电信业客户流失管理策略模型

doi:10.3969/j.issn.1000-0801.2009.03.023

Abstract

Abstract:

A customer churn management strategy model（CMSM）is proposed for the telecommunication industry，which is based on Delta strategy model for firm competitiveness.CMSM is substantiated by using a customer churn dataset of a telecommunication carrier.It is found that the model could describe customer churn reasons and include the main predictor factors related with firm competitiveness strategy，thereby its application is easily controlled.

Key words: customer churn, Delta model, forecast, factor analysis

Guo’en Xia,Peiji Shao. Customer Churn Management Strategy Model in Telecommunication Industry[J]. Telecommunications Science, 2009, 25(3): 76-84.

Figures/Tables 8

研究者	分析变量
Mozer等^{[ 10 ]}	服务途径、服务开始/终止日期、账单信息、呼叫质量、企业实力、漫游费用、信用分类、客户分类、电话机信息、月支出费用、呼叫等待次数、主动服务次数、主叫次数、价格计划选择、漫游质量、客户地理位置
Yan等^[11]	客户分类、客户地理位置、信用分类、各种服务开始/终止日期、各种服务月费用、各种服务月使用、月呼叫等待次数、月主动服务次数
Lu等^[12]	账单信息、客户额外费用、销售误传信息、竞争者价格计划、不能接受的通话质量
Au等^[9]	年龄、奖金/红利、客户类型、运营商类型、地理位置、月支出费用、月使用情况、使用时间、呼叫等待次数、主叫次数、付款方式、服务计划
Rosset等^[13]	使用情况、价格计划、付款方式、主动服务、呼叫中心的接触次数
Gupta等^[14]、cott等^[15]	电话机使用时间、月均呼叫次数、月均通话时间、信用分类、上次主动服务的时间、地理位置、电话机价格、合同义务服务期限、服务期的平均使用时间、近期月使用时间的变化、家庭成员数、职业、种族、月连续服务范围
朱世武等^[16]	年龄、职业、教育程度、籍贯、付费方式、不同场所移动电话的接收质量、电信公司的服务质量、是否更换移动电话服务商及次数、手机品牌与型号、是否换过手机及次数、购买手机优先考虑的因素、对于所使用手机外型和功能等的满意程度、对手机电磁辐射的态度、每月本地话费数量或次数、每月长途话费数量、是否经常使用呼叫转移、发送和接收短信的次数、通话弧度的大小（即每个月平均与多少个人通话、每月收发短信息的个数）
Wei Yu等^[8]	电话价格、阻塞或下降呼叫、阻塞数据呼叫、阻塞语音呼叫、下降数据呼叫、下降语音呼叫、通话提前呼叫、通话延时呼叫、客户关怀呼叫、闭路数据呼叫、闭路语音呼叫、目录辅助呼叫、双带宽、国外长途、手机网络能力、少于1 min的到达呼叫、到达无线对无线呼叫、发出无线对无线呼叫、接收SMS呼叫、接收语音呼叫、漫游呼叫、三向呼叫、账目消费限制、平均每月收入超过前3个月、平均每月收入超过前6个月、平均每月收入超过整个客户生命周期、账单调整的整个收入超过客户生命周期、保持项目的呼叫、缺乏保持项目的呼叫、信用等级、种族划分、地理位置、手机来电显示、月平均收入、月连续费用、乘车指示、目前装备天数、自从上次关怀呼叫的天数、话机的发行数、样式的发行数、供应缺陷、来自关怀项目地供应者的接受、每月收入与前3个月平均的比率、信用卡拥有数、数据过载费用、语音过载费用、介绍数、娱乐显示、社交群体、服务月份总数、总过载费用、总费用、商业显示、家庭中独特的消费者
注：参考文献[8]中的变量大部分存在80%以上的缺失值。

