任红娟 夏国恩

摘 要：近些年来，企业对于顾客在企业价值创造过程中地位的认识在发生着变化。传统企业经营主要是依靠销售产品或提供服务来创造价值，随着客户重要性的显现，企业转而开始以客户为中心，愈来愈重视客户流失管理的研究。本文在对现有文献进行收集整理的基础上，阐述客户流失的概念、客户流失的分类、重点探讨不同行业影响客户流失的因素，最后介绍了典型的客户流失预测方法以及客户流失未来的研究方向尤其是在网络客户流失方面，为更多的学者进行客户流失研究提供参考。

关键词：客户流失 影响因素 流失预测

中图分类号：F279.23 文献标识码：A 文章编号：2096-0298（2018）11（b）-166-02

1 研究背景

客户流失是指企业现有的客户，转而去购买竞争对手的商品或者是服务，而不再继续购买本企业的商品或服务。网络客户流失是指客户不再购买之前使用过的网上产品或终止其服务。近年来随着电子商务企业的突起，企业间竞争的加剧，客户流失成了许多企业面临非常棘手的问题。研究表明，发展一位新客户所花费的成本要比维持一位老客户的成本多得多，通常能够达到5～6倍。也就是说，在客户流失以后，如果企业要去重新发展新客户所带来的成本是非常大的。因此，不论是电商企业还是实体企业都越来越重视客户流失管理。保留客户是任何组织获得竞争优势的主要要求之一。

2 客户流失影响因素

客户流失分为自愿和非自愿流失两种。自愿流失指的是因为客户自身的原因所导致的流失。非自愿流失指的是客户因为外在的某些不可抗力的原因导致其不能继续购买企业的产品或服务而造成的流失。不同行业影响客户流失的因素不尽相同，本文将区分以下三个行业进行相关探讨。

2.1 电信业

我国电信业在不断的改革过程中竞争在不断的加剧。如今，通信市场的竞争已经十分激烈，在这种情况下，电信企业的战略重点就成了进行客户争夺。

赵莽（2006）基于客户保持理论，从不同维度对影响流失的客户进行研究，研究表明客户忠诚度、客户满意度、客户归属感等几个因素有助于客户保持。夏国恩（2007）认为，可以从多维的客户特征中，通过客户特征提取，从客户行为、客户基本特征、产品质量三方面对客户流失进行实证研究。王颖（2015）利用移动公司的客户数据，运用统计分析方法，对可能影响客户流失的因素进行研究，筛选出了影响客户流失的8个因素。徐旭（2015）对影响终端客户流失的因素从多个角度进行了分析，提出客户流失的影响因素有很多，包括客户的年龄、职业、收入等。周静等（2017）将着眼点放在社交网络上，研究影响电信客户流失的因素。利用某移动公司的8个指标数据通过逻辑回归的方法进行预测，结果表明，在选取的8个指标中，对预测客户流失产生重要影响的是个体的信息熵、个体的度、联系的强度三个指标。实际中，业务人员的流动、竞争对手产品具有优势、公司存在诚信问题、服务态度恶劣等也是造成客户流失的原因。

2.2 金融业

中国金融机构随着经济体制改革的深化和对外开放政策的放开在发生着巨大的变化，加之网上银行的兴起，微信、支付宝等第三方支付平台的普及使用，使得银行间的竞争变得激烈异常。愈加激烈的竞争使得客户流失率也随之增加。

林睿等（2012）通过参考国际上和相关领域专家对银行客户数据的分析，认为客户性别、客户拥有的产品数量等10个因素对中国建设银行某分行的客户流失具有显著影响。王未卿等（2014）以国内某商业银行支行的客户资料为样本，通过单因素分析得出影响银行客户流失的12个因素，进一步利用逐步判别法以及PHRGE发现其中有8个有效指标，一部分与客户流失呈正相关；一部分呈负相关。卢美琴等（2018）针对商业银行中VIP客户不断流失的现象，利用相关系数检验的方法对影响VIP客户流失的因素进行分析，结果表明年龄、有效活期账户数等15个因素对客户流失产生着重要影响。

2.3 电子商务

近年来电子商务技术的快速发展使得网上消费成了一种趋势。然而，由于网上消费范围广、成本低、速度快等特点也造成了网络客户的流失率非常高。很多顾客只购买一次产品便不再继续购买，这样的顾客数量占到了80%左右。因此，要对客户是否流失进行预测进而及时的制订客户保持策略，那么就需要探讨影响网络客户流失的关键因素。

任剑锋（2012）认为影响电子商务客户流失的有客户年龄、客户性别、购买金额、深夜购买次数、服务呼叫次数、客戶信用得分这六个因素。王榕麟（2013）通过文献搜集与整理，探究影响网店顾客流失的因素。通过因子分析，得到了包括交易安全性、产品质量、网络口碑在内的12个重要影响因素。

于小兵（2014）以某电子商务公司为研究对象，先确定了影响客户流失的因素，再通过语言信息理论和基于正态分布的OWA，得出导致客户流失影响因素的重要性大小排序。李婷婷（2014）探讨了影响B2C客户流失的五类关键性因素，在调查问卷的基础上，采用实证分析的方法，得出各个因素对于客户流失的影响程度，为电子商务企业制定客户保持策略提供了一定的借鉴。叶志龙等（2016）认为顾客的年龄、持有会员卡的级别、积分、购物次数等因素对某网站的会员流失量产生着影响。夏国恩（2018）将客户价值特征和客户情感特征融入到了网络客户流失预测的研究当中，认为影响网络客户流失的因素有客户首次购买的时间、客户消费新鲜度、客户消费频度、消费总金额、客户对商品的评分以及客户评论情感。除此之外，产品性价比、网店客服的态度、选择合作的物流公司等因素对于客户的选择有着重要的影响。分析影响网络客户流失的因素，进一步量化后用以预测网络客户是否流失是我们未来应关注的方面。

