基于BP網(wǎng)絡的通訊行業(yè)客戶流失預警模型研究

林明輝

(安徽新華學院，安徽合肥　230031)

?

■自然科學研究

基于BP網(wǎng)絡的通訊行業(yè)客戶流失預警模型研究

林明輝

(安徽新華學院，安徽合肥230031)

摘要：在通訊行業(yè)全業(yè)務經(jīng)營背景下，客戶資源成為運營商之間競爭的法寶。如何有效識別客戶流失行為，制定相應的挽留與維系對策是運營商降低營銷成本，提高核心競爭優(yōu)勢的關鍵。本文利用BP網(wǎng)絡的自適應算法，將代表離網(wǎng)用戶行為特征的45個指標進行樣本訓練，最終得到客戶流失行為傾向的判斷模型，為通訊行業(yè)客戶離網(wǎng)動機預測提供了新的解決思路。

關鍵詞：BP網(wǎng)絡；客戶流失；預測

隨著中國第三次通訊行業(yè)重組，全業(yè)務經(jīng)營趨勢加劇了通訊運營商之間的市場競爭。為了獲得更多的市場占有率，運營商想方設法降低客戶流失率，減少用戶離網(wǎng)現(xiàn)象的發(fā)生。研究表明，一個公司的用戶流失率降低5%，利潤將會增加25%至85%，為此運營商引入了CRM客戶關系管理系統(tǒng)運用數(shù)據(jù)挖掘技術對客戶屬性進行精準定位，試圖挽留存在離網(wǎng)傾向的客戶資源。然而，目前運營商對流失用戶行為識別僅僅通過綜合業(yè)務管理系統(tǒng)中出賬賬單的量化指標進行泛化監(jiān)控，沒有結合用戶對企業(yè)的貢獻度考慮，對流失用戶存在的潛在價值也未進行區(qū)分，導致挽留與維系成本增加。本研究基于價值分析角度，對流失用戶屬性進一步探索，對運營商精準啟動挽留和維系策略提供決策支持。

一、客戶流失行為評價指標體系

(一)客戶流失的定義

Keaveney認為客戶流失是客戶不再重復購買或終止原先使用過的產(chǎn)品或者服務，并認為客戶流失不僅使企業(yè)失去現(xiàn)有客戶，還會造成潛在客戶的流失[1]。郭明等從定量角度對客戶流失進行了定義：連續(xù)3個月(一個季度)沒有在該企業(yè)進行任何消費的客戶，在通訊行業(yè)流失客戶定義為具有離網(wǎng)傾向，且在未來很短的一段時間(如一周或一個月)內(nèi)極可能真正離網(wǎng)的在網(wǎng)客戶。結合已有離網(wǎng)客戶特征分析發(fā)現(xiàn)，如果一個客戶連續(xù)三個月沒有通話記錄和出帳記錄，則其離網(wǎng)的概率將非常大。

(二)客戶流失原因

客戶流失的原因多種多樣,Keaveney通過對消費品用戶流失原因分析，將客戶流失類型分為價格流失型、產(chǎn)品流失型、服務流失型、技術流失型、便利流失型等。Madden， Savage 和 Coble以澳大利亞 ISP 市場的不同的移動用戶消費行為為研究對象，提出定價、不方便性、核心服務失敗、服務接觸失敗、服務失敗的反應、競爭對手、道德問題等因素影響客戶流失意愿[2]。結合通訊行業(yè)特點,客戶流失分為主動流失和被動流失。由于被動流失所占比重很小,本研究主要以用戶的主動流失行為作為研究對象。

(三)客戶流失行為傾向

客戶流失行為的產(chǎn)生必然存在一定的誘發(fā)動機。根據(jù)黑格爾的“刺激——反應”模式，消費者往往通過對外部環(huán)境刺激的感受，產(chǎn)生一定的心理變化，最終導致行為傾向。通過客戶流失原因分析，結合通信產(chǎn)品的特點，我們提出了以下客戶流失行為傾向性關鍵指標：如連續(xù)三個月ARPU移動均值，連續(xù)三個月MOU移動均值，連續(xù)三個月數(shù)據(jù)業(yè)務使用量移動均值，業(yè)務辦理變更次數(shù)，申請客戶服務次數(shù)，欠繳費情況，本/異地通話分鐘數(shù)，主/被叫時長。上述關鍵行為指標，在消除了季節(jié)特征影響后，呈現(xiàn)出來的趨勢可以很好地預測客戶流失傾向。

客戶流失預測是指采用某種方法或技術，對能夠體現(xiàn)客戶流失狀態(tài)的指標體系進行探索分析，并對客戶流失現(xiàn)狀進行評估和預測，識別出潛在的具有流失傾向的客戶。目前大部分研究將客戶流失預測當作一個模式識別問題,利用統(tǒng)計分析和數(shù)據(jù)挖掘中的分類算法建立客戶流失預測模型。文獻[3]中提出了基于C5.0決策樹的客戶流失分析方法并且證明了神經(jīng)網(wǎng)絡方法完全適用于通訊客戶流失分析。此外，數(shù)據(jù)庫技術和Logistic回歸[4]等方法在該問題的探索上也取得了良好的效果。然而對于流失客戶內(nèi)在價值的分析較為欠缺。本文結合前人的研究成果，提出基于客戶潛在價值和神經(jīng)網(wǎng)絡相結合的算法對通訊行業(yè)的流失客戶進行分層分析。

