亚洲伊人久久精品影院,91精品尤物福利国产,欧美特黄一区二区,96久久精品人人妻人人槡

????如何評價(jià)客戶(hù)流失預測模型效果呢？

用來(lái)評估客戶(hù)流失預測模型預測效果好壞的一個(gè)重要指標就是提升度了。所謂提升度，簡(jiǎn)單來(lái)說(shuō)，使用模型預測客戶(hù)流失比不使用模型要好多少。如圖，將客戶(hù)按流失概率由大到小排名，圖中的點(diǎn)（10%，50%）表示流失排名前10%的客戶(hù)包含了實(shí)際流失客戶(hù)的50%。換句話(huà)說(shuō)，如果企業(yè)有300萬(wàn)的客戶(hù)，平均流失率為1%，如果對前10%的客戶(hù)進(jìn)行捕獲，實(shí)際上能夠捕獲到真實(shí)流失的客戶(hù)15000人（即300萬(wàn)1%50%）。

圖中藍線(xiàn)表示在沒(méi)有預測模型指導的情況下隨機抽取客戶(hù)的結果。這條線(xiàn)其實(shí)很好理解，如果抽取10%的客戶(hù)，則能夠捕獲到300萬(wàn)10%1%個(gè)流失客戶(hù)，占到總實(shí)際流失客戶(hù)的300萬(wàn)10%1%（300萬(wàn)1%）=10%，所以這條線(xiàn)實(shí)際上是一條斜率為45度的直線(xiàn)。圖中紅線(xiàn)表示客戶(hù)流失預測模型預測下的結果，如線(xiàn)上的點(diǎn)（10%，50%）表示流失排名前10%的客戶(hù)包含了實(shí)際流失客戶(hù)的50%。所以，對于流失排名前10%的客戶(hù)，使用模型預測的效果是沒(méi)有使用模型預測的5倍！這就是所謂的提升度。

ROC曲線(xiàn)

其實(shí)，上圖的紅線(xiàn)就是傳說(shuō)中的ROC曲線(xiàn)，全稱(chēng)Receiver Operating Characteristic Curve，中文名叫接收者操作特性曲線(xiàn)。而藍線(xiàn)就是基準線(xiàn)。一般來(lái)說(shuō)，ROC曲線(xiàn)與偏離基準線(xiàn)，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(guān)注有由提升度所給出的模型預測效果，卻忽視（或者沒(méi)有去評估）客戶(hù)流失預測模型所表現出來(lái)的“應用效果”。

人們一般比較關(guān)心，有了這樣一個(gè)流失預測模型，或者說(shuō)在這個(gè)模型的指導下對高流失可能客戶(hù)開(kāi)展挽留關(guān)懷活動(dòng)，下個(gè)月的客戶(hù)流失率會(huì )不會(huì )顯著(zhù)地降低呢？這樣的看法是不正確的，因為客戶(hù)流失預測模型只是揭示了“什么樣的客戶(hù)更可能會(huì )流失”這樣一個(gè)客觀(guān)規律。

實(shí)際情況是，在使用客戶(hù)流失預測模型之后，客戶(hù)流失率往往得不到大幅度的降低。下面通過(guò)一個(gè)證券行業(yè)的例子來(lái)說(shuō)明。

假設某個(gè)券商A，當前有300萬(wàn)的客戶(hù)，月平均流失率為1%。為了更好地建立預測模型，在開(kāi)發(fā)模型的過(guò)程，僅對有效客戶(hù)進(jìn)行建模，也就是說(shuō)，在建模之前，需要通過(guò)設定一定的條件來(lái)剔除非有效客戶(hù)，如機構客戶(hù)、資產(chǎn)極大或極小客戶(hù)、無(wú)交易行為客戶(hù)，等等。這樣，有效客戶(hù)數120萬(wàn)，月平均流失1.8萬(wàn)，流失率為1.5%。最后，券商A針對有效客戶(hù)開(kāi)發(fā)了客戶(hù)流失預測模型，其效果可以用上面的圖示來(lái)表示，即如果選取最具流失傾向的前10%客戶(hù)作為目標活動(dòng)客戶(hù)，可以包括所有實(shí)際流失客戶(hù)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(hù)名單，對有效客戶(hù)開(kāi)展一對一的針對性挽留關(guān)懷活動(dòng)，而對非有效客戶(hù)，則希望通過(guò)普通的營(yíng)銷(xiāo)政策進(jìn)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(dòng)的目標客戶(hù)，即從120萬(wàn)的有效客戶(hù)中選取了前5%的高流失傾向客戶(hù)作為目標客戶(hù)，即6萬(wàn)。，接下來(lái)，客服人員將在“挽留月”對這6萬(wàn)客戶(hù)進(jìn)行一對一的挽留關(guān)懷工作。券商A希望能在月末的流失率統計中有一個(gè)令人滿(mǎn)意的結果。

