基于決策樹的電信業客戶流失分析

陳 捷

（杭州師范大學 國際服務工程學院，浙江 杭州 310012）

基于決策樹的電信業客戶流失分析

陳 捷

（杭州師范大學 國際服務工程學院，浙江 杭州 310012）

隨著電信市場競爭加劇，如何降低客戶流失率正成為國內各大運營商關注的問題.本文基于SPSS Clementine數據挖掘平臺，詳細描述了數據挖掘的各個過程，對商業理解、數據準備、建立模型等主要步驟進行了分析，采用C4.5決策樹算法建立了客戶流失預測模型.模型給出了客戶的流失規則，并可預測在網客戶在一定時間內流失的可能性，為市場人員制定挽留措施提供了決策依據.

客戶流失；數據挖掘；決策樹

1 引言

隨著中國3 G牌照的發放，通信行業的競爭愈演愈烈，客戶流失現象也成為電信運營商重點關注的問題.國外統計表明：發展一個新用戶的費用是留住一個老客戶的成本的4～5倍[1].因此，企業需要盡可能地預測并成功挽留那些用戶價值和信用度較高的待流失客戶.當前最有效的方法是采用基于嚴格數學計算的數據挖掘技術，其通過計算機對大量復雜的業務數據集進行自動探索性分析，可發現隱藏在數據背后的業務規則.現今，數據挖掘已經廣泛應用于移動通信企業的市場銷售工作中[2].

本文基于某電信公司數據倉庫系統，根據已流失用戶和在網用戶的基本資料、賬單、話務量等數據，通過數據挖掘中的決策樹方法建立流失分析模型，并對有流失傾向的客戶進行分類預測，為市場經營人員制定相應的挽留策略提供決策依據.本文以SPSS 公司的Clementine 12.0 為建模工具，嚴格按照CRISP-DM （cross-industry standard process for data mining,跨行業數據挖掘過程標準）逐步以商業理解、數據收集、數據準備、數據建模、模型評估、模型應用等步驟來實施此挖掘工程.

2 某電信公司客戶流失分析實例

2.1 商業理解

電信行業中，客戶流失是C R M（客戶關系管理）中客戶生命周期的最后一個階段，一般可以分為兩類：一類為自愿流失，指用戶從本電信運營商轉至它網運營商；另一類為非自愿流失，指電信企業出于客戶欠費或不履行責任等原因而主動取消用戶的服務[5].大多數的客戶流失屬于第一類.流失往往受到一種或多種因素的影響，例如客戶心理偏好、住宅搬遷、競爭對手的優惠政策、電信企業的服務質量等.

本文主要關注自愿流失客戶，特別是其中用戶價值和信用度高的群體.結合業務現狀，將流失客戶定義為“欠費停機3個月以上的在網客戶，以及主動退網客戶”.實例來源于某電信公司C網客戶.

2.2 數據收集與準備

結合業務經驗，本文使用的流失分析數據包括客戶的自然屬性、通信消費、出賬、歷史投訴等信息.這些數據從賬務系統、計費系統、客戶關系管理系統、營業系統、財務系統等多個生產系統中采集、清洗并加載到企業已建立的數據倉庫中.因此數據收集對本文并不是難點.從數據倉庫中隨機抽取了2010年6月份的1000 0名流失客戶以及2000 0名非流失客戶作為本次研究的樣本.接著的數據準備工作是本文進行過程中的一個技術關鍵.

數據準備包括對數據的選擇、缺失值處理、噪聲數據平滑、數據集成變換、衍生變量的生成、離散化、抽樣等，它需要對行業領域知識有較深的理解，是數據挖掘項目中花費時間最長的過程.本文采用Clementine直接對數據進行清洗與轉換處理，抽象出與用戶流失相關的屬性.例如使用數據審核節點采用C&RT算法來歸因或替換字段的缺失值.使用導出節點通過用戶身份證號生成年齡字段和性別字段.原始的用戶行為數據并不能直接反應用戶流失前的異常變化，這需要通過導出節點歸約出一些衍生指標，比如流失前3個月的月均各語音、短消息的消費比例、網間通話比例等.

