏輯回歸方法的優(yōu)點(diǎn)結(jié)合起來建立電信客戶流失預(yù)警模型［10］。顧光同等人為了進(jìn)一步研究預(yù)警規(guī)則的可信度，在傳統(tǒng)決策樹算法的基礎(chǔ)上將客戶流失預(yù)警規(guī)則Ci（i＝1，2，…，k）引入二元 Logistic回歸［11］。張瑩瑩應(yīng)用CRISP－DM數(shù)據(jù)挖掘過程方法論，在TreeLogit模型的基礎(chǔ)上提出了mSTree－Logistic模型，通過對使用多個(gè)樣本集分別訓(xùn)練出的多棵決策樹預(yù)測函數(shù)進(jìn)行邏輯回歸得到最終的預(yù)測函數(shù)［12］。

此外，鄧森文等人將Cox模型應(yīng)用于客戶流失預(yù)測研究中，通過計(jì)算訓(xùn)練樣本中每個(gè)客戶的生存概率對可能流失的客戶進(jìn)行預(yù)測［13］。蔣國瑞等人針對客戶流失數(shù)據(jù)集的非平衡性和錯(cuò)分代價(jià)的差異性問題，基于傳統(tǒng)的支持向量機(jī)（Support Vector Machine，SVM）方法，將代價(jià)敏感學(xué)習(xí)應(yīng)用于采用不同懲罰系數(shù)的支持向量機(jī)，建立了客戶流失預(yù)測模型［1］。

整體來看，關(guān)于客戶流失的預(yù)測，決策樹方法是比較先進(jìn)，發(fā)展較快，研究較深入，也是應(yīng)用較多的方法。本文正是采用決策樹的方法來建立郵政短信業(yè)務(wù)的客戶流失預(yù)警模型。

三、模型構(gòu)建方法與樣本選取

（一）建模過程

本文采用決策樹的方法來建立郵政短信業(yè)務(wù)的客戶流失預(yù)警模型。原因是：一方面，整體來看，在客戶流失的預(yù)測研究中，決策樹方法是比較先進(jìn)，發(fā)展較快，研究較深入，也是應(yīng)用較多的方法；另一方面，決策樹方法對數(shù)據(jù)準(zhǔn)備要求較低，而其他的技術(shù)往往要求先把數(shù)據(jù)一般化，比如去掉多余的或者空白的屬性；而且在相對短的時(shí)間內(nèi)能夠?qū)Υ笮蛿?shù)據(jù)源做出可行且效果良好的結(jié)果。本文研究的數(shù)據(jù)是由兩個(gè)不同的平臺(tái)（郵政金融平臺(tái)和郵政短信平臺(tái)）中抽取而來，許多字段中的記錄存在缺失項(xiàng)，而且抽取量巨大，達(dá)四百多萬條，因此這兩個(gè)獨(dú)特的優(yōu)點(diǎn)更適合本文的數(shù)據(jù)情況。

在具體模型選擇上，本文采取業(yè)界應(yīng)用較多的容臟能力與解釋力較強(qiáng)的C5.0決策樹方法來建立預(yù)警模型。C5.0決策樹算法中引入了Boosting技術(shù)［14］。Boosting技術(shù)通過建立一組決策樹模型來提高算法精度，具體步驟為：第一，對每個(gè)樣本賦予同一初始權(quán)重值；第二，利用訓(xùn)練集構(gòu)造決策樹，對決策樹判斷錯(cuò)誤的樣本增大其權(quán)重；第三步，選擇樣本建立一個(gè)新的決策樹模型，權(quán)重越大的樣本被選中的概率越高，通過這種方式就能夠?qū)ε袛噱e(cuò)誤的樣本更加關(guān)注，反復(fù)迭代至規(guī)定的次數(shù)，或直到分類誤差小于某個(gè)閾值，同時(shí)在建立的決策樹模型中，每個(gè)模型也被賦予一個(gè)權(quán)重值，模型的錯(cuò)誤率越低，該模型的權(quán)重就越大。

基于C5.0決策樹算法，本文的客戶流失預(yù)警模型的建模過程如圖1所示。首先，模型的輸入為經(jīng)過數(shù)據(jù)約簡后的屬性集合。該屬性集合輸入模型的數(shù)據(jù)集包括一個(gè)目標(biāo)屬性，該屬性將記錄分為兩類：有離網(wǎng)傾向的客戶和無離網(wǎng)傾向的客戶。其次，將數(shù)據(jù)集中2／3的記錄作為訓(xùn)練集，用來構(gòu)造模型，確定模型參數(shù)權(quán)重值，其余數(shù)據(jù)集1／3記錄分為驗(yàn)證集和測試集，驗(yàn)證集用來防止建立的模型出現(xiàn)“過擬和”現(xiàn)象，測試集用來對模型的預(yù)測能力進(jìn)行檢驗(yàn)。

