流失客户调查问卷

流失客户调查问卷（精选6篇）

流失客户调查问卷 篇1

切入点：店内活动、节日关怀、生日关怀、车辆保养等

话术模版：XX先生/女士，您好！我是海马汽车XXXX销售服务店回访专员XXX，今天来电是希望能占用您几分钟时间，了解一下您车牌号是琼A88888车辆的保养和使用状况，不知您现在是否方便呢？

1、我们了解到您已经XX时间没到我们店为车辆做保养了，不知道您的车子现在使用情况怎么样，现在行驶多少公里了？

还行吧。现在差不多有（6万）公里了。

2、您一直给车辆定期（半年或更短的时间间隔为周期）做保养吗？

1、是的 □

2、有做，但不定期 □

3、根本不做保养 □

（如客户选择3，可与客户沟通维修保养的好处，建议灌输定期保养车辆的观念，引导客户来店。感谢客户后结束调查。）

3、那么您通常将车子送到哪里维修/保养呢？

1、其他海马4s店□

2、其他品牌4s店□

3、修理厂□

4、其他

4、您能否告诉我不来我们店进行维修/保养的原因呢？

1、服务不周到，态度不好□

2、维修质量不好□

3、维修价格高□

4、距离远□

5、等待时间长□

6、其他

5、其实我们店在这些方面也一直在努力做得比以前更好，（根据客户看重的因素，选择对应的话术思路进行沟通。为提高工作效率，建议预先做好适当的招揽优惠政策，以便在调查的同时实现招揽；对于特定客户群，如计划做专项营销活动，也可先执行调查，然后对获取的信息进行分析，根据分析结论再制定有针对性的营销方案。）有时间您不妨过来体验一下，我相信您一定会认可我们的服务！（引导客户来店，尽可能实现预约）

6、您对我们还有其它方面的意见或建议吗？。

流失客户调查问卷 篇2

目前, 学界和企业界越来越多地认识到研究客户满意度的重要性。King和Burgess (2007) 认为, 企业的成功源自于对不断变化的客户需求和偏好的快速响应能力。提高客户满意度可以降低价格弹性, 减少经营成本, 并能吸引新客户。科技型创业企业往往具有较大的成长潜力, 其发展能够对我国经济结构的调整起到推动作用, 并可以提升国家的技术创新能力, 有利于实现创新型国家的建设目标。但由于科技型企业创业的成功率较低, 其平均生命周期较短, 因此客户满意度的提升对其生存发展具有重要意义。近年来, 数据包括分析法 (DEA) 在管理科学研究中得到广泛应用, 作为一个功能强大的数据分析工具, 它可以准确地测量和评价营销绩效, 包括零售部门营销绩效、网络营销绩效以及服务营销绩效。客户满意度的研究一直是营销及其相关领域的重要课题, 涉及到企业如何有效地管理营销流程和客户关系, 从而获得相对于竞争对手的核心优势。通过DEA方法可以揭示不同企业由于客户满意度不同而导致的营销绩效差异, 从而帮助管理层制定适当的营销计划。因此, 笔者采用DEA方法来评价科技型创业企业的营销绩效。

二、文献综述

关于客户满意度有多种定义, 其中Madhavaram和Hunt (2008) 提出的概念被广泛接受, 即客户满意度是指客户对购买后的产品或服务的评价。客户满意度是企业实现交叉销售和客户忠诚的重要决定因素, 是树立品牌形象的关键一环。由客户满意度引发的口碑宣传会对企业绩效带来重要影响。

赫希曼 (Hirschman) 在1970年提出了退出-发言理论, 当该理论应用于客户与企业的关系时, 是指当客户对所提供的产品或服务不满时, 通常有两种选择:退出, 即脱离与企业的关系;或发言, 即通过沟通或者投诉来修复与企业的关系。基于赫希曼的理论, 可以提出两种假设:较不满意的客户对于企业最为重要, 他们会对企业改善产品或服务抱有期望, 从而选择投诉等方式, 当企业最终满足其要求时, 这些客户有可能转化为忠诚客户;而强烈不满的客户普遍选择退出, 不再成为企业客户。因此, 妥善处理客户投诉, 可以提高客户忠诚度、降低客户流失率。忠诚客户对企业的影响是相当大的, 在很多行业中, 企业的盈利能力与忠诚客户的数量正相关, 企业对新客户销售额的60%可以归结为忠诚客户的口碑宣传 (Anderson, et al, 2004) 。

