数据挖掘技术在电信客户流失预警中的应用

谢彬

【摘 要】本文主要从数据挖掘技术的重要性、应用以及仿真分析三个方面针对数据挖掘技术在电信客户流失预警中的应用进行了简单分析。

【关键词】数据挖掘技术；电信客户流失预警；应用

随着电信企业的发展，企业之间的竞争不断加剧，电信运营商也在不断地推出新的业务与套餐，以此来在占领市场竞争高地。但是，与此同时，也大大增加了客户的不稳定性，而数据挖掘技术的应用，有效地降低了客户离网率。因此，对数据挖掘技术在电信客户流失预警中应用的探讨有其必要性。

一、数据挖掘技术应用的重要性

伴随着经济全球化，市场的国际化，目前我国国内市场的竞争也变得日加激烈，因此，电信企业传统的经营模式已经不能够完全适应市场的需要。为此，电信企业的市场战略定位需要从传统的生产型企业向利润型企业进行转化，从而来求更好的生存与发展。为此，这就要求电信企业必须围绕客户展开市场分析，全面了解客户的实际需求，做到服务的层次化、多样化以及全面化，并且提出个性化的解决方案。但是，在市场发展的过程中，由于市场的饱和以及客户发展的减速，这使得电信企业客户的维系成为一个热点问题。因此，在这样的竞争环境下，企业极需完善业务管理系统以及生产系统，引进数据挖掘系统，加强系统构建，如渠道系统、BOSS系统以及综合结算系统等，通过这些系统，收集大量的数据，对企业的运营情况作出具体性的分析，既可以加强对客户消费行为的了解，而且针对企业某项业务在市场中的运行情况进行预测分析和运行情况分析，以指导企业做出更好的解决方案，为企业创造更大的利润。

另外，集成客户数据是电信企业发展最为宝贵的资源，而数据挖掘技术的应用可以将大量的客户数据提取出来，包括现有的客户数据、流失数据、增加数据等，在此基础上，根据客户行为、客户属性以及服务属性，构建相关数学模型，计算与分析客户流失概率，同时，根据这些数据之间的相互关系，得出相关的数学公式，从而来改善企业的促销手段，提高服务质量以及客户忠诚度，预防客户的流失，更为重要的是解决了电信企业传统运营模式上无法监控客户流失、无法实现客户关怀的难题。

二、数据挖掘技术在电信客户流失预警中的应用

对于电信企业而言，海量的客户数据是企业的一笔巨大财富，简单来讲，企业若是能够及时准确地挖掘出数据中的信息，并且从中分析出隐含的价值信息与知识，就能制定出科学的运营方案，才能更好地为客户提供服务，进而在市场竞争中取得一席之地。而数据是从中大量的信息中挖掘出来的规律、知识以及价值模式等，数据的形成是一个复杂的过程，因此，数据挖掘技术的定义可以通过以下图示具体地反应出来：

而所谓的客户流失预警模型的构建就是基于数据挖掘技术的基础上，对电信运营状态以及客户状态的一种分析与判断系统，从本质上讲，就是对数据特征的一种挖掘，同时，也是一种分类问题。通过其主要将客户信息分为两大类，一种是有离网倾向的客户，一种无离网倾向的客户，以数据挖掘技术为基础，对已离网客户的信息进行特征分析，进行总结归纳，并作为参照，若企业产生新的客户信息时，以此来识别其是否存在离网倾向，确定其是否在企业对客户维护开销范围内，若是低于此开销值，则说明其不具有任何产生价值，自然，相关信息也就应该删除。在这里，主要客户流失预警模型中数据挖掘技术的应用进行具体分析：

首先是客户划分。一般而言，对于电信企业，客户划分方法多种多样，如客户年龄、性别以及信用度和支付能力等，这些都可以作为划分客户的具体参照。但是由于一个企业最为主要的目的就是利润的产生，为此，我们应该以客户对企业贡献大小为主要参考依据进行科学划分，具体为三种，即低价值客户、普通价值客户以及高价值客户。

其次是属性分析。在进行客户流失预警分析中，其影响因素是多方面的，而这些因素之间的关系也或强或弱，若以所有属性为标准，那么分析过程显得过于复杂，这样，在实时环境以及追溯目标的过程中，要想识别是存在着一定难度的，但是，若是从中抽取某几个属性，那么系统的预警效果则会大大降低。因此，最为有效的解决方法就是采用约简算法，将这些相互关联的属性进行融合处理，并从中抽取关键性因素，重新构造关键指标，形成新的线性组合，进而获取最有效的价值信息，取得最为有效的预测效果。本文运用多元统计中的因子分析方法，结合SPSS软件，得到一组流失预警中可用的因子（属性）集合，具体内容如表1所示：

第三是特征挖掘。关于数据特征的挖掘具体包括以下几个内容：一是数据抽取，简单来讲，将业务系统中所储存的离网数据信息，进行分析整合，并作为训练数据集合，同时，进行属性约简，将所得到的相关数据输入数据库中，作为模型数据；二是将输入的数据运用慢启动频繁模式进行数据分析与挖掘，归纳流失客户特征信息，并在此基础上，构建相应的分类器；三是输入测试数据，这一部分数据集合主要是由新的客户数据组成，经过约简后，作为测试模型；四是将分类器中的数据特征与挖掘到的新的客户信息进行模式匹配，以此来确定客户是否存在着离网倾向，若是存在离网倾向，那么需要将这些数据反馈给客户挽留系统或者是客户维护系统，从而为客户开展针对性的服务，一方面，为客户部门的服务工作提供了重要参考依据，另一方面，还可以为企业客户维护工作决策提供参考。

三、仿真及结果验证

基于数据挖掘技术的电信客户流失预警模型，在某地电信运营公司展开实地测试，该企业根据其实际情况，构建了客户流失预警模型，并在此基础上，全面展开客户挽留与客户维护工作，同时，根据系统提供的数据信息，分析流失客户的特征，在每月的月初进提供客户名单，该企业在2012年8月的流失预警客户的具体数据如表2所示：

根据客户流失预警模型的分析，得到的流失预警数据，该企业客户服务部门分别在6、7、8月份对8259户、9001户、8975户客户进行了回访，其回访的成功率分别为90.12% 、89.67% 、88.56%，其中，在这些回访的客户中，将近85%以上的客户表达了自己近期有离网打算，但是经过客户部门的回访，结合针对性的处理措施以及挽留措施，99%以上的客户均打消了离网的意图。

四、总结

总而言之，客户流失预警模型的构建通过对客户所处状态的判断，确定客户是否存在离网意图，并且综合企业维护运行成本、客户消费价值、客户属性以及客户使用习惯等，对客户进行细分，针对不同的客户提出不同的营销方式，并在此基础上，通过反馈数据，完善客户服务，提高产品服务质量，最终达到拘留客户的目的。

参考文献：

[1]蒋亚虎.基于SQL Server的OLAM模块研究[J].制造业自动化.2011（16）.

[2]庄仁团.数据挖掘技术在电子政务系统中的应用[J].海峡科学.2011（05）.

[3]李红梅.曹建河.数据挖掘技术在烟草销售行业中应用探析[J].现代商贸工业.2011（14）.

[4]潘国林.杨帆.数据挖掘算法在保险客户分析中的应用[A].全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C].2009.