通過對分析數據的調整和歸約，將有助于提高其后的數據建模過程的精度和性能.經過上述處理，形成的客戶流失屬性表包含以下信息：

客戶基本信息：年齡、性別、地區、職業、在網時長、產品結構、優惠套餐、付費方式等、流失狀態；

流失前3個月的月均通話與消費數據：通話次數、長話次數、出賬費用、市話費用比例、長話費用比例、短信費用比例、功能費用比例、通話次數、通話時長、網間通話比例、呼叫轉移次數、投訴次數等.

2.3 數據建模

經過數據預處理后得到一個高質量的數據集合，為避免出現模型的過適應問題，從中隨機選取2/3的數據作為訓練集，2094 5條數據用于建立預測模型；剩余的9055條數據作為驗證數據集，用于對模型性能進行評估.

從訓練集中選擇流失狀態字段chur_stat作為用戶流失預測模型中的目標字段，它由1和0兩個值組成，1代表用戶現在是流失狀態，0代表用戶現在非流失.在Clementine上運行C 4.5分類技術，通過歸納分析它們的特征來預測用戶是否離網.

不斷對預測模型進行調優(變換參數)，選取最優參數設置來訓練模型.最終得到客戶流失決策樹節點flag_active.瀏覽該節點可查看用戶流失決策樹，其中每一條路徑代表一條分類規則，每條規則對應了一個葉子節點，給出該規則客戶流失的數量和流失的概率.如標識為‘5’的葉子節點表示，在該客戶群中流失的概率為21%，主要包括以下特征：

AVg_call_dur>1:月通話時大于1小時，

NET_dur>=2:在網時長不小于2年，

AVg_call_dms_rate>=0.11:長途通話比例不小于0.11.

標識為‘12’的葉子節點表示該客戶群的流失概率為83%，它們的特征與表示為‘5’的群體的區別在于：

NET_dur<1:在網時長小于1年，

call_wj_rate>0.6：網間通話比例大于0.6，

call_divert_cnt>12：呼叫轉移次數大于12次.

從決策樹分析，每月的通話時長、在網時長、網間通話比例這三個因素是與用戶流失相關的主要因素.通話時長指標反映用戶主動使用手機通話意愿的強烈程度；在網越久的用戶的忠誠度也越高；網間通話比例反映了中國電信與中國聯通、中國移動用戶之間的聯系緊密程度，因為聯通與移動都對網內通話給與一定的優惠，如果某客戶群與中國移動用戶的通話比例較高，那么該客戶群的離網傾向也較高.

2.4 模型評估與應用

模型評估是運用Clementine的分析節點對已建立的客戶流失預測模型進行精確性分析，評價指標為對未經分類處理的測試數據進行正確分類的準確率，即“預測正確率=正確預測個數/測試樣本數×100%”.將在數據抽樣過程中分離出的測試數據集輸入客戶流失預測模型，借助分析節點得到該模型的準確率為84.16%.

經驗證評估后，使用Clementine的發布節點將流嵌入到運營商自己外部的應用軟件中，如CRM、營銷支撐系統等，可進行客戶流失趨勢的預測，通過預測某個客戶流失的概率來評價發展用戶的質量.

3 小結

決策樹是一種重要的分類預測模型，本文以電信業的客戶流失作為主題，依托某地電信公司的客戶數據，基于C 4.5決策樹算法構建了一個數據挖掘的模型，在遵循CRISP-DM標準的構建過程中所用到的理論、方法與策略同樣也可適用于其它主題.在某電信公司中的應用結果表明，該模型可提供較準確的決策依據，市場部門能對流失傾向較高的客戶群體采取針對性的挽留措施，并通過實際應用，不斷地修正挖掘模型使其預測精度更高.

〔1〕周支立，劉斌．基于客戶信息的電信企業客戶流失問題分析[J]．情報雜志，2003（12）：98-99．

〔2〕湯小文，蔡慶生．數據挖掘在電信業中的應用[J]．計算機工程，2004，30(6)：36-37．

〔3〕Salvatore Ruggieri．Efficient C4.5[J]．IEEE Transaction on Knowledge and Data Engineering，2002，14(2)：438-444．

〔4〕Quinlan，J.R.．Induction of Decision Trees．Machine Learning．1986(11)．

〔5〕薛薇，王益鋒，趙璋．基于客戶細分的電信客戶流失防范對策研究[J]．經理理論研究，2007(4)：48-50．

TP 181

A

1673-260X（2010）12-0079-02