DM案例-1 客户流失预测分析
客户流失案例分析
客户订单流失案例分析我是做游泳产品的，有一个葡萄牙的客户，去年做了45W。
客户关系维护的也很好。
08年底时，走了一单，之后客户没有不良反应。
今年过完春节，我回来工作后，曾发送过邮件给客户，向她问好。
邮件只有回执，没有回复。
当时以为客户忙，没有时间回复。
况且根据客户往年的销售记录，2月份到3月份不是出货季节。
就没有太在意。
4月初的时候，是该客户下单了，之前每年都有一张30W的单在5月份出货。
该下单了，就再发送邮件，有回执没回复；传真，没反应。
又过了两周，我急了，就打电话了，前台接的，说跟我司联系的客户请假回家，生小孩去了！我当时就懵了，赶快问是谁接替她的工作。
前台回复说客户五月份就回来上班了。
我着急5月份的单啊，就再追问这几个月谁帮她做的工作。
前台说是经理。
我就请她帮忙接了经理的电话。
经理接到后，我询问了客户今年上半年的销售情况，然后就直接了当的谈到了5月份的订单。
经理说货已经到仓库了，等待铺货。
还反问不是从我司采购的吗？我差点吐血！我说没有啊，一直联系不上她。
经理突然明白过来了，说是让另一个人负责的这件事情……我这个客户今年的销售计划，就这样泡汤了……教训：1.要主动询问客户的休假计划，特别是长假；2.要跟客户随时保持联系，一旦联系不畅通，要提高警惕；3.要有客户尽可能多的联系方式，甚至是她同事的联系方式；4.要有敏锐的洞察力！这一点对外贸人太重要了。
2、服务案例介绍客户存款金额与柜台机核点金额不符7月中旬，深圳市民余先生从家里携带2.4万元，来到北大医院后面的某银行莲花北支行的自助存取款一体机前存钱。
在柜台机前一番操作后，余先生发现总款数已由2.4万元变为21800元。
余先生当即拨通了该银行客服热线。
银行方面当晚回复：柜台机未见差错，拒绝担责任。
8月27日下午，羊城晚报记者陪同余先生前往银行，调取了当日余先生存款流水账单及柜台机监控录像查看。
经对比，流水账单显示的余先生第二次存款操作所放入柜台机的款数与监控录像所显示的款数明显存在偏差。
用户流失分析报告揭示客户离开的主要原因及改进策略
用户流失分析报告揭示客户离开的主要原因及改进策略一、引言近年来，用户流失一直是企业面临的一个严峻挑战。
为了更好地了解客户离开的原因，并制定相应的改进策略，本报告对用户流失情况进行了详细分析，并提出了可行的解决方案。
二、用户流失情况分析1. 客户离开情况概述根据我们的数据，过去一年内，客户流失率达到了惊人的20%。
这意味着每五个客户中就有一个选择离开我们的服务。
这个数字对于我们的企业来说是不可忽视的。
2. 主要原因分析（1）质量问题：通过对离开客户的问卷调查发现，高达40%的用户离开是因为他们对我们的产品或服务质量不满意。
这包括产品功能缺陷、交付延迟等问题。
（2）竞争对手：25%的用户选择离开我们是因为他们转向了竞争对手的产品或服务。
这可能是因为竞争对手提供了更具竞争力的价格、更好的用户体验或更完善的售后服务。
三、改进策略1. 提升产品及服务质量（1）持续进行质量改进：我们将加强产品开发团队与用户的沟通，了解用户需求并及时解决问题。
同时，我们会持续投入资源进行质量改进，确保产品满足用户的期望。
（2）加强售后服务：建立完善的售后服务体系，为用户提供更及时、周到的支持。
同时，加强客户反馈机制，及时收集用户意见和建议，并迅速做出反应。
2. 提高竞争力（1）定期市场调研：我们将定期开展市场调研，了解竞争对手的产品和服务特点，及时调整我们自己的产品和策略，以更好地满足客户需求。
（2）制定竞争策略：根据市场情况和竞争对手的行为，我们将制定相应的竞争策略，包括调整产品价格、提供更多的增值服务等，以吸引和留住客户。