笔者研究相关文献发现, 国内外学者基于累计满意度的测量, 开发了不同客户的满意度模型。其中具有代表性的有:基于满意度指数的瑞典客户满意度晴雨表 (SCSB) 、美国客户满意度指数模型 (ACSI) 和欧洲客户满意度指数模型 (ECSI) 。其中欧洲客户满意度指数模型较为普及, 其基本假设为:客户满意度由感知质量、感知价值、客户的期望及企业形象等因素决定, 该模型还可以估计顾客满意或不满意对企业经营产生的影响, 并评估企业的基本形象。企业形象是客户满意度指数模型的一个重要维度 (涂智寿, 2012) , 反映了企业产品的可靠性、专业性、创新性, 以及产品所承载的声誉。钟昌宝等 (2012) 认为, 企业形象对客户满意度、客户期望值和客户忠诚度具有积极影响。客户期望值由客户以往的经验决定, 包括对产品质量和服务质量的期望及满足个人需求的程度。姜姣娇和赵涛 (2012) 认为客户期望值对客户满意度有直接和积极的影响。质量感知是对消费体验的评价, 包括产品或服务的个性化程度和可靠性。个性化是产品或服务满足客户特殊要求的程度, 可靠性是产品可靠的程度, 质量感知会对客户满意度产生积极影响 (Matzler et al., 2008) 。感知价值是产品质量相对于客户所支付价格的感知水平, 可对不同产品的价格与价值比率进行比较。客户满意度表示有多少客户满意以及客户期望的满足程度, 用以评估客户的整体满意度水平, 以及客户期望的满足程度对企业业绩的影响。客户忠诚度是客户满意度指数模型的重要因素, 可通过回购意愿、价格容忍度以及向他人推荐产品的意向等指标来衡量, 较好的企业形象和客户满意度可以提高客户忠诚度 (Berthon et al., 2012) 。

三、研究设计

(一) 调查方法

基于前人的研究和消费行为理论, 笔者构建如下客户满意度模型 (图1) 。该模型描述了潜变量之间的关联, 通过所设计的显变量来测量相应的潜变量。模型中, 客户满意度和客户忠诚度是输出变量, 企业形象、客户期望值、质量感知和感知价值是输入变量。

调查问卷的设计采用了三个步骤。首先, 对相关文献进行梳理, 确定显变量。其次, 对河南、浙江及江苏省210家科技型创业企业进行实地调研, 并向消费者行为研究领域的专家学者、企业的营销经理以及财务负责人发放问卷, 通过讨论和筛选确定评价指标。最后, 对上述企业的客户进行调查问卷的预测试, 在此基础上对问卷进行完善, 最终确定的调查问卷包含25项评价指标。为使客户更好地对问题进行判别, 问卷采用Likert的10分制量表, 1分表示最低或非常不满意, 10分表示最高或非常满意。除了模型中的评价指标, 一些人口变量如年龄、性别、受教育程度等也被列入问卷调查。客户满意度的评价指标见表1。

(二) 样本来源

笔者于2012年9月至2013年5月对210家科技型创业企业进行实地调研, 通过为期八个月的实地考察, 共回收企业客户的有效问卷2587份。在数据处理上, 通过对受访者的人口特征如年龄, 性别和教育程度等进行比较, 以确保不产生系统偏差。根据样本受访者对不同企业产品的选择, 可以对其进行分类, 共对210家样本企业进行了数据处理, 由于其中53家企业样本量较小而被淘汰, 最终取得157家企业的1682份问卷数据, 可供分析样本企业的营销绩效。

调查发现样本公司所处的高技术行业内的竞争较为激烈, 迫使企业持续地进行动态产品创新, 以满足迅速变化的市场需求。样本企业2012年拥有发明专利数达91件, 专利申请数175件, 2012年新产品开发项目数203项, 新产品开发经费10500万元, 新产品产值259710万元, 新产品销售收入253067万元。多数企业已经建立了企业研发中心, 从而为企业的自主创新提供了强有力的技术支撑。另外, 在各级政府的努力下, 多数企业加强了与科研院校的合作, 进一步推动以企业为主体的产学研战略联盟建设。此外, 科技型创业企业的经济效益并不理想, 样本企业之间产品同质化现象严重, 目前绝大多数企业的产品集中在中低端。由于企业规模小、资金投入少, 价格战依然是科技型创业企业进行市场竞争的重要手段。

