1. 首頁 > 生活百科 > >

預測用戶流失模型的3大方式 如何預測用戶流失模型？

小知識用戶流失模型

本文作者通過詳細的例子闡述了如何評價客戶流失預測模型的效果 ， 以及客戶流失預測模型的目的：有效挽留和關懷客戶 。

預測用戶流失模型的3大方式 如何預測用戶流失模型？

文章插圖
一、一個重要指標：提升度用來評估客戶流失預測模型預測效果好壞的一個重要指標 ， 就是提升度 。
所謂提升度 ， 簡單來說 ， 使用模型預測客戶流失比不使用模型要好多少 。
如圖 ， 將客戶按流失概率由大到小排名 ， 圖中的點（10% ， 50%）表示流失排名前10%的客戶包含了實際流失客戶的50% 。
換句話說 ， 如果企業有300萬的客戶 ， 平均流失率為1% ， 如果對前10%的客戶進行捕獲 ， 實際上能夠捕獲到真實流失的客戶15000人（即300萬×1%×50%） 。
圖中藍線表示在沒有預測模型指導的情況下隨機抽取客戶的結果 。
這條線其實很好理解 ， 如果抽取10%的客戶 ， 則能夠捕獲到300萬×10%×1%個流失客戶 ， 占到總實際流失客戶的300萬×10%×1%÷（300萬×1%）=10% ， 所以這條線實際上是一條斜率為45度的直線 。
圖中紅線表示客戶流失預測模型預測下的結果 。
如線上的點（10% ， 50%）表示流失排名前10%的客戶包含了實際流失客戶的50% 。 所以 ， 對于流失排名前10%的客戶 ， 使用模型預測的效果是沒有使用模型預測的5倍！這就是所謂的提升度 。
上圖的紅線就是傳說中的ROC曲線 ， 全稱Receiver Operating Characteristic Curve ， 中文名叫接收者操作特性曲線 。
藍線就是基準線 。 一般來說 ， ROC曲線與偏離基準線 ， 越向左上方靠攏 ， 模型的預測效果就越好 。
提升度對于評判模型預測性能好壞固然很重要 。 但是 ， 人們往往只關注有由提升度所給出的模型預測效果 ， 卻忽視（或者沒有去評估）客戶流失預測模型所表現出來的“應用效果” 。
二、關注“應用效果”人們一般比較關心：有了這樣一個流失預測模型 ， 或者說在這個模型的指導下對高流失可能客戶開展挽留關懷活動 ， 下個月的客戶流失率會不會顯著地降低呢？
這樣的看法是不正確的 ， 因為客戶流失預測模型只是揭示了“什么樣的客戶更可能會流失”這樣一個客觀規律 。
實際情況是 ， 在使用客戶流失預測模型之后 ， 客戶流失率往往得不到大幅度的降低 。 下面通過一個證券行業的例子來說明 。
假設某個券商A ， 當前有300萬的客戶 ， 月平均流失率為1% 。
為了更好地建立預測模型 ， 在開發模型的過程 ， 僅對有效客戶進行建模 ， 也就是說 ， 在建模之前 ， 需要通過設定一定的條件來剔除非有效客戶 ， 如機構客戶、資產極大或極小客戶、無交易行為客戶 ， 等等 。
這樣 ， 有效客戶數120萬 ， 月平均流失1.8萬 ， 流失率為1.5% 。 最后 ， 券商A針對有效客戶開發了客戶流失預測模型 ， 其效果可以用上面的圖示來表示 ， 即如果選取最具流失傾向的前10%客戶作為目標活動客戶 ， 可以包括所有實際流失客戶的50% 。
由于券商A的各方面資源緊缺 ， 客服人員人數有限 。 所以券商A決定根據流失預測模型的高流失傾向的客戶名單 ， 對有效客戶開展一對一的針對性挽留關懷活動 ， 而對非有效客戶 ， 則希望通過普通的營銷政策進行挽留 。
券商A按照流失預測模型給出的流失傾向評分從高到低 ， 依次選擇這次活動的目標客戶 ， 即從120萬的有效客戶中選取了前5%的高流失傾向客戶作為目標客戶 ， 即6萬 。
接下來 ， 客服人員將在“挽留月”對這6萬客戶進行一對一的挽留關懷工作 。 券商A希望能在月末的流失率統計中有一個令人滿意的結果 。
這6萬客戶中真實流失的客戶有120×5%×1.5%×5=0.45萬個 ， 若能全部挽留住這0.45萬個客戶自然是好 ， 但在實際挽留關懷工作中 ， 卻是很難做到 。
我們需要注意客戶流失預測模型在實際應用中會引起耗散的幾個地方：
  1. 在全部客戶中 ， 僅對有效客戶進行針對性挽留關懷 ， 假設比例a ， 這里a=120/300=40%
  2. 目標活動客戶選取時 ， 僅對高流失傾向客戶進行挽留 ， 假設選取比例b=5%
  3. 客戶挽留過程 ， 存在目標活動客戶的接觸成功率 ， 假設c
  4. 客戶接觸成功的客戶中又存在挽留成功率問題 ， 假設d
根據之前券商A在客服方面的經驗 ， a、b、c、d都是可以估算的 。 這里不妨假定 ， 成功接觸率c為50% ， 接觸成功的客戶中有流失傾向的人的挽留成功率d為30% 。

推薦閱讀