這6萬(wàn)客戶(hù)中真實(shí)流失的客戶(hù)有1205%1.5%5=0.45萬(wàn)個(gè)，若能全部挽留住這0.45萬(wàn)個(gè)客戶(hù)自然是好，但在實(shí)際挽留關(guān)懷工作中，卻是很難做到。

我們需要注意客戶(hù)流失預測模型在實(shí)際應用中會(huì )引起耗散的幾個(gè)地方：

（1）在全部客戶(hù)中，僅對有效客戶(hù)進(jìn)行針對性挽留關(guān)懷，假設比例a，這里a=120/300=40%

（2）目標活動(dòng)客戶(hù)選取時(shí)，僅對高流失傾向客戶(hù)進(jìn)行挽留，假設選取比例b=5%

（3）客戶(hù)挽留過(guò)程，存在目標活動(dòng)客戶(hù)的接觸成功率，假設c

（4）客戶(hù)接觸成功的客戶(hù)中又存在挽留成功率問(wèn)題，假設d

根據之前券商A在客服方面的經(jīng)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(hù)中有流失傾向的人的挽留成功率d為30%。

進(jìn)一步假設流失客戶(hù)在接觸到和接觸不到的客戶(hù)中均勻分布，我們可以計算出券商A根據流失預測模型來(lái)采取挽留關(guān)懷活動(dòng)能夠成功挽留下來(lái)的客戶(hù)數量為

成功挽留的客戶(hù)數=總客戶(hù)數有效客戶(hù)比例a高流失傾向客戶(hù)比例b有效客戶(hù)的平均流失率模型提升度接觸成功率c接觸到的客戶(hù)的成功挽留率d=300000040%5%1.5%550%30%=675人

在這種情況下，總體流失率=（30000-675）/3000000=0.9775%，和不做活動(dòng)的1%幾乎沒(méi)有什么區別！

從這里我們可以看出，客戶(hù)流失預測模型并沒(méi)有給企業(yè)帶來(lái)關(guān)于客戶(hù)流失率方面的多大改變?？吹竭@樣的結果，有人不禁要問(wèn)，那還要不要做流失預測模型呢？這是一個(gè)非?，F實(shí)的問(wèn)題。

實(shí)際上，回答這個(gè)問(wèn)題，首先就要回答另外一個(gè)問(wèn)題：建立流失預測模型的目的是為了減低客戶(hù)流失率呢，還是為了提高關(guān)懷與挽留工作的有效性呢？如果是單純?yōu)榱舜蠓冉档涂蛻?hù)流失率，流失預測模型所起到的效果是相對較少的。原因很簡(jiǎn)單，流失預測模型其實(shí)是一種方法論，它并不能直接帶來(lái)客戶(hù)流失率的降低。打個(gè)比方，就好比給病人看病，再先進(jìn)的醫療設備也只能幫助病人查毛病，而不能幫助病人養好病。證券行業(yè)的流失預測模型在客戶(hù)挽留中所起的作用也只能是幫助券商找到流失傾向比較高的客戶(hù)群，而不能直接導致流失率的下降。這一點(diǎn)要清楚。

縱觀(guān)證券行業(yè)，券商通常認定真正流失的客戶(hù)是指發(fā)生了消資金賬戶(hù)、轉托管和撤銷(xiāo)指定等行為的客戶(hù)，但客戶(hù)流失預測模型的流失定義通常是針對客戶(hù)資產(chǎn)是否嚴重縮水。這樣，預測模型不僅包括了上述三種客戶(hù)，而且還包括了這樣的一些客戶(hù)：由于資產(chǎn)縮水嚴重而超出自己能夠承受的預期損失、被深度套牢而很可能轉為睡眠客戶(hù)、等等。這些客戶(hù)雖然看起來(lái)仍然還是券商的客戶(hù)，但已由活躍客戶(hù)逐漸轉為不活躍，不再給券商貢獻利潤價(jià)值。從證券行業(yè)的實(shí)際情況來(lái)看，發(fā)生消資金賬戶(hù)、轉托管和撤銷(xiāo)指定等行為的客戶(hù)流失不可避免，而且占一定的比例。但后一種客戶(hù)，卻是可以通過(guò)挽留關(guān)懷來(lái)使客戶(hù)繼續保持活躍，繼續為券商貢獻利潤價(jià)值。