3. 提升用户体验（1）用户教育：提供更多的使用指导和培训，帮助用户更好地使用我们的产品和服务，并发挥其最大潜力。
（2）个性化推荐：通过分析用户行为和需求，我们将向用户提供个性化的产品推荐和定制服务，以增强用户粘性。
四、结论通过用户流失分析报告，我们深入了解了客户离开的主要原因，并提出了相应的改进策略。
客户流失分析(数据挖掘-第1讲)
预测自变量时间窗口
间隔
预测目标变量时间窗口
商业理解
如何从分析结果中获取实际收益 得到了流失预测结果，如何使用？如何事先预估市场 挽留活动的收益？通过数据挖掘得到流失分析的结果往往有 两类： 一类是流失客户的特征描述 另一类是针对每一个客户的流失评分。 流失客户的特征描述可用来帮助市场部业务人员在制订 挽留性营销策略时参考，从而制订出有针对性的挽留策略； 而流失评分结合其它变量（例如客户价值）可以员的讨 论，我们得知针对特定客户的挽留措施往往是给他们一定折 扣或者优惠政策，这样就大体上得到了预估市场挽留活动预 期收益的数据公式： 预期收益=流失客户预期收入-流失客户挽留预期成本 其中，流失客户预期收入可以用流失客户过去若干个月的 总花费或者平均花费来表示，流失客户挽留预期成本包括： 电信公司进行时常挽留活动的总体策划、宣传成本；针对客 户的集体折扣或优惠成本。
数据理解与数据准备
在数据理解与数据准备阶段，我们将 对数据做初步探索性分析，了解数据质量 状况，考察数据的大致分布情况，此外还 要将各方面的数据进行合并，整理成可以 进行数据挖掘的宽表形式（即行代表记录， 列代表变量的二维表），并进一步根据业 务上的考虑，生成一些有业务含义的衍生 变量。在实际的数据挖掘项目中，我们会 发现，数据理解和数据准备的时间经常会 占到整个项目周期的60%~70%,甚至更多。
指标变量获取
2、衍生变量 对时间序列数据有以下一些常用的生成衍生变量的方 法： ①、滞后类指标：对于时间序列数据，各条记录之间 联系更加紧密，我们通常会取上一条记录（例如代表上月 取值）及上年同期（例如去年同月），与当前记录相比得 到环比增长率（例如本月值/上月值）和同比增长率(例如 本月值/上年同期值);为了消除波动，有时我们还对多个时 间段数值进行求和、平均等操作。例如股市中常用的股价 5日平均值，这类指标可以被归结为滞后类指标。 ②、汇总类指标： 汇总类指标：求和，平均值，最小值，最大值，标 准差，记录数等。
客户流失预警分析材料
电话号码
ARPU
所在地区
所属分组
180.。。。。 189.。。。。 189.。。。。
营销人员可以根 据ARPU确定客 户挽留活动的目
标群体
了解潜在流失客 户的行为特点， 开展针对性的客
户挽留
流失倾向 评分
行动优先级 评分
综合客户流失倾 向与ARPU，给 出建议行动优先
级供参考
实际测试效果
测试用户 离网用户 离网率 数
确定目标 不同目标客户挽留策略
策划挽留方案
营销方案 服务方案 管理方案
规范整合的 客户销售售后数据库
客户离网 预警模型
协尔客户离网预警服务目标
目标：
通过发现客户流失问题的真正 原因，建立一对一的客户关系管理 系统； 了解客户群的需求； 快速建立流失预警模型，为挽 留决策提供数据依据； 最大化每个客户的收入。
用户数据整理
数据筛选
• 数据筛选是建立模型的很重要的一步,这部分需 要业务人员共同参与决策.
• 前期我们并不知道哪些用户属性对用户离网有 直接关系,所以我们需要进行验证来做数据筛选.
• 我们会把用户所有属性利用遗传算法进行增益 分类,然后带入到算法里面进行计算.算法会把对 用户离网有影响的一些字段属性输出.
