数据挖掘应用实例2.ppt

数据挖掘应用实例 应用决策树算法进行客户流失分析 分析目的 根据流失的客户和没有流失的客户性质和消费行为，进行挖掘分析，建立客户流失预测模型，分析哪些客户的流失概率较大，流失客户的消费行为如何，造成客户流失的其他相关因素，如竞争对手的优惠政策、业务系统故障、国家政策和现行经济运行环境等。 为市场经营与决策人员制定相应的策略和留住客户提供决策依据，并预测在该策略下客户流失的情况。 挖掘过程 整个挖掘过程如图所示。 数据源可能需要的数据字段 续表 用决策树方法来建立客户流失模型 决策树可以区分不同的流失客户的群组以及每一群组的潜在流失因素。 例如，图中（右边红色框）就指出了某个流失群组的共同特征。在这一个流失群中，77%的客户将会流失。 全球通用户 使用时间只有3到4个月之间的新客户 使用动感地带套餐，对价格比较敏感 每个月打不同的电话号码（亲朋好友、公司同事等）的个数不多于40个，交友圈不是很广 同时拥有一个以上的手机号，想退掉其中一个手机号 结果分析 客户流失模型的分析，以及决策树的输出结果，会产生多个客户的流失群组。对于每一个流失群组特性所隐含的意义及其合理与否，有赖于具有业务专长的人员与简历客户流失模型的人共同检查与诊断。 例如，停机超过一段时间、曾经打电话到客户服务中心询问退租手续或每月通话费呈递减的趋势，并超过某一数值以上的客户，有很大的比例最后都离开了。 客户流失模型的输出结果中可包括一个客户流失指数，可以用来作为客户流失的概率（介于0到1之间），以区别不同客户间流失可能性的高低，如一个流失指数为0.8的客户比一个流失指数为0.6的客户更可能离开。当营销部门计划推行一个客户挽留项目时，可由客户流失指数的高低，找出最可能解约的客户群，以极少的成本和最适当的方式达到较好的客户挽留效果。 * * 使用话音套餐 曾更换服务项目 曾修改客户资料=2次 两次以上更改资费 不曾更改资费 月平均帐务查询次数0 销售区域 经销商 直销 月平均拨叫次数40 月平均申装/异动次数在0.17与0.51之间 流失标志 用户代号 保证金=0 月平均接不同的电话号码数60 公司用户 月平均接不同的电话号码数40 月平均拨不同手机数1 曾询问注销号码的办理方式 接话不曾中断过 拨接话不曾中断过 目前结帐额0 目前结帐额0至155元间 目前结帐额0 目前结帐额＝0 曾欠缴=2次 全球通 曾使用17951长途 使用时间12个月 使用时间6个月 使用时间3到4个月 曾询问或增加系统功能 曾挂失过SIM卡 曾自停过 非本人申请-保留 以现金或信用卡缴费 曾欠费停机 多个号 出帐额趋势递减 平均月出帐额减少250 平均月出帐额增加 手机差价 曾询问有关手机的问题