二、客戶流失預測指標體系

客戶流失在一定的時間范圍內(nèi)呈現(xiàn)出消費頻率降低，經(jīng)常性消費支出減少等前期征兆。通過后臺數(shù)據(jù)監(jiān)控，我們可以很好地發(fā)現(xiàn)這些消費行為的變化趨勢，為了收集完美的通訊用戶離網(wǎng)傾向性行為數(shù)據(jù)指標，我們通過綜合管理業(yè)務系統(tǒng)以及專家頭腦風暴的方式，歸納統(tǒng)計出三類流失客戶指標類型，如圖1所示。

圖1　客戶離網(wǎng)傾向指標體系

(一)個人信息指標

該變量主要反映消費者的基本情況，如年齡、性別、教育程度、收入情況等消費者個人統(tǒng)計信息。具體包括兩個方面的信息指標。

1.客戶信息。如年齡、性別、學歷、職業(yè)、年收入，用戶類型：是否新用戶。

2.業(yè)務信息。碼號資源，套餐類型，最低消費，用戶類型，在網(wǎng)時長。

該類數(shù)據(jù)來源于用戶入網(wǎng)時候的實名登記資料，數(shù)據(jù)更新時間為最近一年。

(二)消費行為指標

我們以活躍用戶作為樣本?；钴S用戶指的是連續(xù)出賬6個月，且每期消費支出大于等于套餐費用，賬戶余額大于零的在網(wǎng)用戶。這一部分用戶在一定時期(1年內(nèi))的消費行為趨向穩(wěn)定性，可以通過連續(xù)三個月的消費指標移動平均得出基礎消費數(shù)據(jù)，作為行為標準指標值。如繳費周期、欠費情況、每月通話時長、每月最低消費、移動數(shù)據(jù)使用量等。

(三)態(tài)度意愿指標

消費者態(tài)度在一定時期具有穩(wěn)定性，它可以指導消費行為的發(fā)生，體現(xiàn)為對服務的滿意度和對品牌的忠誠度，同時消費者態(tài)度的形成需要較長時間的積累[5]。通過前期分析我們在篩選的40項服務滿意度指標中選擇具有代表性的兩類指標各5項，作為用戶滿意度指標。

1.與產(chǎn)品有關的指標：通信套餐內(nèi)容，性價比，網(wǎng)絡信號，品牌形象。

2.與服務有關的指標：投訴處理，禮貌，業(yè)務辦理及時性，繳費便利性。

通過比較分析，我們發(fā)現(xiàn)離網(wǎng)用戶在近三個月的消費行為中呈現(xiàn)出一定的規(guī)律性。由于用戶對產(chǎn)品和服務效用水平的降低，出現(xiàn)了與標準消費行為不同的其他消費行為。例如，欠費次數(shù)、欠費周期、預存金額減少、通話時長減少、通話次數(shù)減少、ARPU降低、短信數(shù)量減少、短信費用降低、移動信息費用降低、移動數(shù)據(jù)流量減少等。

綜上，我們選取了三類指標下的45個代表性特征指標作為BP網(wǎng)絡的輸入量。為了提高網(wǎng)絡學習效率，降低指標之間的統(tǒng)計性差異，我們對連續(xù)型的消費支出指標，使用3個月移動平均的方式求得均值。對于大量離散型客戶數(shù)據(jù)，為了避免指標代表的行為屬性之間的交叉干擾產(chǎn)生的數(shù)據(jù)“淹沒效應”，我們對數(shù)據(jù)進行量綱和量值上的數(shù)值化處理?？紤]到Sigmiod函數(shù)的飽和區(qū)間范圍，我們將數(shù)據(jù)初始化為[0,1]之間，便于網(wǎng)絡輸入[6]。如表1、表2所示。

表1　年齡數(shù)值化處理結果

表2　收入水平數(shù)值化處理結果

三、客戶流失預測的BP網(wǎng)絡

(一)BP網(wǎng)絡基本設計

本研究采用單隱層網(wǎng)絡結構，設計45個輸入節(jié)點，其中包括性別、年齡、收入、職業(yè)、在網(wǎng)時長、教育層次等個人信息指標12個；包含主叫時長、被叫時長、ARPU值、MOU值、套餐使用率、出賬費用、歷史欠費情況等消費行為指標25個；包含投訴率、滿意度、回訪次數(shù)、業(yè)務辦理和變更次數(shù)等態(tài)度意愿指標8個。