客户是一个公司最宝贵的财富，因此保持客户并增长客户就是头等重要的事情，客户资 源维持是提升其利润率和APRU值（每用户平均收入）的重要标志，客户流失率则是运营商 最终ROI（投资回报率）评估的重要参考系数，因此客户流失预警在通信运营商的管理环节 中显得尤为重要。
谢 谢！
数据整合清理
数据来源
• 数据的几个来源：
1.CDR (Call Detailed Record) 2.客户资料数据(Customer Information） 3.客户帐务数据 4.销售策略与措施数据 5.其他来源
客户流失分析
客户流失率是指一定时间内流失的客户数量与总客户数量的比值。在定量分析中，通常需要统计不同时间段的 客户流失率，比如日流失率、月流失率、季度流失率等。此外，还需要对不同客户群体或不同渠道的客户进行 流失率统计，以全面了解客户流失情况。
客户生命周期价值分析
总结词
客户生命周期价值是指客户在与企业建立业务关系期间为企业带来的价值总和。分析客户生命周期价 值可以帮助企业识别高价值客户和低价值客户，制定相应的营销策略。
营销策略不当
企业的营销策略不当，如产品定位不准确、定价不合理、 促销活动不吸引人等，都会导致客户流失。
市场竞争加剧
随着市场竞争的加剧，竞争对手不断推出新的产品和服务 ，提供更好的客户体验，从而吸引了客户的注意力并导致 客户流失。
02
客户流失的定量分析
客户流失率统计
总结词
客户流失率是衡量客户流失的重要指标，统计客户流失率有助于企业了解客户流失情况，及时采取措施防止客 户流失。
电话访谈
通过电话与远离总部的客 户进行沟通，收集客户的 意见和建议。
在线调研
利用在线调研工具，向客 户发布问卷或调查表，收 集客户的反馈信息。
社交媒体舆情分析
01
02
03
情感分析
主题分析
竞争分析
通过文本分析技术，识别客户在 社交媒体上表达的情感，了解客 户对品牌或产品的态度。
分析社交媒体上与品牌或产品相 关的主题，了解客户关注的主要 问题和话题。
竞争压力增加
随着客户流失的加剧，竞争对手可能会趁虚而入，进一步抢占市场 份额，使企业面临更大的竞争压力。
客户流失的原因
产品或服务不满意
客户对企业的产品或服务不满意，认为企业提供的产品或 服务无法满足其需求或期望。
客户流失分析报告流失原因和挽回策略
客户流失分析报告流失原因和挽回策略客户流失分析报告一、引言客户流失是一个常见的问题，对企业造成了巨大的损失。
了解客户流失的原因，并采取相应的挽回策略，对企业的持续发展至关重要。
本报告将对客户流失的原因进行分析，并提出有效的挽回策略。
二、客户流失原因分析1. 产品或服务质量问题客户流失的一个主要原因是产品或服务质量不达标。
客户对于产品或服务的质量有着较高的期望，如果企业无法满足客户的需求，客户将很可能选择流失。
2. 价格竞争价格是影响客户忠诚度的一个关键因素。
如果竞争对手提供了更具吸引力的价格，客户可能会倾向于选择更便宜的产品或服务，从而导致流失。
3. 缺乏个性化关怀客户希望被认可和重视，如果企业缺乏对客户的个性化关怀，缺少与客户的有效沟通，客户会感到不被重视，增加了流失的可能性。
4. 竞争对手的促销策略竞争对手的促销策略可能吸引了原本属于我们企业的客户。
如果竞争对手能够提供更具吸引力的优惠活动或奖励计划，客户可能会转而选择竞争对手的产品或服务。
5. 客户不满意度客户满意度是客户忠诚度的关键指标。
如果客户对企业的产品或服务存在不满意的情况，包括客户体验不佳、交付延迟等问题，客户流失的风险将会增加。
三、客户挽回策略1. 提供优质的售后服务客户对于售后服务的质量也是考量其忠诚度的重要因素。
企业可以通过加强服务团队的培训，提高服务的质量，提供更多的技术支持和解决方案，以提升客户的满意度和忠诚度。
2. 个性化关怀企业可以通过建立客户档案，了解客户的需求和偏好，并根据不同客户的特点，提供个性化的关怀。
比如定期与客户进行沟通，提供定制化产品或服务，从而增强客户的忠诚度。
3. 调整价格策略企业可以评估市场价格和竞争对手的策略，适时调整自己的价格策略，以提升产品或服务的竞争力。
同时，可以通过促销活动或奖励计划，吸引客户回流。
4. 加强市场营销和品牌推广通过加大市场营销力度，提升品牌知名度和形象，吸引更多的潜在客户，并刺激现有客户的再次购买。
用户流失数据分析报告
用户流失数据分析报告一、引言随着互联网的不断发展和竞争的加剧，用户流失成为了每个企业都不可忽视的问题。
本文将通过对用户流失数据的分析，为企业提供有针对性的解决方案和策略。
二、数据收集与清洗1. 数据来源用户流失数据的获取可以通过多种渠道，包括用户调查、访客记录、数据库查询等。