所以，客戶(hù)流失預測模型的目的應該是為了提高挽留關(guān)懷工作的有效性，最大限度地讓客戶(hù)保持活躍狀態(tài)，而不是所謂的大幅度降低客戶(hù)流失率。

客戶(hù)保持工作的最佳時(shí)機是在其未流失時(shí)，所謂防患于未然嘛。面對日益激烈的市場(chǎng)競爭，大多數企業(yè)越來(lái)越重視客戶(hù)保持工作，通過(guò)不斷地投入來(lái)做好客戶(hù)關(guān)懷與挽留工作，最大可能地留住客戶(hù)。但它們通常都會(huì )面臨這樣的問(wèn)題：如何在企業(yè)資源緊缺的情況下，提高客戶(hù)關(guān)懷與挽留工作的效率，如何能夠在較少的客戶(hù)接觸成本上關(guān)懷到更多實(shí)際將會(huì )流失的客戶(hù)呢？這就要借助于基于數據挖掘的客戶(hù)流失預測模型了。

繼續上面的例子，假定券商A每月可以達到的客戶(hù)接觸為6萬(wàn)人次，而且把要接觸的對象集中在了高價(jià)值客戶(hù)上。如果根據由客戶(hù)流失預測模型給出的高流失傾向的前5%的客戶(hù)名單開(kāi)展關(guān)懷與挽留工作，剛好1205%=6萬(wàn)人，這個(gè)時(shí)候每月可以成功挽留住的客戶(hù)數為675人。但如果沒(méi)有模型指導，每月可以成功挽留住的客戶(hù)數為

總客戶(hù)數高價(jià)值客戶(hù)比例a高流失傾向客戶(hù)比例b高價(jià)值客戶(hù)的平均流失率接觸成功率c接觸到的客戶(hù)的成功挽留率d =300000040%5%1.5%50%30%= 135人

通過(guò)簡(jiǎn)單的比較就可以發(fā)現，基于完全相同的人員投入、完全相同的接觸成功率、完全相同的挽留成功率，有模型指導的挽留比沒(méi)有模型指導的挽留在每月的工作中成功地多挽留了675-135=540個(gè)客戶(hù)。假設這些成功留住的客戶(hù)可以繼續保持活躍狀態(tài)的時(shí)長(cháng)為半年（比較保守的估計），有效客戶(hù)平均貢獻傭金每月100元，則每月由于挽留效率的提高可以獲得的額外收益將為5401006=324000元，一年下來(lái)，年總收益將增加32400012=3888000元。這已經(jīng)是最為保守的估算了，因為據了解，多數客戶(hù)的月平均傭金貢獻高達幾百元，甚至幾千元。

再進(jìn)行更為保守的估算，如果在模型指導下選取前5%的高流失傾向客戶(hù)作為目標客戶(hù)時(shí)，模型的提升度為3。這樣的情況下，每年的收益依然能夠增加1944000元，投資回報依然很大！

實(shí)際上，我們的估算忽略了開(kāi)展挽留關(guān)懷活動(dòng)所耗費的成本問(wèn)題。之所以忽略，是因為我們在沒(méi)有模型指導和有模型指導下進(jìn)行挽留活動(dòng)所花費的成本都是一樣的。我們只需要比較在有模型指導下進(jìn)行挽留活動(dòng)比沒(méi)有模型指導增加了多少收益。

通過(guò)這些估算，只是為了說(shuō)明一個(gè)問(wèn)題：客戶(hù)流失預測模型不是開(kāi)發(fā)好了，部署起來(lái)，就扔在那里，每月按時(shí)跑數，也不能只看到模型預測結果準還是不準，關(guān)鍵是要應用到實(shí)際的客戶(hù)挽留關(guān)懷工作當中去，這樣才能看到實(shí)實(shí)在在的效果。