组	分析变量
产品特征	手机价格、目前手机使用的时间、网络掉线语音通话次数、网络阻塞语音通话次数、网络掉线和阻塞语音呼叫总次数
客户方案	无应答语音通话次数、语音通话主叫次数、接听语音通话次数、成功的语音通话次数、客户关怀通话次数、客户关怀通话使用的取整时间长度、客户关怀通话使用的非取整时间长度、少于1 min的被叫通话次数、成功的语音通话使用的非取整时间长度、接听语音通话使用的非取整时间长度、国际无线语音通话次数、国际无线语音通话使用的非取整时间长度、国内无线语音通话次数、国内无线语音通话使用的非取整时间长度、峰值语音通话次数、峰值语音通话使用的非取整时间长度、非峰值语音通话次数、非峰值语音通话使用的非取整时间长度、通话主叫次数、成功的通话次数、通话等待次数、总的服务月份数、客户生命周期内总的通话次数、客户生命周期内总的通话时间长度、客户生命周期内调整的总的通话时间长度、客户生命周期内调整的总的通话次数、客户生命周期内月均通话时间长度、客户生命周期内月均通话次数、过去3个月月均通话时间长度、过去3个月月均通话次数、月均通话费用、月均通话时间长度、月均连续消费费用、查号呼叫次数、月均超时使用时间长度、过去3个月月均通话时间长度改变的百分数、过去6个月月均通话时间长度、过去6个月月均通话次数
客户信息	第一家庭成员的年龄、总的通话收益、客户生命周期内调整的总的通话收益、客户生命周期内月均通话收益、过去3个月月均通话收益、月均超额收益、月均语音通话超额收益、过去3个月内月均收益改变的百分数、过去6个月月均通话收益

因子	变量	因子负荷	累积方差贡献率（%）
标准使用因子	无应答语音通话次数	0.78	25.69
	语音通话主叫次数	0.87
	接听语音通话次数	0.82
	成功的语音通话次数	0.86
	少于1 min的被叫通话次数	0.81
	接听语音通话使用的非取整时间长度	0.61
	峰值语音通话次数	0.81
	峰值语音通话使用的非取整时间长度	0.58
	非峰值语音通话次数	0.82
	通话主叫次数	0.87
	成功的通话次数	0.86
	通话等待次数	0.61
	客户生命周期内月均通话次数	0.59
	过去3个月月均通话次数	0.75
	过去6个月月均通话次数	0.69
生命周期使用因子	总的服务月份数	0.56	38.72
	客户生命周期内总的通话次数	0.86
	客户生命周期内总的通话时间	0.83
	客户生命周期内总的通话收益	0.78
	客户生命周期内调整的总的通话收益	0.78
	客户生命周期内调整的总的通话时间长度	0.83
	客户生命周期内调整的总的通话次数	0.86
付费意愿因子	月均连续消费费用	0.84	47.41
	客户生命周期内月均通话收益	0.73
	月均通话收益	0.72
	过去3个月月均通话收益	0.74
	过去6个月月均通话收益	0.77
额外开销因子	月均超时使用时间长度	0.94	25.69
	月均超额收益	0.95
	月均语音通话超额收益	0.95
使用时间长度因子	客户生命周期内月均通话时间长度	0.61	62.52
	成功的语音通话使用的非取整时间长度	0.68
	非峰值语音通话使用的非取整时间长度	0.68
	月均通话时间长度	0.55
	过去3个月月均通话时间长度	0.61
	过去6个月月均通话时间长度	0.60
客户关怀因子	客户关怀通话次数	0.83	25.69
	客户关怀通话使用的取整时间长度	0.96
	客户关怀通话使用的非取整时间长度	0.93
无线语音使用因子	国际无线语音通话次数	0.56	74.02
	国际无线语音通话使用的非取整时间长度	0.64
	国内无线语音通话次数	0.78
	国内无线语音通话使用的非取整时间长度	0.85
产品价值因子	手机价格	0.62	79.23
	目前手机使用的时间	-0.74
产品质量因子	网络阻塞语音通话次数	0.90	82.70
	网络掉线和阻塞语音呼叫总次数	0.70
使用变化因子	过去3个月月均通话时间长度改变的百分数	0.87	86.13
	过去3个月内月均收益改变的百分数	0.87
注：其残差相关系数超过0.05的有7%。

