张珠香 骆念蓓

(福州大学经济与管理学院， 福建福州 350116)

一、前言

为了有效防止客户流失，运营商采取了投放大量广告或不断优化产品等保留措施，但这种毫无针对性的客户保留会使运营商面临浪费资源的风险。大数据时代的到来使得客户数据更易被记录搜集，利用数据建立预警模型主动识别潜在的流失用户、分析客户的行为特征，对潜在流失客户采取针对性的挽留措施，为运营商更有效率地理解客户消费行为与应对市场需求变化提供了新的路径。

目前，基于实测数据的电信客户流失模型主要分为以下三类：一是对潜在流失个体的预测；二是对流失因素的分析；三是对挽救模型的构建。其中，对潜在流失个体进行预测的文献最多，即利用客户的历史信息识别即将流失的客户，或者预测客户流失的概率，具体的建模方法有多种，如Huang等和Jamil等使用改进的支持向量机算法[1][2]，邱一卉和丁君美等使用改进的随机森林算法[3][4]，张玮等采用CART与Boosting的集成模型[5]，余路则是基于C5.0决策树、BP神经网络及Logistic回归算法的组合预测模型[6]，skarsdóttir等采用社会网络分析[7]，Amin等采用模糊集的方法[8]，Coussement等采用Logistic模型进行电信客户流失预测。[9]而在流失因素分析上，李会等通过决策树和Logistic回归对电信客户流失的关键因素进行分析，认为客户流失与开通月数、电子支付、年龄、上网经历、免费电话等变量相关。[10]王锐等认为套餐类型、日平均主叫次数、日平均被叫次数、月平均成功通话率及月平均漫游费用比等客户行为属性与其是否流失相关。……