客戶流失研究綜述

任紅娟 夏國恩

摘 要：近些年來，企業(yè)對于顧客在企業(yè)價(jià)值創(chuàng)造過程中地位的認(rèn)識在發(fā)生著變化。傳統(tǒng)企業(yè)經(jīng)營主要是依靠銷售產(chǎn)品或提供服務(wù)來創(chuàng)造價(jià)值，隨著客戶重要性的顯現(xiàn)，企業(yè)轉(zhuǎn)而開始以客戶為中心，愈來愈重視客戶流失管理的研究。本文在對現(xiàn)有文獻(xiàn)進(jìn)行收集整理的基礎(chǔ)上，闡述客戶流失的概念、客戶流失的分類、重點(diǎn)探討不同行業(yè)影響客戶流失的因素，最后介紹了典型的客戶流失預(yù)測方法以及客戶流失未來的研究方向尤其是在網(wǎng)絡(luò)客戶流失方面，為更多的學(xué)者進(jìn)行客戶流失研究提供參考。

關(guān)鍵詞：客戶流失 影響因素 流失預(yù)測

中圖分類號：F279.23 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2018）11（b）-166-02

1 研究背景

客戶流失是指企業(yè)現(xiàn)有的客戶，轉(zhuǎn)而去購買競爭對手的商品或者是服務(wù)，而不再繼續(xù)購買本企業(yè)的商品或服務(wù)。網(wǎng)絡(luò)客戶流失是指客戶不再購買之前使用過的網(wǎng)上產(chǎn)品或終止其服務(wù)。近年來隨著電子商務(wù)企業(yè)的突起，企業(yè)間競爭的加劇，客戶流失成了許多企業(yè)面臨非常棘手的問題。研究表明，發(fā)展一位新客戶所花費(fèi)的成本要比維持一位老客戶的成本多得多，通常能夠達(dá)到5～6倍。也就是說，在客戶流失以后，如果企業(yè)要去重新發(fā)展新客戶所帶來的成本是非常大的。因此，不論是電商企業(yè)還是實(shí)體企業(yè)都越來越重視客戶流失管理。保留客戶是任何組織獲得競爭優(yōu)勢的主要要求之一。

2 客戶流失影響因素

客戶流失分為自愿和非自愿流失兩種。自愿流失指的是因?yàn)榭蛻糇陨淼脑蛩鶎?dǎo)致的流失。非自愿流失指的是客戶因?yàn)橥庠诘哪承┎豢煽沽Φ脑驅(qū)е缕洳荒芾^續(xù)購買企業(yè)的產(chǎn)品或服務(wù)而造成的流失。不同行業(yè)影響客戶流失的因素不盡相同，本文將區(qū)分以下三個行業(yè)進(jìn)行相關(guān)探討。

2.1 電信業(yè)

我國電信業(yè)在不斷的改革過程中競爭在不斷的加劇。如今，通信市場的競爭已經(jīng)十分激烈，在這種情況下，電信企業(yè)的戰(zhàn)略重點(diǎn)就成了進(jìn)行客戶爭奪。

趙莽（2006）基于客戶保持理論，從不同維度對影響流失的客戶進(jìn)行研究，研究表明客戶忠誠度、客戶滿意度、客戶歸屬感等幾個因素有助于客戶保持。夏國恩（2007）認(rèn)為，可以從多維的客戶特征中，通過客戶特征提取，從客戶行為、客戶基本特征、產(chǎn)品質(zhì)量三方面對客戶流失進(jìn)行實(shí)證研究。王穎（2015）利用移動公司的客戶數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)分析方法，對可能影響客戶流失的因素進(jìn)行研究，篩選出了影響客戶流失的8個因素。徐旭（2015）對影響終端客戶流失的因素從多個角度進(jìn)行了分析，提出客戶流失的影響因素有很多，包括客戶的年齡、職業(yè)、收入等。周靜等（2017）將著眼點(diǎn)放在社交網(wǎng)絡(luò)上，研究影響電信客戶流失的因素。利用某移動公司的8個指標(biāo)數(shù)據(jù)通過邏輯回歸的方法進(jìn)行預(yù)測，結(jié)果表明，在選取的8個指標(biāo)中，對預(yù)測客戶流失產(chǎn)生重要影響的是個體的信息熵、個體的度、聯(lián)系的強(qiáng)度三個指標(biāo)。實(shí)際中，業(yè)務(wù)人員的流動、競爭對手產(chǎn)品具有優(yōu)勢、公司存在誠信問題、服務(wù)態(tài)度惡劣等也是造成客戶流失的原因。