因子	模型组
因子	产品特征	客户方案	客户信息
标准使用因子		无应答语音通话次数、语音通话主叫次数、接听语音通话次数、成功的语音通话次数、少于1 min的被叫通话次数、接听语音通话使用的非取整时间长度、峰值语音通话次数、峰值语音通话使用的非取整时间长度、非峰值语音通话次数、通话主叫次数、成功的通话次数、通话等待次数、客户生命周期内月均通话次数、过去3个月月均通话次数、过去6个月月均通话次数
生命周期使用因子		总的服务月份数、客户生命周期内总的通话次数、客户生命周期内总的通话时间，客户生命周期内调整的总的通话时间长度、客户生命周期内调整的总的通话次数	客户生命周期内总的通话收益、客户生命周期内调整的总的通话收益
付费意愿因子		月均连续消费费用	客户生命周期内月均通话收益、月均通话收益、过去3个月月均通话收益、过去6个月月均通话收益
额外开销因子		月均超时使用时间长度	月均超额收益、月均语音通话超额收益
使用时间长度因子		成功的语音通话使用的非取整时间长度、非峰值语音通话使用的非取整时间长度、客户生命周期内月均通话时间长度、月均通话时间长度、过去 3 个月月均通话时间长度、过去6个月月均通话时间长度
客户关怀因子		客户关怀通话次数、客户关怀通话使用的取整时间长度、客户关怀通话使用的非取整时间长度
无线语音使用因子		国际无线语音通话次数、国际无线语音通话使用的非取整时间长度、国内无线语音通话次数、国内无线语音通话使用的非取整时间长度
产品价值因子	手机价格，目前手机使用的时间
产品质量因子	网络阻塞语音通话次数、网络掉线和阻塞语音呼叫总次数
使用变化因子		过去3个月月均通话时间长度改变的百分数	过去3个月月均收益改变的百分数

