客户流失预警模型怎么做？

客户流失预警模型怎么做？

贷中策略除了跟调额、营销相关外，与客户流失相关及营销相关的还有一个客户流失预测模型，是我们全流程中必不可少的一个客群分析。

目前，银行都面临着极大的优质客户流失的危险。这将对银行经营和效益产生极大的影响。除了提高服务质量，银行要加强营销活动，保留优质客户，首先面临的第一个问题就是，谁可能流失？应该针对哪些客户进行客户保留活动？毕竟对所有的客户都开展保留活动，成本太大，也不现实。

目前在客户分析维度合理的做法是应用数据挖掘技术，研究流失客户的特征，从而对流失进行预测、并对流失的后果进行评估，采取客户保留措施，提升公司的竞争力。

所以做客户流失模型的目的在于：
谁在过去半年内成为流失客户
流失客户的主要特征-变量定义及重要性分析
预测那些现有有动卡户会在下两个月流失-逻辑回归预测模型
流失客户的价值如何-客户忠诚度模型
早期流失客户挽回攻略-业务部门战略部署

一般在做客户流失分析到时候，都是以客户的历史通话行为数据、客户的基础信息、客户拥有的产品信息为基础，再通过数据挖掘手段，综合考虑流失的特点和与之相关的多种因素，从中发现与流失密切相关的特征。并在此基础上建立可以在一定时间范围内预测用户流失倾向的预测模型，为相关业务部门提供有流失倾向的用户名单和这些用户的行为特征。

1.客户流失需要解决的问题

哪些现有客户可能流失？
客户流失的可能性预测。主要对每一个客户流失倾向性的大小进行预测。
2） 现有客户可能在何时流失？
如果某一客户可能流失，他会在多长时间内流失。
3） 客户为什么流失？
哪些因素造成了客户的流失，客户流失的重要原因是什么。主要对引起客户流失的诸因素进行预测和分析。
4） 客户流失的影响？
客户流失对客户自身会造成什么影响？

2.客户流失的类型

为了避免由客户流失造成的损失，必须找出那些有流失危险和最有价值的客户，并开展客户保留活动。客户流失现象可以分为以下三种情况：
1）公司内客户转移：客户转移至本公司的不同业务。主要是增加新业务，或者费率调整引发的业务转移，例如从活期存款转移至零存整取，从外汇投资转移至沪深股市投资。这种情况下，虽然就某个业务单独统计来看存在客户流失，并且会影响到公司的收入，但对公司整体而言客户没有流失。
2）客户被动流失：表现为金融公司由于客户欺诈等行为而主动终止客户与客户的关系。
3）客户主动流失：客户主动流失可分为两种情况。一种是客户不再使用任何一家机构的产品；另一种是客户选择另一个家机构的产品，如客户将存款从一家银行转移到另一家银行。客户主动流失的原因主要是客户认为公司不能提供他所期待的价值，即公司为客户提供的服务价值低于另一家服务商。这可能是客户对公司的业务和服务不满意，也可能是客户仅仅想尝试一下别家公司的服务。这种客户流失形式是研究的主要内容。

3.如何进行客户流失分析？

对于客户流失行为预测来说，需要针对客户流失的不同种类分别定义预测目标，即明确定义何为流失，进而区别处理。预测目标的准确定义对于预测模型的建立是非常重要的，它是建立在对规则和业务流程的准确把握的基础之上。研究哪些客户即将流失，是一个分类问题。将现有客户分为流失和不流失两类，选择适量的流失客户和未流失客户的属性数据组成训练数据集，包括：客户的历史通话行为数据、客户的基础信息、客户拥有的产品信息等。

目前在做客户流失的模型上通用的有神经网络、决策树、Logistic回归等模型，都可以用于建立客户流失的分类模型。

在预测客户流失时一个很重要的问题是流失的时间问题，即一个客户即将要流失，那么它可能什么时候会流失。生存分析可以解决这类问题。生存分析不仅可以告诉分析人员在某种情况下，客户可能流失，而且还可以告诉分析人员，在这种情况下，客户在何时会流失。生存分析以客户流失的时间为响应变量进行建模，以客户的人口统计学特征和行为特征为自变量，对每个客户计算出初始生存率，随着时间和客户行为的变化，客户的生存率也发生变化，当生存率达到一定的阈值后，客户就可能流失。

分析客户流失对客户自身的影响时，主要可以考虑客户的流失成本和客户流失的受益分析。客户流失成本可以考虑流失带来的人际关系损失等因素，通过归纳客户的通话特征来表征。减少客户流失的一个手段就是增加客户的流失成本。客户流失的受益分析就是判断客户流失的动机，是价格因素还是为了追求更好的服务等。这方面内容丰富，需作具体分析。

4.实操案例

实操案例：某信用卡业务中，我们会对近期无交易行为的客户若不及时激励，将会流失成为睡眠客户，睡眠时间越长，重新激活概率越低，成本越高。所以，希望通过激励，延长客户生命周期。

4.1.流程步骤：

4.1、早期流失客户可能性预测
潜在流失客户定义为连续2个月无交易客户

4.2、客户忠诚度分数

客户根据DFMC4个关键使用维度进行分群，并计算忠诚度分数。
关键用卡粘度，对每个客户基于4个关键使用率维度评分：一定时间范围内的交易商户种类数量、交易频率、交易金额、交易持续性。

这四个维度分别为：Diversity交易MCC商户种类
Frequency 交易频率
Monetary交易金额
Consistency近12个月活跃月份数

4.3、激活策略推荐

流失可能性评分结合忠诚度分数，以识别高价值目标客群，推荐激活策略。

4.3、相关的入模参数举例

交易行为变量是最重要的驱动因素，包括交易频率、商户类型多样性。
非交易类指标中，客户是否绑定对积分变化次数是显著的影响因素。

作者简介：专注于风控知识与技能分享，微信公号【番茄风控大数据】，欢迎关注！