(三) 模型构建

A.Charnes、W.W.Cooper和E.Rhodes在1978年率先提出了数据包络分析方法 (DEA) , 直接使用输入、输出数据建立非参数的经济数学模型。这是一种基于线性规划模型的方法, 可以用来处理具有较多输入及输出的情况。目前, DEA方法得到广泛应用, 可以有效地评价各种方案的优劣, 尤其可以用于具有相同类型决策单元的评估, 如对银行的各个支行以及学校、医院等的评价, 通过对输入数据和输出数据的分析来评价决策单元的相对有效性。其绩效得分通常用0到1的区间表示。如果决策单元的绩效得分为1, 则表明在研究样本中该决策单元相对于其他单位是高效的。DEA方法除了提供绩效值, 还能确定绩效低下的原因, 并估计各种输出和输入因子的大小。通过比较各个决策单元, DEA方法可以作为一种有价值的测试工具, 来识别绩效低下的部门或单位。在面临复杂情况时, DEA方法不同于其他测试工具, 可以不依靠管理者的观察确定最佳方案。较之于其他传统的计量方法, DEA方法最突出的优势是不需要事先假设生产函数的解析公式。同时, DEA方法的主要问题是, 作为一种非参数方法, 对于评价单位的投入和产出要素变动具有敏感性。

设U、V为投入指标和产出指标的权系数向量, 则效率评价指标为:

设X、Y为投入和产出向量, 则有优化模型:

引入松弛变量S-= (s1-, s2-, …, sp-) T、S+= (s1+, s2+, …, sp+) T则有:

引入非阿基米德无穷小量ε, 则有:

其中, λk叟0, k=1, 2, …, n;S+, S-叟0。

则对于每个企业客户, 相对绩效优化评价模型为:

其中:Vpc表示企业c在客户p上的绩效得分, Spc-、Sqc+为松弛变量, ε表示非阿基米德无穷小量, i表示产出值, j表示投入值。

利用公式 (8) 评估绩效得分, 若Vpc达到最高值1, 同时使所有的松弛变量为0, 此时该决策单元为DEA有效, 投入产出达到最优;若Vpc达到最高值1, 而松弛变量有一个不为0, 此时该决策单元为弱DEA有效。

四、实证结果分析

在DEA模型中如果变量相对于样本来说数目过多, 则会出现判别问题, 而探索性因子分析可以减少变量的数目, 同时保留大量原变量信息。因此可将因子分析与DEA方法相结合, 以减少变量数目。为了验证所构建模型的信度, 笔者使用主成分分析法。一般认为, 如果相关矩阵的第一个特征根大于1, 第二个特征根小于1, 则表明测验中的每个项目都测量到同一个潜变量, 即通过了单向性检验。另外, 通常情况下Cronbach系数在0.6以上, 被认为可信度较高, 本研究中Cronbach系数在0.7以上, 显示量表有较高的可靠性, 通过了信度检验, 检验结果如表2所示。

由于DEA方法不允许使用负数, 因此进行探索性因子分析需对各特征根进行归一化处理, 取值范围从0到10, 则DEA模型的输入和输出变量均为正值。通过探索性因子分析, 潜变量为四个输入变量和两个输出变量。其中, 企业形象、客户期望值、质量感知和感知价值为DEA模型的输入变量, 而客户满意度和客户忠诚度被确定为输出变量。在保持目前投入水平的情况下, 利用DEA分析中的BCC模型来实现产出值的最大化。

为了确定不同决策单元的绩效差异, 首先根据客户的不同选择对其进行分组。表3显示了部分样本企业的平均输入值和输出值, 第八列为绩效得分的平均值, 较高的均值表明了客户的同质性以及量表的信度较高。在样本企业中, A企业绩效得分最高, 为0.895, 该企业客户在绩效评价中表现出高度的同质化, 与此相反, F企业绩效得分最低, 为0.762。

其次, 可以调节输入和输出变量的值, 利用DEA“投影原理”进一步分析各决策单元非DEA有效的原因, 从而消除不同客户间评估和感知的差异。然后在调整后的绩效水平上, 应用混合DEA模型进行分析和计算, 表4第三列显示了每个企业的平均秩次。并通过完全随机多样本的K-W检验来检验不同企业间绩效水平是否存在统计学上的显著差异。由表4可知, 统计检验的结果拒绝零假设, 因此, 样本企业在客户满意度绩效上存在显著性差异。