本文使用的数据来自企业内部的客户关系管理系统（CRM）。
2. 数据清洗在进行数据分析之前，需要对数据进行清洗，确保数据的准确性和完整性。
清洗过程包括去除重复数据、处理缺失数据等。
三、数据分析结果1. 流失用户数量变化通过对流失用户数据进行时间序列分析，可以观察到流失用户数量的变化趋势。
在过去半年的数据中，流失用户数量呈现逐渐上升的趋势。
2. 流失用户的特征分析通过对流失用户的基本信息进行分析，可以发现以下特征：a) 年龄分布：流失用户主要集中在25-35岁之间，表示这个年龄段的用户更容易流失。
b) 活跃度：流失用户在最后一个月的活跃度明显下降，与留存用户相比，流失用户的平均登录次数较少。
c) 消费能力：流失用户在最后一次消费金额上表现出下降趋势，说明他们对产品或服务的兴趣和满意度下降。
3. 流失用户行为路径分析通过对流失用户在网站上的行为路径进行分析，可以了解用户流失的原因和流失路径，进而优化相关的用户体验。
分析结果表明，流失用户流失的主要原因是购买流程过于繁琐，界面不友好或者购买过程中遇到技术问题。
四、解决方案与策略1. 简化购买流程根据流失用户的反馈和数据分析结果，对购买流程进行优化，减少冗余步骤，提高用户的购买体验。
同时，提供可靠的技术支持，及时解决在购买过程中遇到的问题，增加用户的购买成功率。
2. 提高界面友好度优化产品界面设计，使其更加简洁明了，提供清晰的操作指引。
通过用户测试和反馈收集，持续改进产品界面，提高用户的满意度和粘性。
3. 加强用户互动和留存通过开展用户调研、提供个性化推荐和专属优惠等方式，增加用户的参与度和粘性。
《客户流失》分析报告范本
《客户流失》分析报告范本客户流失分析报告范本一、背景介绍客户流失是指原本是企业的忠实客户，由于各种原因选择不再购买产品或服务，而转而选择其他竞争对手或不购买的现象。
客户流失对企业的影响非常大，不仅导致销售额减少，还可能损害企业的声誉和市场地位。
因此，了解客户流失的原因和趋势对企业制定相应的策略至关重要。
二、调研方法与数据来源本次客户流失分析报告基于以下调研方法进行数据采集：1. 客户回访调查：通过电话、邮件和面对面的方式，对近期流失客户进行回访调查，了解他们选择离开的原因。
2. 数据分析：收集和分析相关的销售、客户服务和市场竞争数据，以获取对客户流失的全面了解。
三、流失原因分析根据调研结果，将以下原因列举为客户流失的主要因素：1. 竞争对手的优势：部分客户选择离开是因为竞争对手在产品质量、价格或服务方面有优势，从而吸引了他们的注意并促使他们转向竞争对手。
2. 产品或服务不符合期望：客户对产品或服务的期望未能得到满足，体验感较差。
这可能是由于产品的设计缺陷、交付延迟、售后服务不到位等原因导致的。
3. 客户关系疏离：企业与客户之间缺乏有效的沟通和互动，客户感到被忽视或不被重视，导致他们失去忠诚度，并选择离开。
4. 价格压力：部分客户离开是因为他们找到了更便宜或更具竞争力的替代产品或服务，从而节省开支。
5. 转移需求：客户个体或企业的需求发生了变化，导致他们不再需要原有的产品或服务，因而选择离开。
四、流失趋势分析基于调研结果和历史数据，我们分析并得出了以下客户流失的趋势：1. 流失率逐年增加：在过去的三年里，客户流失率呈现逐年上升的趋势，这表明企业在客户关系维护和产品质量方面存在一定问题。
2. 关键时期的流失高峰：观察发现，客户在购买产品或服务的某些关键时期，如合同到期或续费周期，更容易选择离开。
因此，在这些时期需要更加关注并提供有针对性的服务。
3. 重要客户的流失风险：通过对客户价值和忠诚度的评估，我们发现一些重要客户存在较高的流失风险。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
13 > 7/13/2013
数据质量问题
所需的分析数据 六个月通话的移动差 六个月通话的移动平均 已兑换次数 兑换类别 已兑换分数 催缴次数 催缴成功次数 查询销号离网次数
数据质量问题 缺乏数据 缺乏数据
原因 数据仓库中只有 2002 年 9，10， 11，12 月 4 个月的话单数据 积分奖励计划从 2002 年 12 月才 开始 数据仓库中没有催缴记录 数据仓库中没有关于该项查询的 分类 174 万客户在过去 3 个月内通话全 部正常结束 数据库中只有 2002 年 11 月 20 日 之后的客户状态连续变化的记录
模型评分
最近一月出账与近三月平均出账额比例不超过0.33 否 Etc. 是 曾限话 否 Etc.
