Telecommunications Science ›› 2009, Vol. 25 ›› Issue (3): 76-84.doi: 10.3969/j.issn.1000-0801.2009.03.023
• research and development • Previous Articles Next Articles
Guo’en Xia1,Peiji Shao2
Online:
2009-03-15
Published:
2009-03-15
Guo’en Xia,Peiji Shao. Customer Churn Management Strategy Model in Telecommunication Industry[J]. Telecommunications Science, 2009, 25(3): 76-84.
"
研究者 | 分析变量 |
Mozer等[ | 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[ | 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[ | 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[ | 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[ | 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[ | 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[ | 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[ | 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[ |
"
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 | ||
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 | Pi,j<0.01 | ↓ | - |
无应答语音通话次数 | 5 | F(4.27822)=46221.52,P<0.01 | Pi,j<0.01 | ↓ | - | |
接听语音通话次数 | 5 | F(4.27822)=23133.65,P<0.01 | Pi,j<0.01 | ↓ | - | |
成功的语音通话次数 | 5 | F(4.27822)=45306.71,P<0.01 | Pi,j<0.01 | ↓ | - | |
少于1 min的被叫通话次数 | 5 | F(4.27822)=18772.97,P<0.01 | Pi,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 | Pi,j<0.01 | ↓ | - | |
峰值语音通话次数 | 5 | F(4.27822)=37461.90,P<0.01 | Pi,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 | Pi,j<0.01 | ↓ | - | |
非峰值语音通话次数 | 5 | F(4.27822)=25906.01,P<0.01 | Pi,j<0.01 | ↓ | - | |
通话主叫次数 | 5 | F(4.27822)=45899.20,P<0.01 | Pi,j<0.01 | ↓ | - | |
成功的通话次数 | 5 | F(4.27822)=44732.78,P<0.01 | Pi,j<0.01 | ↓ | - | |
通话等待次数 | 5 | F(4.27822)=22290.83,P<0.01 | Pi,j<0.01 | ↓ | - | |
月均通话次数 | 5 | F(4.27822)=38902.09,P<0.01 | Pi,j<0.01 | ↓ | - | |
过去3个月月均通话次数 | 5 | F(4.27822)=41982.09,P<0.01 | Pi,j<0.01 | ↓ | - | |
过去6个月月均通话次数 | 5 | F(4.27822)=41982.19,P<0.01 | Pi,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 | Pi,j<0.01 | ↓ | - |
客户生命周期内总通话次数 | 5 | F(4.27822)=75946.24,P<0.01 | Pi,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 | Pi,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 | Pi,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 | Pi,j<0.01 | 0 | 0 | |
总的通话收益 | 5 | F(4.27822)=24742.09,P<0.01 | Pi,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 | Pi,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 | Pi,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 | Pi,j<0.01 | ↓ | - | |
月均通话收益 | 5 | F(4.27822)=34543.75,P<0.01 | Pi,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 | Pi,j<0.01 | ↓ | - | |
过去6个月月均通话收益 | 5 | F(4.27822)=30316.06,P<0.01 | Pi,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 | Pi,j<0.01 | ↑ | + |
月均超额收益 | 4 | F(4.27822)=21431.55,P<0.01 | Pi,j<0.01 | ↑ | + | |
月均语音通话超额收益 | 4 | F(4.27822)=19085.68,P<0.01 | Pi,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 | Pi,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 | Pi,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 | Pi,j<0.01 | ↓ | - | |
月均通话时间长度 | 5 | F(4.27822)=21281.72,P<0.01 | Pi,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 | Pi,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 | Pi,j<0.01 | ↓ | - |
"
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 |
客户关怀因子 | 客户关怀通话次数 | 3 | F(4.27822)=45623.97,P<0.01 | Pi,j<0.01 | ↓ | - |
客户关怀通话使用的取整时间长度 | 3 | F(4.27822)=21431.55,P<0.01 | Pi,j<0.01 | ↓ | - | |
客户关怀通话使用的非取整时间长度 | 3 | F(4.27822)=20981.13,P<0.01 | Pi,j<0.01 | ↓ | - | |
无线语音使用因子 | 国际无线语音通话次数 | 5 | F(4.27822)=2699.27,P<0.01 | Pi,j<0.01 | ↓ | - |
国际无线语音通话使用的非取整时间长度 | 5 | F(4.27822)=19424.06,P<0.01 | Pi,j<0.01 | ↓ | - | |
国内无线语音通话次数 | 5 | F(4.27822)=16594.07,P<0.01 | Pi,j<0.01 | ↓ | - | |
国内无线语音通话使用的非取整时间长度 | 5 | F(4.27822)=13232.24,P<0.01 | Pi,j<0.01 | ↓ | - | |
产品价值因子 | 手机价格 | 5 | F(4.27822)=109859.30,P<0.01 | Pi,j<0.01 | ↓ | - |
目前手机使用时间 | 5 | F(4.27822)=65486.80,P<0.01 | Pi,j<0.01 | ↑ | + | |
产品质量因子 | 网络阻塞语音通话次数 | 5 | F(4.27822)=10733.74,P<0.01 | Pi,j<0.01 | ↓ | - |
网络掉线和阻塞语音呼叫总次数 | 5 | F(4.27822)=26177.41,P<0.01 | Pi,j<0.01 | ↓ | - | |
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 | 3 | F(4.27822)=17298.00,P<0.01 | Pi,j<0.01 | ↓ | - |
过去3个月月均收益改变的百分数 | 5 | F(4.27822)=7597.24,P<0.01 | Pi,j<0.01 | ↓ | - | |
注:Pi,j为组i与组j进行多重两两比较的P值,其中i,j=1,…,N,N为分位数分组数。↑表示顺序相同,↓表示顺序不同;+表示具有正向相关性,-表示具有负向相关性,0表示不能判断其相关性。 |
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 |
[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. |
Viewed | ||||||
Full text |
|
|||||
Abstract |
|
|||||
|