移动通信客户流失规律研究

移动通信客户流失规律分析1．研究目的通过对某移动通信公司客户的流失数据进行分析，了解客户流失规律，建立流失预警系统，为客户关系管理服务。2．背景介绍随着中国电信业改革的深入开展，电信运营企业之间对于市场的竞争日益加剧，客户流失现象十分多见。但客户忠诚度对于电信企业来说却是影响电信企业盈利的重要因素，美国学者的研究表明，顾客忠诚度提高5%，行业的平均利润提高25%-85%。因此，研究电信企业客户流失规律能够为为电信公司避免客户流失提供一定的参考意义。随着移动电话普及率的提高，移动通信业务特别是语音业务的逐渐饱和，移动运营商都加大了市场的竞争力度，从直接的产品降价、业务捆绑销售到服务意识的转变、服务内容的完善、服务方式的改进和服务质量的提高，进而到内部运营管理机制、人力资源的改革，企业经营模式和服务体系都以客户的价值取向和消费心理为导向，真正体现了“创造需求”、“引导消费”的现代客户服务意识与理念。然而，尽管整个移动通信技术、管理和服务水平不断提高，面对有限的存量市场，在大量新客户入网的同时，又有大批老客户流失，移动通信网上注册用户数与在网通话用户数相差悬殊，出现大量的零通话“休眠”客户。移动运营商增量不增收，一方面客户发展代理费用和宣传费用增长，另一方面客户平均在网时间逐渐缩短，ARPU值下降，客户流失率不断上升，通信业务收人增长相对趋缓，移动通信客户价值和利润率的减少严重影响了移动通信企业的可持续发展。根据美国安盛咨询公司的数据统计表明，美国移动通信客户的月流失率在2.2%左右，年流失率大约是27%，平均获取一个客户的成本在300～600美元，而保持一个客户在网的成本仅为50～100美元。因此，移动运营商为了扩大企业规模，实现企业利润的同步增长，必须建立客户价值评价体系和客户流失分析模型，并在此基础上做好有价值客户的维系挽留工作。然而目前有的移动运营商仍然只注重发展，有的只是列出已流失客户的清单，还应进行简单的流失原因分析，而精明的运营商不仅是分析已流失客户的原因，进行客户价值的评价，对潜在的有流失倾向的高价值客户进行维系挽留，并将其与经营发展紧密联系起来，以客户维系促进发展。因此，研究客户流失额规律，了解什么样的客户具有流失的倾向，流失的客户都有什么特点，能否通过客户的相关数据分析得出，这就是本研究要解决的问题。3．指标设计为了准确的研究移动通信客户流失的规律，我们考虑一下常见的客户的特征指标，并对指标的含义和考虑的原因做了纤细讨论。●客户等级（X1）按照一定的分类标准（例如客户对企业的贡献率等各个指标进行多角度衡量与分级）对客户进行分级管理。客户的等级表明客户对于企业的重要性是不同的，企业应该区分不同等级的客户采取不同的措施，对那些对企业的重要性比较重要的客户进行重点管理。同时，同等级的客户具有同样的特征，因此，不同的客户等级的客户的流失规律是不同的，因此，我们需要将客户等级纳入研究中。其中，客户等级可以标记为1、2、3、4。●主叫次数（X2）电话呼叫系统分为主叫和被叫。主叫即是自主呼出。一般来说客户主叫的次数越多，说明客户使用的频率较高，流失的可能性也就越小。主叫次数=7日内日均主叫次数90日内日均主叫次数×100%●被叫次数（X3）在电话呼叫系统中，与主叫相反的概念就是被叫，也就是接电话。同主叫次数次数意义一样，客户被叫次数越多，说明客户使用的频率较高，流失的可能性较低。被叫次数=7日内日均被叫次数90日内日均被叫次数×100%●通话时长（X4）通话的时长越长也越说明客户对正在使用的移动通信品牌较为满意，流失的可能性也越小。通话时长=7日内日均通话时长90日内日均通话时长×100%●费用（X5）费用越多说明，客户对于该电信企业的贡献也就越大，对于企业的重要性也就越大，但是，费用越高，对客户的吸引力也就越低。费用=7日内日均通话费用90日内日均通话费用×100%4．描述分析在正式的模型分析之前，首先对因变量以及自变量做必要的描述分析。主要结果如表1所示。首先讨论表1的最后一行流失，从中可以看出n=1000个样本中流失的客户占了40%，客户流失情况比较严重。然后讨论费用，可以看出费用的标准差较大，说明不同的客户之间的消费水平相差非常之大，因此，移动通信运营商应该根据这一特点推出不同的套餐服务，以满足不同用户的消费需求，为客户带来更贴心、合适的服务以提高客户的忠诚度。再看通话时间以及主叫次数和被叫次数之间的最小值都是非常小，标准差也都非常大。最后看客户的等级，客户的等级平均数为1.49，说明客户的等级总体水平并不高，且客户的等级的标准差是平均数的1/3，说明客户之间的差别并不是多大。DescriptiveStatisticsNMinimumMaximumMeanStd.Deviation客户等级1000141.49.597主叫次数1000.000000000被叫次数1000.000000000通话时长1000.001113280费用1000.000000000流失100001.40.490ValidN(listwise)1000我们还将各个解释变量按照流失状态分组做盒状图对比，其结果如下图所示。从下面的四个盒装图可以看出，流失客户的最近的主叫次数、被叫次数、通话时长、费用的数据未流失的哪一部分的客户数据都比流失的那一部分更加集中，而且未流失的客户的主叫次数、被叫次数、通话时长和费用集中的区域都比流失的客户的数据集中的区域要高，说明，未流失的客户具有主叫次数、被叫次数、通话时长、费用都比流失的客户要大一些，说明使用频率和费用越大的客户越难流失，而流失的客户具有主叫被叫次数、通话时长、费用较低的特点。因此，我们可以合理的预测，主叫次数、被叫次数、通话时长和费用对于判断客户流失具有重要作用。5．模型分析在描述分析的基础上，通过方差分析对各个因素同客户流失状态之间的关系作了逻辑回归模型。参数估计如表2所示。从中可以看出，客户等级、主叫次数、被叫次数、通话时长以及费用这几个解释变量都是显着的。尤其是被叫次数，他的极大似然估计最大，为-2.196，且为负值。说明被叫次数对于预测客户流失状态具有重要的作用，被叫次数越大，客户流失的可能系也就越低。其次，客户等级、主叫次数和通话时长的极大似然估计分别为－0.57、－0.704、－0.535，都是负值，说明客户等级、主叫次数和通话时长越长，客户流失的可能性也就越低。而费用的极大似然估计为0.533，为正值，说明费用越高，客户流失的可能性也就越大。而且，这几个解释变量对于预测模型的重要性一次排列为被叫次数、主叫次数、通话时长、费用、客户等级。6．预测评估基于上述模型，可以对每位客户的流失概率予以预测，然后以某阈值为界，将此预测为流失客户（流失=1）和非流失客户（流失=0）。如果以50%为界，可以计算出整体预测错误概率为17.8%，相应的TPR为72.8%，说明总体预测精度优良，对于实际工作也非常具有价值。因此，50%是一个比较好的阈值，可以推荐。7．总结讨论本研究分析了移动通信客户相关特征数据，建立了对移动通信客户未来流失情况具有一定预测能力的逻辑回归模型。我们的分析表明客户的被叫次数、主叫次数、通话时长、费用、客户等级等因素是影响客户流失状况的重要的因素，且客户的被叫次数是最重要的因素。