2.2 金融業(yè)

中國金融機(jī)構(gòu)隨著經(jīng)濟(jì)體制改革的深化和對外開放政策的放開在發(fā)生著巨大的變化，加之網(wǎng)上銀行的興起，微信、支付寶等第三方支付平臺的普及使用，使得銀行間的競爭變得激烈異常。愈加激烈的競爭使得客戶流失率也隨之增加。

林睿等（2012）通過參考國際上和相關(guān)領(lǐng)域?qū)＜覍︺y行客戶數(shù)據(jù)的分析，認(rèn)為客戶性別、客戶擁有的產(chǎn)品數(shù)量等10個因素對中國建設(shè)銀行某分行的客戶流失具有顯著影響。王未卿等（2014）以國內(nèi)某商業(yè)銀行支行的客戶資料為樣本，通過單因素分析得出影響銀行客戶流失的12個因素，進(jìn)一步利用逐步判別法以及PHRGE發(fā)現(xiàn)其中有8個有效指標(biāo)，一部分與客戶流失呈正相關(guān)；一部分呈負(fù)相關(guān)。盧美琴等（2018）針對商業(yè)銀行中VIP客戶不斷流失的現(xiàn)象，利用相關(guān)系數(shù)檢驗(yàn)的方法對影響VIP客戶流失的因素進(jìn)行分析，結(jié)果表明年齡、有效活期賬戶數(shù)等15個因素對客戶流失產(chǎn)生著重要影響。

2.3 電子商務(wù)

近年來電子商務(wù)技術(shù)的快速發(fā)展使得網(wǎng)上消費(fèi)成了一種趨勢。然而，由于網(wǎng)上消費(fèi)范圍廣、成本低、速度快等特點(diǎn)也造成了網(wǎng)絡(luò)客戶的流失率非常高。很多顧客只購買一次產(chǎn)品便不再繼續(xù)購買，這樣的顧客數(shù)量占到了80%左右。因此，要對客戶是否流失進(jìn)行預(yù)測進(jìn)而及時的制訂客戶保持策略，那么就需要探討影響網(wǎng)絡(luò)客戶流失的關(guān)鍵因素。

任劍鋒（2012）認(rèn)為影響電子商務(wù)客戶流失的有客戶年齡、客戶性別、購買金額、深夜購買次數(shù)、服務(wù)呼叫次數(shù)、客戶信用得分這六個因素。王榕麟（2013）通過文獻(xiàn)搜集與整理，探究影響網(wǎng)店顧客流失的因素。通過因子分析，得到了包括交易安全性、產(chǎn)品質(zhì)量、網(wǎng)絡(luò)口碑在內(nèi)的12個重要影響因素。

于小兵（2014）以某電子商務(wù)公司為研究對象，先確定了影響客戶流失的因素，再通過語言信息理論和基于正態(tài)分布的OWA，得出導(dǎo)致客戶流失影響因素的重要性大小排序。李婷婷（2014）探討了影響B(tài)2C客戶流失的五類關(guān)鍵性因素，在調(diào)查問卷的基礎(chǔ)上，采用實(shí)證分析的方法，得出各個因素對于客戶流失的影響程度，為電子商務(wù)企業(yè)制定客戶保持策略提供了一定的借鑒。葉志龍等（2016）認(rèn)為顧客的年齡、持有會員卡的級別、積分、購物次數(shù)等因素對某網(wǎng)站的會員流失量產(chǎn)生著影響。夏國恩（2018）將客戶價(jià)值特征和客戶情感特征融入到了網(wǎng)絡(luò)客戶流失預(yù)測的研究當(dāng)中，認(rèn)為影響網(wǎng)絡(luò)客戶流失的因素有客戶首次購買的時間、客戶消費(fèi)新鮮度、客戶消費(fèi)頻度、消費(fèi)總金額、客戶對商品的評分以及客戶評論情感。除此之外，產(chǎn)品性價(jià)比、網(wǎng)店客服的態(tài)度、選擇合作的物流公司等因素對于客戶的選擇有著重要的影響。分析影響網(wǎng)絡(luò)客戶流失的因素，進(jìn)一步量化后用以預(yù)測網(wǎng)絡(luò)客戶是否流失是我們未來應(yīng)關(guān)注的方面。