绩效低下是由于过量的投入或过少的产出造成的, 其大小可以通过将特定用户的实际投入或产出值与理想值进行比较来计算。另外, 客户认知与评价上的差异也会造成客户满意度绩效低下。

五、结论

笔者基于对科技型创业企业进行实地调研所得到的数据, 运用DEA方法来分析客户满意度绩效, 通过探索性因子分析来减少变量的数目, 从而确定模型的输入和输出变量, 并利用BCC模型将样本企业的客户满意度绩效进行排序。目前, 科技型创业企业面临激烈的市场竞争, 客户已成为企业的重要资产, 而提高客户满意度可以有效地增强企业的竞争优势。研究发现, 提高客户满意度的关键在于如何提高企业形象和满足客户期望。科技型创业企业必须注重技术创新, 努力提高产品和服务质量, 改善客户体验, 从而提高整体客户满意度。此外, 科技型创业企业还可通过开展广告和公关活动, 提升企业形象, 提高客户的满意度, 从而获得较好的市场份额和企业绩效。通过构建测量客户满意度绩效的DEA模型, 为科技型创业企业的管理者提供了一个有效的决策方法, 但研究中也存在一定不足, 在变量的选取上仍不够全面, 如缺少一些控制变量, 包括客户年龄和收入状况等, 这也是今后研究的方向。

参考文献

[1]涂智寿:《网络经济环境下客户满意度动态分析评价模型》, 《软科学》2012年第5期。

[2]钟昌宝、魏晓平、聂茂林、姜殿玉:《考虑DNCVa R-利润-客户满意度的分销网络设计多目标优化模型》, 《系统工程理论与实践》2012年第10期。

[3]姜姣娇、赵涛:《电信企业集团客户满意度测评体系的设计及验证》, 《现代财经》2012年第5期。

[4]King, F.S., Burgess, F.T.Understanding Success and Failure in Customer Relationship Management.Industrial Marketing Management, 2007, 37 (4) .

[5]Ballantyne, David, &Varey, Richard J.The Service-Dominant Logic and the Future of Marketing.Journal of the Academy of Marketing Science, 2008.

[6]Golfetto, F., &Gilbert, M.Marketing Competencies and the Sources of Customer Value in Business Markets.Industrial Marketing Management, 2006, 35 (8) .

[7]Madhavaram, S., &Hunt, S.D.The Service-Dominant Logic and a Hierarchy of Operant Resources:Developing Masterful Operant Resources and Implications for Marketing Strategy.Journal of the Academy of Marketing Science, 2008, 36 (1) .

[8]Anderson, E.W., Fornell, C., &Mazvancheryl, S.K.Customer Satisfaction and Shareholder Value.Journal of Marketing, 2004, 68 (4) .

[9]Matzler K, Hinterhuber HH, Daxer Ch, Huber M.The Relationship Between Customer Satisfaction and Shareholder Value.Total Qual Manage Bus Excell, 2008, 16 (5) .

客户调查问卷样本 篇3

填表说明：请在合适的数字上画图或在空白处填写您的回答。所有信息均以无记名方式填写并绝对保密。感谢您参加我们的调查，您的回答将帮助我们改善本行的服务和产品。

1．您经常光顾中国建设银行的哪家营业部？

1）2）3）4）5）6）7）2．您平均每月光顾这家营业部几次？

（如果是“无”，请填“0”）次 3．您成为本银行的客户有多久了？次 4．请您打钩表示对下列项目的满意程度.非常满意（4）不太满意（2）略微满意（3）很不满意（1）

A.获得分行经理帮助的可能性 B.您在这家分行得到服务的总体速度 C.您从业务人员处获取服务的速度 D.银行员工的友善程度

E.银行员工对银行业务的熟悉程度 F.银行员工为您解决问题的意愿 G.银行员工对您的熟识程度 H.柜员的服务速度 I.分行的营业时间 J.银行员工的礼貌情况

K.处理您的要求（如转帐、文件制作）的准确程度

8）非常略微不太满意 满意 满意 4 3 2 4 3 2 4 3 2 4 3 2 4 3 2 4 3 2 4 3 2 4 3 2 4 3 2 42 4

很不满意1 1 1 1 1 1 1 1 1 1

L.自动柜员机的便利程度 M.分行停车位的充足程度

N.客户经理提供对您最有益的产品和服务的能力 O.对您贷款申请的反应速度 P.贷款申请过程的简便程度4 4 4 43 3 3 32 2 2 21 1 1 1

5．您是否考虑将建设银行列为您首选或主要的银行机构？1是2否

6．请指出您正在使用建设银行或其他银行提供的哪些服务。在适当的栏目中圈出您所使用的服务。(具体服务项目可根据各行业务列示,以下项目仅做代表)普通支票 信用卡 现金储蓄 对账单储蓄 存单 汽车贷款 个人贷款