•最近一月出账与近三月平均出账额 比例不超过0.33 •曾限话 •最近一个月出账额不超过14元 •更换过资费套餐 •近六个月迟缴超过5次 •在特定地区
得分：0.765分
是 最近一个月出账额不超过14元 否 Etc 是 是 更换过资费套餐
%Populn
X轴：按离网倾向评分从大到小排序后的客户占目标客户人数的百分比； Y轴：前x%的客户中被准确预测为离网的客户占这批客户的百分比，即命中率
21 > 7/13/2013
模型评估 － LIFT
X轴：按离网倾向评分从大到小排序后的离网客户占离网总人数的百分比； Y轴：（前x%的客户中的命中率）/离网率
TeradataTM Warehouse Miner Training Workshop
案例-1 客户流失预测分析
CMCC HQ
ZhangLei Sunstone.Zhang@
专题概要
• 为什么进行客户流失预测? > 移动服务的竞争进入白热化状态 > 月平均流失率6.5%(即随机抽样10000人中只能找到650个真正有 流失倾向的客户） • 月租型, 流失预测模型结果 > 找出流失倾向最高的客户,
缺乏数据 缺乏数据 异常数据 缺乏数据
通话异常中断次数 客户状态变化
14 > 7/13/2013
流失客户特征…
50元月租全球通,20元月租全球通, 20元月租套餐，20元月租亲情卡,事 事发，0元月租惠通卡，30元月租套餐等资费套餐的客户。 有过资费调整的客户。 在J地区，S地区，X地区，JZ地区，Y地区，L地区的用户流失倾向较高。 年龄不超过30岁的年轻族群流失比例高。 最近一个月缴费额不超过前两个月平均缴费额 在网时间少于17个月 六个月内迟缴次数超过5次
4 > 7/13/2013
业务问题定义
在这个数据挖掘的初始阶段，需明确阐述项目目标和客户业务需求。 基于客户响应（如客户流失或产品购买趋势）特性，可以从概念上定义 响应变量，与待选的预测变量没有直接的派生关系〈直接的派生关系意 指响应变量可由一或多个预测变量直接计算出来〉。最终，为了这些目 标可以必要地调整项目计划进程。包括
9 > 7/13/2013
具体实施过程
定义和识别有意义的数据项
3, 5
建立预测 模型
6
测试模型
4 7 2
模型打分
抽取样本 数据采集
提取全部资料
8
评分结果
数据衍生
1
数据仓库
9
监测结果 多维分析 /报表
10 > 7/13/2013
客户流失的定义
• 以号码为单位
> 用户在网时间至少3个月 > 分析流失前6个月的数据以了解可能流失原因
最近一个月缴费减少
曾限话 低档资费套餐 经常迟缴
更换过资费方案
19 > 7/13/2013
最有可能销号的客户群组 #2
最近一个月缴费额不超过前两个月平均缴费额 曾限话 最近一个月出账金额不超过14元 曾更换资费方案 不属于（J地区，S地区，X地区， JZ地区，Y地区，L地区） 通过直属营业厅入网 六个月内迟缴5次以上 近三个月被叫不同号码数不超过11个 欠费金额在-246.37和1431.87之间 被叫费用不超过13.67元 低档资费套餐 更换过SIM卡
明确业务目标 定义响应变量 项目计划必要的调整
5 > 7/13/2013
选取和抽样
搜寻并检查客户数据，创建一个数据映射概念图，将客户数据与建模相 关的各个属性对应起来。数据能被整合到一个适当的程度，省略不适当的记 录（如若分析仅针对居民客户，则省略非居民客户）、不完整的数据记录、 训练数据、试验数据等等。包括：
数据来源 数据映射 准备数据评估 数据的必要聚合 数据抽样
6 > 7/13/2013
探索型数据分析
核查目前的数据源，探索在每个待选的预测变量和响应变量之间是否存 在关系。数值分析是全面理解数据的第一步，随之进行的统计分析便于更好 地了解有关数据的分布。包括：
挖掘结果的发 布: 调度执行 收集响应 监控模型性能 记录结果
数据仓库
3 > 7/13/2013
数据挖掘方法论
确定&理解业务问题
模型评估 验证 知识
预备建模
建模 数据探索 数据转换
数据清洗 预处理
选择 抽样
数据的 后续处理
数据仓库
• Partly adapted from Fayyad U. M., Piatetsky-Shapiro, P. Smith (1995), ‘From Knowledge Discovery to Data Mining: An Overview’ in Advanced Knowledge Discovery and Data Mining.