3 客戶流失預(yù)測方法

客戶流失預(yù)測方法很多，本文將其劃分為以下幾個階段。

（1）基于傳統(tǒng)統(tǒng)計(jì)學(xué)的預(yù)測方法。這一階段主要包括決策樹、Logistic回歸、聚類分析以及貝葉斯分類器等預(yù)測方法。徐燕妮等（2012）將決策樹和Logistic回歸方法的優(yōu)點(diǎn)結(jié)合起來，提出了創(chuàng)新性的電信客戶流失預(yù)警模型。尹婷等（2014）提出了貝葉斯決策樹算法，加入貝葉斯節(jié)點(diǎn)彌補(bǔ)了決策樹方法的缺點(diǎn)，得到的結(jié)果比單獨(dú)的決策樹算法更為準(zhǔn)確，為客戶流失預(yù)警分析提供了一種新的研究思路和分析方法。這個階段的方法具有模型解釋性強(qiáng)，處理定類和連續(xù)性數(shù)據(jù)效果好的優(yōu)點(diǎn)。缺點(diǎn)是靈活性差、泛化能力不足、對于數(shù)據(jù)量龐大、多維非線性的數(shù)據(jù)處理效果較差。

（2）基于人工智能的預(yù)測。田玲等（2007）提出了一種基于神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，與傳統(tǒng)的決策樹和貝葉斯網(wǎng)絡(luò)相比通過使用兩次神經(jīng)網(wǎng)絡(luò)，獲得了更好的效果。代逸生（2011）運(yùn)用人工智能技術(shù)，構(gòu)建了基于LVQ神經(jīng)網(wǎng)絡(luò)的電信企業(yè)客戶流失預(yù)測模型。基于人工智能的方法主要依靠的是經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則，邏輯推導(dǎo)和數(shù)學(xué)證明不嚴(yán)密，泛化能力比較弱。

（3）基于統(tǒng)計(jì)學(xué)習(xí)理論的預(yù)測。錢蘇麗等（2007）將代價(jià)敏感學(xué)習(xí)理論引入客戶流失預(yù)測，基于改進(jìn)支持向量機(jī)建立了流失預(yù)測模型，建模過程中引入了不同的錯分代價(jià)，模型的預(yù)測性能因此得到了極大地提高。夏國恩（2008）基于電信行業(yè)的數(shù)據(jù)，用四種不同的方法進(jìn)行了對比測試，結(jié)果表明支持向量機(jī)模型效果最好。朱幫助（2010）基于SMC和最小二乘支持向量機(jī)構(gòu)建了電子商務(wù)客戶流失三階段預(yù)測模型用來預(yù)測客戶是否流失。結(jié)果表明，其與單獨(dú)模型相比，預(yù)測精度更高，更為有效和實(shí)用。夏國恩等（2018）利用支持向量機(jī)對融入客戶價(jià)值特征和情感特征的網(wǎng)絡(luò)客戶流失預(yù)測進(jìn)行了研究。首先，分析了融入客戶評論情感打分后模型與未融入客戶評論情感打分的模型在不同核函數(shù)的支持向量機(jī)分類算法的表現(xiàn)，結(jié)果表明融入客戶評論情感的模型預(yù)測結(jié)果相對更好。其次，將融入客戶評論情感打分后模型與未融入客戶評論情感打分的模型在支持向量機(jī)與人工神經(jīng)網(wǎng)絡(luò)、邏輯回歸、樸素貝葉斯、決策樹分類器上分別進(jìn)行實(shí)證分析，結(jié)果表明，從預(yù)測算法上來看，相比于其他的預(yù)測算法多項(xiàng)式核SVM在網(wǎng)絡(luò)客戶流失預(yù)測中能夠取得相對較好的結(jié)果。支持向量機(jī)是一個典型的代表，它可以解決小樣本、非線性以及模式識別方面的問題，具有一定的優(yōu)勢。它的缺點(diǎn)是參數(shù)的選擇決定了預(yù)測的精度。