建设银行 1 1 1 1 1 1 1

其他银行 2 2 2 2 2 2 2 2

住房抵押贷款 1

7．请列出您开有账户的其他银行和金融机构的名称？（）

8．在过去的一年里，您是否开立了新的银行账户或申请了新的银行贷款？（）1是2否（若否，请转到问题9）8a：是哪一类帐户？()

8b：您在哪里开立的这一帐户？()

8c：您为什么选择这家金融机构？()9．在过去的一年里，您是否注销过银行帐户？ 1是2否（若否，请转到问题10）

9a：您注销了哪一类银行帐户？()9b：是在哪一家金融机构注销的？()9c：您注销帐户的原因？()10．您的年龄？()11．您的最高学历是？

1相当于高中4大学或以上 2高中5技术/职业学校 3相当于大学

12．您是 1单身2离异/鳏寡/分居3已婚 13．上年您全家税后收入是多少？

卷烟零售客户问卷调查 篇4

尊敬的顾客：

您好！我们是玉溪烟草公司的调查人员，为了能更好地管理烟草市场，维护卷烟客户的合法利益，给你提供高质量的卷烟和更便利的服务，进一步了解你对烟草公司提供的各项服务的意见和看法，特组织进行此次客户服务需求调查活动。耽搁你几分种宝贵的时间，谢谢！

祝你及家人身体健康，工作顺利。

1、与去年同期相比销量（），A、增加B、减少

其原因是（）

C、品牌问题D、经营价格F、客户流失G、收入减少

2、不愿意订货的原因（）？

A、库存大B、销售慢C、资金问题

3、愿不愿意公司做促销活动？

A、愿意B、不愿意

4、希望促销活动针对哪些品牌？

A、红塔山（1956）B、软玉溪C、经典100D、新势力E、五元以下

5、你觉得促销是对客户好，还是对零售户好？

A、客户B、零售户C、都好D、都不好

6、你认为哪种促销礼品最好？

A、电子产品B、烟C、家庭用具D、加油卡F、（）

7、你认为红山茶、盖红河、顺红梅断货后对你经营情况的影响？

A、非常大B、大C一般大D、不大

8、希望公司可以引进哪些货源

A、9、你觉得卷烟销量减少对其他商品销量的影响

A、非常大B、大C一般大D、不大

10、其他商品销量的减少对卷烟销量的影响

A、非常大B、大C一般大D、不大

11、你认为目前经营利润较大的品牌是

A、B、C、12、5元以下卷烟减少后，他们去抽什么了

A、烟筒B、1956C、新势力D、不抽

13、零售户增加对你经营销量的影响

A、大B、不大

14、你订货受资金的影响

A、大B、不大

15、你需要投放什么品牌的烟

A、16、你认为一周内定几次货对你们有利

A、一次B、两次B、两次以上

17、对公司的服务是否满意

A、满意B、比较满意C、一般D、不满意

18、你目前最希望公司提供的服务

加油站现场客户调查问卷 篇5

客户性别：男□

女□

客户车牌号码：

车型：轿车□

客货运输车□

商务车□

摩托车□

其它□ 加注油品：柴油□

90#汽油□

93#汽油□

97#汽油□

消费形式：加油卡□

现金□

是否在便利店购物：是□

否□

调查日期：

所在加油站：

省

市

片区

加油站 问卷调查人姓名：

请在选定的答案后面“□”中打“√”

