论文部分内容阅读
随着电信市场的逐渐放开,电信企业之间对客户的争夺将越来越激烈。由于电信市场日趋饱和,获取新客户的成本比留住现有客户群要昂贵得多。因此,如何尽可能将现有客户尤其是高价值客户保留成了各运营商的工作重点之一。
移动通信行业该行业客户的属性和行为具有明显的特征。移动通信公司良好的客户信息存储平台,也方便对每位客户详细的消费数据的获取。据此本文以基于客户行为的相关理论为基础,利用海量客户通话数据采用数据挖掘技术,进行流失预测,消费习惯研究,并探讨客户挽留策略。
在移动通信企业面向市场,面向国内外众多的竞争者,努力创造更高价值的同时,客户流失的不断增加,客户平均生命周期的不断缩短严重影响了移动通信企业的发展。那么,在激烈的市场竞争和不断变化的市场需求面前,如何最大程度的降低客户的流失率呢?常用的方法之一就是利用数据挖掘技术。数据挖掘技术是目前数据仓库领域最强大的数据分析手段。它的分析方法是利用已知的数据通过建立数学模型的方法找出隐含的业务规则。在移动通信行业的应用领域主要有客户欺诈分析,客户流失分析,客户消费模式分析,市场推广分析等。
那么,在客户流失分析系统中,如何应用数据挖掘技术呢?主要方式是根据以前拥有的客户流失数据建立客户属性、服务属性和客户消费数据与客户流失可能性关联的数学模型,找出客户属性、服务属性和客户消费数据与客户流失的最终状态的关系,并给出明确的数学公式。只要知道客户属性、服务属性和客户消费数据,我们就可以计算出客户流失的可能性。市场销售部门可以根据得到的数学模型随时监控客户流失的可能性。如果客户流失的可能性过高,高于事先划定的一个限度,就可以通过多种促销手段提高客户的忠诚度,防止客户流失的发生,从而可以大大降低客户的流失率。基于严格数学计算的数据挖掘技术能够彻底改变以往移动通信企业在成功获得客户以后无法监控客户的流失,无法实现客户关怀的状况,把基于科学决策的客户关系管理全面引入到移动通信企业的市场销售工作中来。
本文介绍了客户关系管理,客户价值、及客户关系生命周期等理论,结合移动通信运营商的自身特点,包括其CRM实际情况,客户流失现状,影响客户流失的常见因素等。在这基础上以客户资源为基础数据,利用数据挖掘技术进行客户流失预测模型,最后针对预测模型得出的潜在流失客户进行客户挽留流程。