圖1 客戶流失預(yù)警模型的建模過程圖

（二）樣本選取

郵政短信業(yè)務(wù)是依托郵政行業(yè)內(nèi)部業(yè)務(wù)資源，根據(jù)用戶的需求，把郵政各專業(yè)，特別是郵政儲(chǔ)蓄、電子匯兌、窗口速遞和集郵專業(yè)提供的相關(guān)信息以手機(jī)短信方式傳遞給客戶的一項(xiàng)增值業(yè)務(wù)。目前已經(jīng)有超過200億元的業(yè)務(wù)收入和1億以上的穩(wěn)定客戶群。但是近年來，該業(yè)務(wù)面臨較大的同業(yè)競爭壓力，用戶流失率居高不下，因此亟待對短信客戶構(gòu)建流失預(yù)警模型，識(shí)別潛在流失客戶，分析潛在流失客戶特征，明確目前客戶流失的基本原因，為采用不同的保有客戶策略提供依據(jù)。

下面以選取業(yè)務(wù)范圍最廣、客戶數(shù)據(jù)最多，流失率最大的郵政儲(chǔ)蓄余額變動(dòng)短信通知業(yè)務(wù)為例構(gòu)建流失預(yù)警模型。通過分析發(fā)現(xiàn)客戶在剛過免費(fèi)期（每個(gè)選擇郵政儲(chǔ)蓄余額短信變動(dòng)的客戶有兩個(gè)月免費(fèi)試用期）通知后的兩個(gè)月內(nèi)流失率較高，所以優(yōu)先對此部分客戶建模預(yù)警，樣本數(shù)據(jù)選取如下：1.訓(xùn)練集，用于構(gòu)建付費(fèi)期客戶流失預(yù)警模型。正樣本（在網(wǎng)客戶指免費(fèi)期后一直使用此業(yè)務(wù)的用戶）：2月份加辦，在免費(fèi)期過后兩個(gè)月（5、6月）內(nèi)未流失的客戶，取2、3、4月的金融指標(biāo)。負(fù)樣本（流失客戶）：2月份加辦，在免費(fèi)期過后兩個(gè)月（5、6月）內(nèi)流失的客戶，取2、3、4月的金融指標(biāo)。2.驗(yàn)證集，用于驗(yàn)證模型效果。取3月份加辦短信的用戶，將其輸入模型驗(yàn)證其在6、7月的流失情況，取3、4、5月的金融指標(biāo)。以上數(shù)據(jù)需在郵政金融平臺(tái)和郵政短信平臺(tái)兩個(gè)系統(tǒng)中分別選取。

關(guān)于樣本代表性問題，本研究中主要涉及二月份加辦的客戶樣本是否有代表性？由于本文是將二月份這一時(shí)段的所有數(shù)據(jù)全部提取，因此樣本的代表性主要就考慮季節(jié)因素的影響。經(jīng)過對全年數(shù)據(jù)的抽樣分析發(fā)現(xiàn)，各月加辦的客戶在人口統(tǒng)計(jì)特征方面（包括性別、年齡、收入等）沒有顯著差別，因此二月份的加辦數(shù)據(jù)具有一定的代表性。

四、數(shù)據(jù)分析

（一）數(shù)據(jù)描述性統(tǒng)計(jì)

本文選取2010年2月至2011年1月之間郵儲(chǔ)用戶中采納辦理短信業(yè)務(wù)后又在不同時(shí)間采取不同方式流失的客戶，累計(jì)抽取4 221 792人次，并根據(jù)郵政短信業(yè)務(wù)類型對數(shù)據(jù)進(jìn)行分類。短信業(yè)務(wù)類型字段包括是否在網(wǎng)（在網(wǎng)（采納）用戶約234萬，離網(wǎng)（采納后流失）用戶約288萬）；加辦方式（柜面加辦約214萬，批量加辦約208萬）；退訂方式（手機(jī)退訂33萬，其他389萬）；服務(wù)類型（18種服務(wù)中，活期余額變通通知占比最大，約227萬）、計(jì)費(fèi)類型（包月用戶約206萬，包年用戶約51萬），另外還有資費(fèi)、免費(fèi)額、免費(fèi)期等。