（4）基于組合分類器和仿生學(xué)算法的預(yù)測?；诜律鷮W(xué)算法的預(yù)測代表方法有蟻群算法和蜂群算法。王純麟（2007）針對目前采用單分類器的不足，提出了一種基于組合分類器的流失預(yù)測模型。結(jié)果表明，經(jīng)過AdaBoost算法訓(xùn)練的組合分類器能有效提升預(yù)測準(zhǔn)確率。羅彬等（2010）針對在電信行業(yè)預(yù)測客戶流失比較復(fù)雜的問題，提出了一種新的流失預(yù)測模型——基于蟻群算法的成本敏感線性集成多分類器模型。結(jié)果表明，基于集群智能的改進(jìn)蟻群優(yōu)化算法具有原理清晰、程序簡單、全局收斂的優(yōu)點(diǎn)，這在流失預(yù)測中具有很好的優(yōu)勢。羅彬等（2011）提出了一種新的基于粗糙集理論、神經(jīng)網(wǎng)絡(luò)和蜂群算法線性集成多分類器的客戶流失預(yù)測模型。該模型運(yùn)用了最新發(fā)展的人工蜂群算法，進(jìn)一步擴(kuò)展了人工蜂群算法的應(yīng)用領(lǐng)域。

4 未來研究方向

在這個網(wǎng)絡(luò)時代，越來越多的人習(xí)慣使用網(wǎng)絡(luò)。這種現(xiàn)象向企業(yè)傳遞了一種信號：不能忽視網(wǎng)絡(luò)帶來的影響力，未來應(yīng)該將關(guān)注的重點(diǎn)放在網(wǎng)絡(luò)客戶行為的研究上。首先，網(wǎng)絡(luò)客戶屬于非契約型客戶，通常網(wǎng)絡(luò)客戶的相關(guān)性弱，流失率高，企業(yè)很難準(zhǔn)確的判斷客戶的潛在流失行為，因此需要確定哪些因素對網(wǎng)絡(luò)客戶的流失起著決定性的作用，對潛在的流失客戶進(jìn)行識別。其次，網(wǎng)絡(luò)客戶數(shù)據(jù)一般數(shù)據(jù)量比較大，而且比較雜，隨著大數(shù)據(jù)的不斷發(fā)展與成熟，使得對于客戶行為的分析變得更加容易，加之近幾年深度學(xué)習(xí)方法所表現(xiàn)出來的優(yōu)勢，未來可以將深度學(xué)習(xí)方法有效的利用在預(yù)測網(wǎng)絡(luò)客戶流失的過程當(dāng)中。除此之外，可以在數(shù)據(jù)處理方面進(jìn)行優(yōu)化。網(wǎng)絡(luò)客戶流失現(xiàn)在處于剛起步的階段，相關(guān)研究較少，還存在一些問題例如客戶行為特征的影響、模型的應(yīng)用、預(yù)測模型的優(yōu)化等值得繼續(xù)研究和探索。

參考文獻(xiàn)

[1] 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）.

[2] 趙莽.基于實(shí)證分析的移動客戶保持影響因素和策略研究[D].北京郵電大學(xué)，2006.

[3] 王未卿，姚嬈，劉澄.商業(yè)銀行客戶流失的影響因素——基于生存分析方法的研究[J].金融論壇，2014（1）.

[4] 任劍鋒，張新祥.電子商務(wù)客戶流失的建模與預(yù)測研究[J].計(jì)算機(jī)仿真，2012，29（5）.

[5] 于小兵，王旭明.影響電子商務(wù)客戶流失因素分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2014，44（21）.

[6] 李婷婷.影響B(tài)2C電子商務(wù)企業(yè)客戶流失因素的實(shí)證分析[D].哈爾濱商業(yè)大學(xué)，2014.

[7] 徐旭.移動互聯(lián)網(wǎng)下終端客戶流失影響因素實(shí)證研究[J].赤峰學(xué)院學(xué)報(bào)（自然科學(xué)版），2015，31（5）.

[8] 夏國恩，馬文斌，唐嬋娟，等.融入客戶價(jià)值特征和情感特征的網(wǎng)絡(luò)客戶流失預(yù)測研究[J].管理學(xué)報(bào)，2018，15（3）.