因子	指标变量	升序分位数分组数	One-Way anova分析	LSD法的多重两两比较	分组客户流失率排序	与客户流失关系
标准使用因子	无应答语音通话次数	5	F（4.27822）=26061.96，P＜0.01	P_i，j＜0.01	↓	-
	无应答语音通话次数	5	F（4.27822）=46221.52，P＜0.01	P_i，j＜0.01	↓	-
	接听语音通话次数	5	F（4.27822）=23133.65，P＜0.01	P_i，j＜0.01	↓	-
	成功的语音通话次数	5	F（4.27822）=45306.71，P＜0.01	P_i，j＜0.01	↓	-
	少于1 min的被叫通话次数	5	F（4.27822）=18772.97，P＜0.01	P_i，j＜0.01	↓	-
	接听语音通话使用的非取整时间长度	5	F（4.27822）=26192.60，P＜0.01	P_i，j＜0.01	↓	-
	峰值语音通话次数	5	F（4.27822）=37461.90，P＜0.01	P_i，j＜0.01	↓	-
	峰值语音通话使用的非取整时间长度	5	F（4.27822）=34298.33，P＜0.01	P_i，j＜0.01	↓	-
	非峰值语音通话次数	5	F（4.27822）=25906.01，P＜0.01	P_i，j＜0.01	↓	-
	通话主叫次数	5	F（4.27822）=45899.20，P＜0.01	P_i，j＜0.01	↓	-
	成功的通话次数	5	F（4.27822）=44732.78，P＜0.01	P_i，j＜0.01	↓	-
	通话等待次数	5	F（4.27822）=22290.83，P＜0.01	P_i，j＜0.01	↓	-
	月均通话次数	5	F（4.27822）=38902.09，P＜0.01	P_i，j＜0.01	↓	-
	过去3个月月均通话次数	5	F（4.27822）=41982.09，P＜0.01	P_i，j＜0.01	↓	-
	过去6个月月均通话次数	5	F（4.27822）=41982.19，P＜0.01	P_i，j＜0.01	↓	-
生命周期使用因子	总的服务月份数	5	F（4.27822）=418.30.86，P＜0.01	P_i，j＜0.01	↓	-
	客户生命周期内总通话次数	5	F（4.27822）=75946.24，P＜0.01	P_i，j＜0.01	↑	+
	客户生命周期内总的通话时间长度	5	F（4.27822）=24814.39，P＜0.01	P_i，j＜0.01	0	0
	客户生命周期内调整的总的通话时间长度	5	F（4.27822）=31576.69，P＜0.01	P_i，j＜0.01	0	0
	客户生命周期内调整的总的通话次数	5	F（4.27822）=31453.13，P＜0.01	P_i，j＜0.01	0	0
	总的通话收益	5	F（4.27822）=24742.09，P＜0.01	P_i，j＜0.01	0	0
	客户生命周期内调整的总的通话收益	5	F（4.27822）=34850.57，P＜0.01	P_i，j＜0.01	0	0
付费意愿因子	月均连续消费费用	5	F（4.27822）=35318.88，P＜0.01	P_i，j＜0.01	↓	-
	客户生命周期内月均通话收益	5	F（4.27822）=56919.8，P＜0.01	P_i，j＜0.01	↓	-
	月均通话收益	5	F（4.27822）=34543.75，P＜0.01	P_i，j＜0.01	0	0
	过去3个月月均通话收益	5	F（4.27822）=34801.94，P＜0.01	P_i，j＜0.01	↓	-
	过去6个月月均通话收益	5	F（4.27822）=30316.06，P＜0.01	P_i，j＜0.01	↓	-
额外开销因子	月均超时使用时间长度	4	F（4.27822）=34935.88，P＜0.01	P_i，j＜0.01	↑	+
	月均超额收益	4	F（4.27822）=21431.55，P＜0.01	P_i，j＜0.01	↑	+
	月均语音通话超额收益	4	F（4.27822）=19085.68，P＜0.01	P_i，j＜0.01	↑	+
使用时间长度因子	客户生命周期内月均通话时间长度	5	F（4.27822）=18832.66，P＜0.01	P_i，j＜0.01	↓	-
	成功的语音通话使用的非取整时间长度	5	F（4.27822）=46568.86，P＜0.01	P_i，j＜0.01	↓	-
	非峰值语音通话使用的非取整时间长度	5	F（4.27822）=33818.11，P＜0.01	P_i，j＜0.01	↓	-
	月均通话时间长度	5	F（4.27822）=21281.72，P＜0.01	P_i，j＜0.01	0	0
	过去3个月月均通话时间长度	5	F（4.27822）=42206.79，P＜0.01	P_i，j＜0.01	↓	-
	过去6个月月均通话时间长度	5	F（4.27822）=46611.30，P＜0.01	P_i，j＜0.01	↓	-