接著，從以上數(shù)據(jù)抽取免費(fèi)期后繼續(xù)使用兩個(gè)月以上客戶1.2萬人次，抽取免費(fèi)期內(nèi)流失客戶2萬人次，其主要的業(yè)務(wù)類型數(shù)據(jù)如表1所示。通過對比可以看出，繼續(xù)使用的客戶平均在網(wǎng)時(shí)長顯著高于流失客戶，且時(shí)長較為穩(wěn)定。兩者的賬戶交易數(shù)據(jù)都呈現(xiàn)標(biāo)準(zhǔn)差顯著高于均值的現(xiàn)象，說明受極端值影響較大，而多數(shù)客戶的賬戶交易不頻繁，且涉及的額度較少。相比之下，流失客戶的價(jià)值要高于繼續(xù)使用的客戶，尤其是其中包括了潛在的黃金客戶。

表1 免費(fèi)期后使用兩個(gè)月以上的客戶與流失客戶的對比數(shù)據(jù)表

最后，根據(jù)兩個(gè)系統(tǒng)進(jìn)行數(shù)據(jù)關(guān)聯(lián)，形成具體建模變量及重要性打分如表2所示。其中，在網(wǎng)時(shí)長等15項(xiàng)指標(biāo)為非常重要的建模變量，賬戶前三個(gè)月非賬務(wù)月均交易筆數(shù)等6項(xiàng)指標(biāo)為一般重要的建模變量。

（二）數(shù)據(jù)分析過程

根據(jù)上文選定的變量，建立決策樹模型。建模步驟為：（1）數(shù)據(jù)質(zhì)量檢查。通過對最小值、最大值、均值、空值等的檢查，檢查參與建模的數(shù)據(jù)是否合理。（2）樣本正負(fù)比例調(diào)整。對參與建模的正負(fù)樣本，根據(jù)實(shí)際比例或者其他經(jīng)驗(yàn)比例進(jìn)行抽樣。（3）變量特征選擇。根據(jù)變量的標(biāo)準(zhǔn)差、變異系數(shù)等計(jì)算參與建模的變量相對于分類變量的重要性，在此步驟選取合理的變量參與建模。（4）模型訓(xùn)練。選取C5.0決策樹算法構(gòu)建流失預(yù)警模型，根據(jù)模型的提升度，命中率、準(zhǔn)確率等不斷對模型調(diào)整優(yōu)化。（5）模型驗(yàn)證。把驗(yàn)證集輸入模型，校驗(yàn)?zāi)Ｐ偷臏?zhǔn)確度，根據(jù)驗(yàn)證的結(jié)果再對模型進(jìn)行合理調(diào)整，直到達(dá)到可用的結(jié)果。具體建模指標(biāo)如圖2所示。

（三）模型效果評估與結(jié)論

通過計(jì)算命中率和覆蓋率，具體評估結(jié)果為：模型命中率37.6%，模型覆蓋率24.42%。模型的性能達(dá)到了業(yè)內(nèi)的一流水平，可以有效支撐短信客戶保有工作。根據(jù)模型輸出的決策樹，可以得到以下結(jié)果：（1）賬戶類型：折賬戶；（2）交費(fèi)類型：包月；（3）非賬務(wù)交易筆數(shù)：最近一月幾乎沒有；（4）年齡：35歲以下；（5）月日均余額：上月在90元左右。

圖2 郵政企業(yè)短信業(yè)務(wù)客戶流失預(yù)警模型建模變量圖

因此，郵政企業(yè)短信業(yè)務(wù)流失的客戶特征結(jié)論如下：

1.35 歲以下連續(xù)月日均余額不超過90元，對短信業(yè)務(wù)資費(fèi)較敏感；

2.僅開設(shè)存折賬戶未開設(shè)卡賬戶，開通的短信通知交易類型為包月型，流程需優(yōu)化，增加前期關(guān)懷；

3.至少近一個(gè)月來未發(fā)生賬務(wù)交易，且連續(xù)6個(gè)月賬務(wù)交易筆數(shù)很低，缺少業(yè)務(wù)體驗(yàn)。

表2 具體建模變量及重要性打分表

五、結(jié)論與建議

本文針對企業(yè)中客戶流失日益嚴(yán)重的現(xiàn)狀，采用數(shù)據(jù)挖掘技術(shù)中的C5.0決策樹算法構(gòu)建了一種客戶流失預(yù)警模型，并將該模型應(yīng)用于中國郵政企業(yè)的短信業(yè)務(wù)，對其進(jìn)行了實(shí)證研究。本文結(jié)果表明，該模型提供了較高的命中率和覆蓋率，具有良好的預(yù)警功能，可幫助企業(yè)及時(shí)發(fā)現(xiàn)有可能流失的客戶，最大程度減少客戶流失。最后，根據(jù)本文的研究結(jié)果，確定了郵政短信流失客戶的特征，由此給出對流失客戶保有的實(shí)施建議，即在價(jià)格、功能、流程、內(nèi)容四方面提出以下業(yè)務(wù)優(yōu)化建議：