表3　學習2548次后的網(wǎng)絡性能

(二)數(shù)據(jù)實驗

本研究選取2013年某通訊運營商2160個用戶數(shù)據(jù)做初始樣本，其中1680個作為學習樣本，480個作為測試樣本，這些用戶數(shù)據(jù)分為在網(wǎng)用戶數(shù)據(jù)和流失用戶數(shù)據(jù)。為了真實反映用戶流失情況，我們將數(shù)據(jù)進行配比，分為兩組同比例的在網(wǎng)用戶和流失用戶數(shù)據(jù)，作為學習樣本和測試樣本。通過一年的出賬話單跟蹤，收集離網(wǎng)傾向的特征性數(shù)據(jù)，通過BP網(wǎng)絡的自適應學習效應，擬合出一個預測客戶流失傾向的指標模型。

通過數(shù)據(jù)初始化輸入，建立45-12-1的BP網(wǎng)絡結構，經(jīng)過2548次輸入層和輸出層的自適應學習算法，最終達到訓練誤差和目標閾值的高度擬合，訓練結果如圖2所示：

圖2　BP網(wǎng)絡誤差收斂曲線

(三)實驗結論

我們將隨機抽取的1680個數(shù)據(jù)作為學習樣本，經(jīng)過2548次學習，網(wǎng)絡精度達到預設的0.01。與此同時，對剩余的480個樣本進行測試，測試誤差和學習誤差偏合度較高。為了進一步測試模型的可靠性，我們結合實際在網(wǎng)的用戶數(shù)據(jù)對2014年上半年用戶離網(wǎng)傾向進行預測，人工統(tǒng)計后臺用戶實際在網(wǎng)數(shù)據(jù)，預測準確率達到91.62%。在實際使用客戶離網(wǎng)傾向BP網(wǎng)絡預測模型時，為了優(yōu)化網(wǎng)絡性能，我們可以選取某一類目標客戶的行為數(shù)據(jù)單獨進行網(wǎng)絡訓練，并結合歷史數(shù)據(jù)和人工統(tǒng)計進行比對，優(yōu)化數(shù)據(jù)的分類。例如針對大學生用戶群體品牌忠誠度及離網(wǎng)傾向的研究，限于篇幅將作為進一步研究的方向。

對于通訊運營商來說，客戶在網(wǎng)時長與客戶對企業(yè)的實際價值貢獻息息相關。為了挽留和維系客戶，運營商推出了個性化定制的產(chǎn)品，以更優(yōu)惠價格和更高的服務標準提供給消費者。正確識別目標客戶，預測在網(wǎng)客戶的離網(wǎng)傾向，提前預警和啟動挽留方案是CRM乃至數(shù)據(jù)挖掘技術時代的必然要求。本研究以客戶在網(wǎng)消費行為特征為主體，構造出客戶離網(wǎng)傾向的數(shù)據(jù)判斷模型，通過跟蹤監(jiān)控用戶消費行為，預測用戶離網(wǎng)趨勢，為通訊運營商及時采取補救措施，啟動營銷預案提供了解決思路。

[參考文獻]

[1] OSTERLE H, MUTHER A.Electronic customer care-Neue Wegezum Kunden[J].Wirtschaftsinformatik 1998,40(2): 105-113.

[2]HUNG S Y,YEN D C,WANG H Y.Applying data mining to telecom churn management[J].Expert Systems with Applications，2006，31(3)：515-524.

[3]郭明.基于決策樹的客戶流失分析[J].廣東通信技術，2004,24(11):37-40.

[4]周潔如,莊暉.現(xiàn)代客戶關系管理[M].上海：上海交通大學出版社,2008.

[5]賈琳、李明.基于數(shù)據(jù)挖掘的電信客戶流失模型的建立與實現(xiàn)[J].計算機工程與應用,2004,40(4)：185-187.

[6]湯海霞.移動通信企業(yè)客戶管理模型與方法研究[D].南京：東南大學,2014.

[責任編輯朱毅然]

Research about Warning Model of Losing Customers in Telecommunication Industry Based on BP Network

LINMin-hui

(AnhuiXinhuaCollege,Hefei230031,China)

Abstract：With the background of full-business, customer resources have become the precious resources in communication industry.How to identify the customer behavior effectively, develop appropriate countermeasures to maintain users has become the important way to reduce marketing costs and improve the core competitive advantage.In this paper, the author use an adaptive algorithm of BP network to train the 45 indicators represented the behavior of on-business customers.Ultimately, the losing customer behavior discovering model will provide a new idea to predicate the customer who is going to lose.

Key words：BP network；customer churn；prediction

中圖分類號：F626；F723

文獻標識碼：A

文章編號：2095-770X(2016)03-0146-04

作者簡介：林明輝，男，福建福州人，安徽新華學院講師，碩士，主要研究方向：客戶關系、消費者行為。

收稿日期：2015-10-19；修回日期：2015-11-03

PDF獲?。?http://sxxqsfxy.ijournal.cn/ch/index.aspxdoi： 10.11995/j.issn.2095-770X.2016.03.035