1、您对加油站的环境与卫生是否满意？

非常满意□

满意□

一般□

基本不满意□

不满意□

2、您对加油员的服务态度是否满意？

非常满意□

满意□

一般□

基本不满意□

不满意□

3、您感觉加油站的服务是否快捷？

非常满意□

满意□

一般□

基本不满意□

不满意□

4、您对加油站便利店的商品和服务否满意？

非常满意□

满意□

一般□

基本不满意□

不满意□

5、您对加油站发卡网点的服务是否满意？（现金客户可不答）

非常满意□

满意□

一般□

基本不满意□

不满意□

6、您认为加油卡发卡网点充值是否便利？（现金客户可不答）

非常满意□

满意□

一般□

基本不满意□

不满意□

7、您认为我们还有那些做得好或不好的地方？

8、请您对我们的服务提出改进建议

9、请您列出一项希望加油站增加的服务项目

客户签名：

电信企业客户的流失概率模型探讨 篇6

1.1 基本情况

近年来随着中国电信业的改革和重组, 电信业市场环境发生了根本性的变化。如何通过提高客户的满意度及忠诚度, 提升客户价值来扩大自身的收入及利润等问题, 成为各电信运营商关注的焦点课题之一。电信企业有着广大的客户群, 这些客户千差万别。对于不同的客户, 他们的需求是千变万化的。

1.2 需解决的问题

(1) 应如何处理客户数据? (2) 不同客户间的消费方式有什么区别? (3) 对不同的客户群对应服务应有什么不同?

本问题是对电信手机5000个号码在3个月内的统计资料进行分析。首先, 对数据进行初步的统计分析, 探讨3种业务之间隐含的联系, 然后对数据进行深层的挖掘, 预测未来客户的流动情况。

2 模型的假设

(1) 假设数据具有真实性和代表性, 能够反映电信市场各类客户的大致情况。 (2) 假设3种业务的收费相对独立, 即不存在捆绑收费的情况。 (3) 假设电信企业中本地通话、长途通话、短信、来电显示、彩铃和天群网这6种业务不受其他业务的影响。

3 模型的建立和求解

3.1 数据初步统计分析

根据附件提供的数据, 从中探寻到数据之间存在的一些关系:

(1) 天群网对通话时长的影响。天群网是电信企业提供的一种特色增值业务, 统计得出, 选择该业务的人数只占总人数的9%, 使用天群网客户的本地时长和未使用天群网客户的本地时长对比如表1所示。

从表1可看出, 使用天群网客户的平均本地时长要明显大于未使用天群网客户的平均本地时长。

天群网是由电信手机、单位固定电话组成, 集群内电信手机互打、电信手机与群内单位固定电话互打全部免通信费, 只需交纳月使用费。因此, 加入天群网的客户的费用不受通话时长的限制, 所以本地通话时间要比未.使用天群网的用户长。

(2) 性别与消费情况的关系。在5000个客户中, 只有23.52%是女性, 男性人数是女性的3倍。通过统计, 女性和男性对各种业务的使用情况如表2所示。

从表2数据可以看出, 女性的平均本地时长比男性偏少, 但长途和短信均比男性略多, 但从总体上看, 性别与消费方式、接受增值服务的程度无特别显著的关系。

(3) 年龄与消费情况的关系。5000个客户中, 年龄覆盖范围从16~89岁, 本文将其按年龄分为20岁以下、20~30岁、30~40岁、40~50岁、50~60岁和60岁以上6个年龄层。具体统计数据如表3所示。

由表3看出, 本地时长先随年龄层的增加而增大, 在30~40岁达到峰值, 然后随年龄层的增加而减少。20岁以下的平均短信次数最多, 明显多于其他年龄层。30~40岁的人对于天群网的使用比例最大。

3.2 流失概率模型的建立

本文在统计数据时发现, 5000个客户中有一部分用户3个月来的总通话时间很少, 甚至有215个用户的本地时长、长途时长和短信次数全都为0。这意味着这些用户很有可能已经退出了该电信企业或加入了其他的电信企业, 即电信企业很有可能已经流失了这些客户。

对于每个客户, 如果电信企业可以根据该客户的通话资料记录预测出流失该客户的可能性, 使电信企业较好地估计出客户数量的变化趋势, 从而制定出相应的经营策略。

从这个角度出发, 对于每个客户, 可以建立出模型来预测电信企业流失该客户的概率大小。

(1) 极差标准化。电信企业提供的业务分为天群网、彩铃、来电显示、短信、长途通话和本地通话6种, 不妨设对应的数值分别为1, 2, 3, 4, 5, 6。

对于3个连续变量——短信次数、长途时长和本地时长, 虽然前2个数据的量纲是一样的, 都是反映通话时长的数据, 但是数据的分布差异较大;而第2个数据又和前2个数据的量纲不同, 为了消除这种差异的影响, 首先对这2个数据进行标准化处理。