1.價(jià)格。目前郵政短信產(chǎn)品的資費(fèi)過于簡單，缺乏優(yōu)惠包與短期調(diào)整項(xiàng)，建議豐富資費(fèi)體系，對短信產(chǎn)品增加優(yōu)惠包。

2.功能。目前短信功能較為單一，建議打包財(cái)務(wù)管理類的功能，升級賬戶管家功能，產(chǎn)品功能面可采用短信或彩信，發(fā)送頻次為每月一次，發(fā)送內(nèi)容為當(dāng)月賬戶的財(cái)務(wù)匯總結(jié)果，包括月末的賬戶余額通知、本月累進(jìn)的入賬金額、本月累計(jì)的去帳金額，彩信版可附加更多內(nèi)容，如基金、理財(cái)?shù)取?/p>

3.流程。針對短信業(yè)務(wù)中重復(fù)申請免費(fèi)期、當(dāng)月扣款不成功的問題加以管理，重復(fù)申請免費(fèi)期的問題，建議設(shè)定規(guī)則限定每張綠卡僅能享受1～2次免費(fèi)期，對當(dāng)月扣款不成功的問題，建議對當(dāng)月扣費(fèi)失敗的用戶，下期扣費(fèi)時(shí)優(yōu)先扣除上期欠費(fèi)。同時(shí)，建議增加前期短信關(guān)懷，針對入網(wǎng)30天左右給予用戶關(guān)懷，降低用戶在56天接收扣費(fèi)短信的突兀感，從而降低用戶流失率。

4.內(nèi)容。充分利用已開通短信產(chǎn)品里面的剩余可利用空間，將此渠道作為短信營銷的新興渠道，在提供服務(wù)的同時(shí)，推薦新的資費(fèi)包、優(yōu)惠包、服務(wù)包，打造服務(wù)營銷一體化的模式，激發(fā)客戶潛在需求，形成新的增加點(diǎn)。

［1］ 蔣國瑞，司學(xué)峰.基于代價(jià)敏感SVM的電信客戶流失預(yù)測研究［J］.計(jì)算機(jī)應(yīng)用研究，2009，26（2）.

［2］ 何躍，何正林，周欣胤.基于數(shù)據(jù)挖掘的固網(wǎng)大客戶流失組合預(yù)警［J］.軟科學(xué)，2012，26（1）.

［3］ 卿財(cái)源.數(shù)據(jù)挖掘在電信寬帶客戶流失預(yù)警中的應(yīng)用研究［D］.廣州：暨南大學(xué)碩士學(xué)位論文，2009

［4］ 于小兵，曹杰，鞏在武.客戶流失問題研究綜述［J］.計(jì)算機(jī)集成制造系統(tǒng)，2012，18（10）.

［5］ Chang Cheng－chang，Gong Dah－chuan.A Comparison of Rohs Risk Assessment using the Logistic Regression Model and Artificial Neural Network Model［C］.Proceedings of the Ninth International Conference on Machine Learning and Cybernetics，2010.

［6］ Duan Fu，Zhao Zheng－xing，Zeng Xiang－dong.Application of Decision Tree based on C4.5in Analysis of Coal Logistics Customer［C］.2009Third International Symposium on Intelligent Information Technology Application，2009.

［7］ Ma Zhi－qiang，Hong Tao.Performance Evaluation of Enterprise’s Marketing Team Members based on BP Neural Network［C］.International Workshop on Intelligent Systems and Applications，2009.

［8］ Chan P K，F(xiàn)an W，Prodromidis A L，et al.Distributed Data Mining in Credit Card Fraud Detection［J］.IEEE Intelligent Systems and Their Applications，1999，14（6）.

［9］ 崔永哲.數(shù)據(jù)挖掘技術(shù)在客戶流失預(yù)警中的應(yīng)用［J］.延邊大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，34（2）.

［10］徐燕妮，劉欣穎，范方.電信客戶流失預(yù)警模型的構(gòu)建［J］.中國科技信息，2012（1）.

［11］顧光同，王力賓，費(fèi)宇.電信客戶流失預(yù)警規(guī)則及其信度測定實(shí)證研究——以云南電信為例［J］.云南財(cái)經(jīng)大學(xué)學(xué)報(bào)，2010（6）.

［12］張瑩瑩.固網(wǎng)運(yùn)營商客戶流失預(yù)警模型研究［D］.北京：北京郵電大學(xué)博士學(xué)位論文，2008.

［13］鄧森文，馬溪駿.基于Cox模型的移動(dòng)通信行業(yè)中低端客戶流失預(yù)測研究［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，33（11）.

［14］王雷，陳松林，顧學(xué)道.客戶流失預(yù)警模型及其在電信企業(yè)的應(yīng)用［J］.電信科學(xué)，2006（9）.