References 19

1	Keaveney S M . Customer switching behavior in service industries：an exploratory study. Journal of Marketing， 1995，59(2)： 71～82
2	Kim H S ， Kwon N . The advantage of network size in acquiring new subscribers. Information Economics and Policy， 2003，15（1）： 17～33
3	Madden G ， Savage S ， Neal G C . Subscriber churn in the Australian ISP market. Information Economics and Policy， 1999(11)： 195～207
4	Lee J ， Feick L . The impact of switching costs on the customer satisfaction-loyalty link：mobile phone service in France. Journal of Services Marketing， 2001，15（1）： 35～48
5	Gerpott T J ， Rams W ， Schindler A . Customer retention，loyalty，and satisfaction in the German mobile cellular telecommunications market. Telecommunications Policy， 2001(25)： 249～269
6	Woo K ， Fock H . Customer satisfaction in the Hong Kong mobile phone industry. The Service Industries Journal， 1999，19(3)： 162～174
7	Li Shaomin . Survival analysis. Marketing Research， 1995，7(4)： 16～24
8	Wei Yu ， Jutla D N ， Sivakumar S C . A churn-strategy alignment model for managers in mobile telecom.In： Communication Networks and Services Research Conference.Proceedings of the 3rd Annua， May 2005： 48～53
9	Au W ， Chen K C C ， Yao X . A novel evolutionary data mining algorithm with applications to churn prediction. IEEE Transactions on Evolutionary Computation， 2003，7(6)： 532～545
10	Mozer M C ， Wolniewicz R . Predicting subscriber dissatisfaction and improving retention in the wireless telecommunications industry. IEEE Transactions on Neural Networks， 2000，11(3)： 690～696
11	Yan L ， Miller D J ， Mozer M C ， et al. Improving prediction of customer behavior innonstationary environments.In： Proceedings of the International Joint Conference on Neural Networks， 2003(3)： 2258～2263
12	Lu J . Predicting customer churn in thetelecommunications industry——an application of survivalanalysis modeling using SAS.In： SAS Group International 27th Annual Conference， 2000： 114～122
13	Rosset S ， Neumann E . Integrating customer value considerations into predictive modeling.In： Proceedings of the Third IEEE International Conference on Data Mining（ICDM’03）， 2004
14	Gupta S ， Kamakura W ， LU J ， et al. CRM presentations.In： Informs Marketing Science Conference， Maryland， June 2003
15	Scott C N ， Golovnya M ， Steinberg D . Churn modeling for mobile telecommunications.In： Informs Marketing Science Conference， Maryland， June 2003
16	朱世武，崔鬼，谢邦昌 . 移动电话客户流失数据挖掘. 数理统计与管理， 2005，24（1）：62～69
17	Hax W . The Delta model——a new framework of strategy. Journal of Strategic Management Education， 2003，1（1）： 1～21
18	夏凌翔，张世宇，王振勇 . 高中生学习兴趣结构的探索性因素分析. 辽宁师范大学学报（社会科学版）， 2002，25(6)：58～60
19	孙晓军，周宗奎 . 探索性因子分析及其在应用中存在的主要问题. 心理科学， 2005，28(6)：1440～1442

Metrics

Recommended 0

No Suggested Reading articles found!

[1]	Xiwen LIAO, Supeng LENG, Yujun MING, Tianyang LI. Digital twin based intelligent urban traffic forecasting and guidance strategy [J]. Telecommunications Science, 2023, 39(3): 70-79.
[2]	Kehong A, Xiaodong HU. GAN data reconstruction based prediction method of telecom subscriber loss [J]. Telecommunications Science, 2023, 39(3): 135-142.
[3]	Haibo ZHAO, Zhijun XIANG, Linsong XIAO. A big data framework for short-term power load forecasting using heterogenous data [J]. Telecommunications Science, 2022, 38(12): 103-111.
[4]	Xuan WEI,Ke RUAN,Xiaoying HUANG,Xun CHEN,Cancan HUANG. Automatic prediction for IP backbone network traffic [J]. Telecommunications Science, 2020, 36(8): 175-183.
[5]	Wenyu HU,Xiaoyan DOU. Impact of the nationwide implementation of mobile number portabilityon mobile communications market [J]. Telecommunications Science, 2019, 35(9): 124-134.
[6]	Yun YUE,Guangyue LU,Di LIU,Jingyi DONG. GM (2,1) recursive forecasting model based on equal dimension and new information [J]. Telecommunications Science, 2017, 33(5): 55-61.
[7]	Xiande BU,Zhenhua QU,IBinglin L,IANWenfeng T. Network bandwidth forecast method for IMS business in power dispatching communication [J]. Telecommunications Science, 2015, 31(Z1): 168-172.
[8]	Zhigang Ni. A New Method of Network Index Data Forecast [J]. Telecommunications Science, 2013, 29(3): 141-146.
[9]	Nie Boshi,Feng Zhiyong,Feng Zebing and Song Xingang. Frequency Planning of IMT System Based on the Hierarchical Spectrum Demand Forecast [J]. Telecommunications Science, 2012, 28(5): 30-36.

Customer Churn Management Strategy Model in Telecommunication Industry

RichHTML

PDF下载

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 8

References 19

Related Articles 9

Metrics

Recommended 0