(2) 构造变权函数。对于电信企业而言, 其利润主要来源于本地通话、长途通话和短信这三大部分, 而来电显示、彩铃和天群网这3种增值服务在电信企业收入中所占比重很少。

由以上分析可知, 在电信企业盈利中, 天群网、彩铃和来电显示所占的权重都较少, 短信、长途通话和本地通话所占的权重都相应较大, 这样才能突出它们对电信企业收入的重要性。为了拉开前三者和后三者的权值的差距, 本文构造增长的“S”形曲线作为变权函数:

当x=1时, 代表的是天群网, 因为使用天群网的人数最少, 所以它对电信企业收入的影响最小, 令相应的量化值f (x) =0.05;同时因为3种增值服务之间权值的变化相对较小, 令f (3) =0.25;当x=6时, 代表的是本地通话, 它对电信企业的收入影响最大, 令其值为1。

对应以上3个点, 求得

于是得到f (x) 的具体表达式为:

由此经计算可得到天群网、彩铃、来电显示、短信、长途通话和本地通话6种业务对应的量化权值分别为 (0.05, 0.12, 0.25, 0.8, 0.92, 1) 。

(3) 流失概率模型。对于第j个用户, 首先将其6种业务的使用量分别乘以相应的权值, 得出这个用户在电信企业的一个消费额度yi, 即, 其中, 是第种业务的权值。

如果一个用户3个月来的消费额度很低, 就认为这个用户退出电信公司的可能性很大, 电信企业很容易流失该客户。

为了度量流失可能性的大小, 本文利用指数函数对消费额度进行转化, 使其分布于0和1之间, 建立了以下模型, 计算电信企业流失某一客户的概率:

Zj为电信企业流失第j个客户的概率

若yj的值越大, 则Zj的值越小, 即电信企业流失该客户的可能性很小。

若yj的值越小, 则Zj的值越大, 即电信企业流失该客户的可能性很大。

下面抽取2个客户举例说明具体的计算过程 (见表4) 。

这里是2个客户在3个月内的资料, 本文套用流失概率模型来计算电信企业可能流失这2个客户的概率。

首先, 将这2个客户的本地时长、长途时长、短信次数进行极差标准化, 得到数据 (见表5) 。

本文将第1个客户的数据相应地代入流失概率模型:

因此, 电信企业可能流失该客户的概率是99.79%。

依照上面的方法, 将第2个客户的数据相应地代入流失概率模型:

因此, 电信企业可能流失该客户的概率是17.34%。

通过运用Matlab编程, 分别求解出5000个客户的流失概率和4类客户群的平均流失概率 (见表6) 。

4 模型的评价

4.1 模型的评价

模型的优点: (1) 模型构造了“S”型的变权函数, 对6种不同的业务进行动态加权, 能够客观地表现出3种通话业务和3种增值服务对电信企业收入影响程度的不同。

(2) 模型根据用户的数据资料设置变量, 各变量之间的关系明确, 能够将电信企业流失任一客户的可能性进行量化, 且各个参数可比较方便地得到。

模型的缺点:本文都是将客户分为4个类别来考虑的, 但在实际生活中, 电信企业有着众多的客户群, 相比之下, 只分4类较为粗略。

4.2 模型的改进

(1) 对聚类方法的改进——人工神经网络。

对于客户的分类, 本文采用SPSS软件中的两步聚类法进行分类。除了使用这种方法, 还可以尝试使用人工神经网络中的自组织神经网络对5000个客户进行聚类。

(2) 对模型的改进——考虑时间因素。

资料是客户3个月内的统计数据, 如果电信企业能够提供这3个月中每个月的统计资料, 本文就可以通过对模型进行改进, 从中分析出客户的消费额度随时间的变化关系, 从而更加精确地估计和预测客户的流动情况, 并能合理地评价该电信企业在保持客户、吸引客户方面的效果。

参考文献

[1]蒋国瑞, 司学峰.基于代价敏感SVM的电信客户流失预测研究[J].计算机应用研究, 2009 (2) :521-523.

[2]何跃, 何正林, 周欣胤, 等.基于数据挖掘的固网大客户流失组合预警[J].软科学, 2012 (1) :128-131.

[3]于小兵, 曹杰, 巩在武.客户流失问题研究综述[J].计算机集成制造系统, 2012 (10) :2253-2263.

[4]顾光同, 王力宾, 费宇.电信客户流失预警规则及其信度测定实证研究——以云南电信为例[J].云南财经大学学报, 2010 (6) :94-98.