3 客户流失预测方法

客户流失预测方法很多，本文将其划分为以下几个阶段。

（1）基于传统统计学的预测方法。这一阶段主要包括决策树、Logistic回归、聚类分析以及贝叶斯分类器等预测方法。徐燕妮等（2012）将决策树和Logistic回归方法的优点结合起来，提出了创新性的电信客户流失预警模型。尹婷等（2014）提出了贝叶斯决策树算法，加入贝叶斯节点弥补了决策树方法的缺点，得到的结果比单独的决策树算法更为准确，为客户流失预警分析提供了一种新的研究思路和分析方法。这个阶段的方法具有模型解释性强，处理定类和连续性数据效果好的优点。缺点是灵活性差、泛化能力不足、对于数据量庞大、多维非线性的数据处理效果较差。

（2）基于人工智能的预测。田玲等（2007）提出了一种基于神经网络的预测模型，与传统的决策树和贝叶斯网络相比通过使用两次神经网络，获得了更好的效果。代逸生（2011）运用人工智能技术，构建了基于LVQ神经网络的电信企业客户流失预测模型。基于人工智能的方法主要依靠的是经验风险最小化原则，逻辑推导和数学证明不严密，泛化能力比较弱。

（3）基于统计学习理论的预测。钱苏丽等（2007）将代价敏感学习理论引入客户流失预测，基于改进支持向量机建立了流失预测模型，建模过程中引入了不同的错分代价，模型的预测性能因此得到了极大地提高。夏国恩（2008）基于电信行业的数据，用四种不同的方法进行了对比测试，结果表明支持向量机模型效果最好。朱帮助（2010）基于SMC和最小二乘支持向量机构建了电子商务客户流失三阶段预测模型用来预测客户是否流失。结果表明，其与单独模型相比，预测精度更高，更为有效和实用。夏国恩等（2018）利用支持向量机对融入客户价值特征和情感特征的网络客户流失预测进行了研究。首先，分析了融入客户评论情感打分后模型与未融入客户评论情感打分的模型在不同核函数的支持向量机分类算法的表现，结果表明融入客户评论情感的模型预测结果相对更好。其次，将融入客户评论情感打分后模型与未融入客户评论情感打分的模型在支持向量机与人工神经网络、逻辑回归、朴素贝叶斯、决策树分类器上分别进行实证分析，结果表明，从预测算法上来看，相比于其他的预测算法多项式核SVM在网络客户流失预测中能够取得相对较好的结果。支持向量机是一个典型的代表，它可以解决小样本、非线性以及模式识别方面的问题，具有一定的优势。它的缺点是参数的选择决定了预测的精度。

（4）基于组合分类器和仿生学算法的预测。基于仿生学算法的预测代表方法有蚁群算法和蜂群算法。王纯麟（2007）针对目前采用单分类器的不足，提出了一种基于组合分类器的流失预测模型。结果表明，经过AdaBoost算法训练的组合分类器能有效提升预测准确率。罗彬等（2010）针对在电信行业预测客户流失比较复杂的问题，提出了一种新的流失预测模型——基于蚁群算法的成本敏感线性集成多分类器模型。结果表明，基于集群智能的改进蚁群优化算法具有原理清晰、程序简单、全局收敛的优点，这在流失预测中具有很好的优势。罗彬等（2011）提出了一种新的基于粗糙集理论、神经网络和蜂群算法线性集成多分类器的客户流失预测模型。该模型运用了最新发展的人工蜂群算法，進一步扩展了人工蜂群算法的应用领域。

4 未来研究方向

在这个网络时代，越来越多的人习惯使用网络。这种现象向企业传递了一种信号：不能忽视网络带来的影响力，未来应该将关注的重点放在网络客户行为的研究上。首先，网络客户属于非契约型客户，通常网络客户的相关性弱，流失率高，企业很难准确的判断客户的潜在流失行为，因此需要确定哪些因素对网络客户的流失起着决定性的作用，对潜在的流失客户进行识别。其次，网络客户数据一般数据量比较大，而且比较杂，随着大数据的不断发展与成熟，使得对于客户行为的分析变得更加容易，加之近几年深度学习方法所表现出来的优势，未来可以将深度学习方法有效的利用在预测网络客户流失的过程当中。除此之外，可以在数据处理方面进行优化。网络客户流失现在处于刚起步的阶段，相关研究较少，还存在一些问题例如客户行为特征的影响、模型的应用、预测模型的优化等值得继续研究和探索。

参考文献

[1] 于小兵，曹杰，巩在武.客户流失问题研究综述[J].计算机集成制造系统，2012，18（10）.

[2] 赵莽.基于实证分析的移动客户保持影响因素和策略研究[D].北京邮电大学，2006.

[3] 王未卿，姚娆，刘澄.商业银行客户流失的影响因素——基于生存分析方法的研究[J].金融论坛，2014（1）.

[4] 任剑锋，张新祥.电子商务客户流失的建模与预测研究[J].计算机仿真，2012，29（5）.

[5] 于小兵，王旭明.影响电子商务客户流失因素分析[J].数学的实践与认识，2014，44（21）.

[6] 李婷婷.影响B2C电子商务企业客户流失因素的实证分析[D].哈尔滨商业大学，2014.

[7] 徐旭.移动互联网下终端客户流失影响因素实证研究[J].赤峰学院学报（自然科学版），2015，31（5）.

[8] 夏国恩，马文斌，唐婵娟，等.融入客户价值特征和情感特征的网络客户流失预测研究[J].管理学报，2018，15（3）.