27 > 7/13/2013
数据挖掘自动化
制作报表 及Cubes 计算 指标
系统使用者
数据 仓库
数据抽取 转换加载 (ETL)
评估模型 质量,重建 选择模型
系统管理者
Data Mart
维护预 测模型
自动化 模型系统维护
28 > 7/13/2013
维护报表 及Cubes
建模人员
数据挖掘平台
Data Source Environment
最近一个月缴费减少 曾限话 曾更换资费方案
普通低档资费套餐
缴费行为较差
20 > 7/13/2013
模型评估 － 命中率
Precision
80.00% 70.00% 60.00%
Cul_Hit_Rate
50.00% 40.00% 30.00% 20.00% 10.00% 0.00% 0.00% 20.00% 40.00% 60.00% 80.00% 100.00%
16 > 7/13/2013
模型结果
最近一月出账与近三月平均出账额比例不超过0.33 否 Etc. 是 曾限话 否 Etc.
是 最近一个月出账额不超过14元 否 Etc 是 是 更换过资费套餐
否 近六个月迟缴超过5次 否 Etc Etc 是 在特定地区 否 是 76.5% 离网 Etc .
17 > 7/13/2013
•限话次数 •联络次数 •接触次数 •接触类别 •抱怨次数 •查询销号离网次数 •资费套餐变动 •IMSI_DN更换次数 •客户状态变化情况
•累计积分数 •已兑换次数 •已兑换分数 •兑换类别
•迟缴次数 •欠缴金额 •催缴次数 •催缴成功次数
•近一个月缴费额 •近三个月平均缴费额 •近六个月平均缴费额 •六个月通话移动平均 •六个月通话移动差 •受话次数/秒数 •受话号码数 •发话次数/秒数 •拨打号码数 •发短消息次数 •话转比例 •漫游次数 •网内拨打比例 •拨打固话次数 •拨打简码次数 •通话异常中断次数
数据质量检查 数据的必要整理 通过图形化呈现工具和其他的统计方法理解数据 分析待选预测变量和响应变量之间的关系 数据转换以辅助数据的分析 数据派生为建立模型做准备 整理和呈现数据探索的发现
7 > 7/13/2013
建模
建立并确认分析模型，尝试不同的建模技术或结合不同数据集，并 比较不同模型的性能，选出最好的。包括：
–前10000人名单中，约8000人（80%）下个月会流失
> 找出导致客户流失的原因以辅助设计和执行客户挽留的行销活动。
数据挖掘自动化机制更有效地利用挖掘的结果
2 > 7/13/2013
分析模型的种类
分段
描述性 模型
预测性 模型
响应 模型
自动化
根据业务目标 根据业务目标 根据相关属性 现实模拟以改 对对象属性的 对对象属性的 将对象划分到 善预测能力、 初步划分 描述 已定类别，以 可控性和实施 便针对性对待 效果 年龄分组; 保有期(与客 户价值有关); 流失倾向评分 购买倾向评分 商业用户/ 个人用户; 信用评分 使用量预测 客户价值
23 > 7/13/2013
客户离网预测分析图
客户离网0.85－1预测分析图：
24 > 7/13/2013
钻取结果
25 > 7/13/2013
前端应用
启动
选择 下钻 获取
26 > 7/13/2013
数据挖掘自动化
• 自动化建模过程和结果
> 数据抽取，变换，衍生和评分自动化。 > 创建新的数据立方体或报表以产生挽留客户名单并提供各种流失 群组的客户特征描述。 > 自动计算命中率/Lift报告以监测模型性能 > 综合信用模型/客户价值模型的结果确定目标客户
• 流失客户
> 状态为’预销’或‘预拆’（一个月以上）
11 > 7/13/2013
业务理解
新用户 用户 离网用户
申请销号 合同/ 买卡 销售网络 使用 账单 缴费 更换/ 维修 市场调查 营业网点/ 银行等 销售/营业 网点 营业网点 客服 查询/抱怨/ 停话/催缴