数据挖掘技术在电信行业CRM中运用

1、 HYPERLINK ./ HYPERLINK ./ 更多企业学院：./Shopp/中小企业管理理全能版183套讲座+897000份资料./SShop/440.shttml总经理、高层层管理49套讲座+116388份份资料./SShop/338.shttml中层管理学院院46套讲座+66020份资料./SShop/339.shttml国学智慧、易易经46套讲座./SShop/441.shttml人力资源学院院56套讲座+227123份份资料./SShop/444.shttml各阶段员工培培训学院77套讲座+ 324份资料./SShop/449.shttml员工管理企业业学院67套讲座+ 872

2、0份份资料./SShop/442.shttml工厂生产管理理学院52套讲座+ 139200份资料./SShop/443.shttml财务管理学院院53套讲座+ 179455份资料./SShop/445.shttml销售经理学院院56套讲座+ 143500份资料./SShop/446.shttml销售人员培训训学院72套讲座+ 4879份份资料./SShop/447.shttml更多资料请访问问.(.)更多企业学院：./Shopp/中小企业管理理全能版183套讲座+897000份资料./SShop/440.shttml总经理、高层层管理49套讲座+116388份份资料./SShop/338.sh

3、ttml中层管理学院院46套讲座+66020份资料./SShop/339.shttml国学智慧、易易经46套讲座./SShop/441.shttml人力资源学院院56套讲座+227123份份资料./SShop/444.shttml各阶段员工培培训学院77套讲座+ 324份资料./SShop/449.shttml员工管理企业业学院67套讲座+ 8720份份资料./SShop/442.shttml工厂生产管理理学院52套讲座+ 139200份资料./SShop/443.shttml财务管理学院院53套讲座+ 179455份资料./SShop/445.shttml销售经理学院院56套讲座+ 1435

4、00份资料./SShop/446.shttml销售人员培训训学院72套讲座+ 4879份份资料./SShop/447.shttml数据挖掘技术在在电信行业CCRM中应用用研究内容摘要本本文在介绍数数据挖掘技术术和客户关系系管理概念的的基础上，以以电信行业为为背景，介绍绍了将数据挖挖掘技术应用用到客户关系系管理中的流流程和方法。关键词数据据挖掘、客户户关系管理、电电信行业一、数据挖掘方方法和技术在在客户关系管管理中的应用用数据挖掘的任务务主要是关联联分析、聚类类分析、分类类、预测、时时序模式和偏偏差分析等，根根据数据挖掘掘所能够完成成的任务，数数据挖掘的技技术可以应用用到以客户为为中心的企业业决

5、策分析和和管理的各个个不同领域和和阶段。在客客户关系管理理中，它可以以应用到以下下几个方面：客户群体分分类分析、客客户盈利能力力分析、客户户背景分析、客客户满意度分分析、交叉销销售、客户信信用分析、客客户流失分析析、客户的获获得与保持等等。（一）、客户群群体分类分析析客户细分是指将将一个大的消消费群体划分分成一个个细细分群的动作作，同属一个个细分群的消消费者彼此相相似，而隶属属于不同细分分群的消费者者是不同的。细细分可以让一一个用户从比比较高的层次次上来查看整整个数据库中中的数据，细细分也使得人人们可以用不不同的方法对对待处于不同同细分中的客客户。有多种种方式可以在在细分上运用用数据挖掘，通通

6、常用来建立立细分群的数数据挖掘方法法是决策树方方法和聚类方方法。首先，数数据挖掘可以以用来根据客客户的预测行行为来定义客客户细分群。如如决策树的叶叶节点可视为为一个独立的的客户细分群群，每个叶节节点由某些特特定的客户特特征定义，对对所有符合这这些特征的客客户存在一些些预测行为。数数据挖掘可以以把大量的客客户分成不同同的类，在每每一个类里的的客户具有相相似的属性，而而不同类里的的客户的属性性也不同。大大多数公司一一般将客户分分为VIP客客户、主要客客户、普通客客户和小客户户4类。电信客户分类一一般是按照业业务类型进行行分类，主要要分为大客户户和普通客户户。大客户又又主要包括两两类：其一指指客户范

7、围大大，不仅包括括普通的消费费者，还包括括企业的分销销商、经销商商、批发商和和代理商；其其二指客户的的价值大，不不同的客户对对企业的利润润贡献差异很很大，20%的大客户贡贡献了企业880%的利润润，因此，企企业必须要高高度重视高价价值客户以及及具有高价值值潜力的客户户。在大客户户营销战略中中的大客户是是指后者，是是指公司所辖辖地域内使用用产品量大或或单位性质特特殊的客户，主主要包括经济济大客户、重重要客户、集集团客户与战战略客户等。（二）、客户盈盈利能力分析析客户盈利能力分分析是数据挖挖掘的基础。数数据挖掘技术术是通过帮助助你理解和提提高客户盈利利能力来发挥挥作用的，它它可以用来预预测在不同的

8、的市场活动情情况下客户盈盈利能力的变变化，通过分分析已经发生生的事实来发发现信息和预预测未来。数数据挖掘技术术可以从客户户的交易记录录中发现一些些行为模式，并并用这些行为为模式来预测测客户盈利能能力的高低，但但首先必须要要设定一种计计算客户盈利利能力的方法法。数据挖掘掘技术还可以以用来揭示客客户的行为习习惯和预测发发现一些在不不同情况下有有相似行为的的新客户。通通过数据挖掘掘技术可以优优化一个市场场活动以确定定哪些顾客对对提供的产品品和服务感兴兴趣。（三）、交叉销销售现代企业和客户户之间的关系系是经常变动动的，一旦一一个人或一个个团体成为企企业的客户，就就要竭力使这这种客户关系系趋于完善，需需

9、要对现有的的客户进行交交叉销售。交交叉销售是建建立在双赢原原则上的，对对客户来讲，要要得到更多更更好满足需求求的服务且从从中受益，对对企业来讲，也也会因销售额额的增长而获获益。数据挖挖掘可以帮助助企业分析出出最优的合理理的销售匹配配。交叉销售就是指指向现有的客客户提供新的的产品和服务务的营销过程程，那些购买买了某种产品品和服务的客客户很有可能能同时购买你你能提供的某某些他感兴趣趣的相关产品品和服务，数数据挖掘技术术可以帮助企企业发现这种种行为模式并并从中获利。交交叉销售还有有一种形式就就是“升级销售”，即向客户户提供与他们们已购买的服服务相关的增增值服务。例例如，电信公公司向已经使使用标准长途

10、途电话服务的的客户推销优优质长途电话话服务。使用数据挖掘技技术进行交叉叉营销分析一一般是从分析析现有客户的的购买行为数数据开始，将将每个单项产产品销售分析析进行叠加，形形成多项产品品的交叉营销销分析。首先先收集关于现现有客户消费费习惯的数据据，然后对这这些数据进行行挖掘，对所所有的客户提提供最合适的的产品和服务务。对交叉营营销做分析时时，具体的数数据挖掘过程程包括：对个个体行为进行行建模；用预预测模型对数数据进行评分分； 对得分分矩阵进行最最优化处理。建建模过程时用用数据挖掘的的一些算法对对数据进行分分析，然后产产生一些数学学模型，这些些模型用来对对客户将来的的行为进行预预测分析。在在交叉营销

11、分分析中，需要要对每一种交交叉营销的情情况都要建立立一个模型。在在这些交叉营营销分析模型型建好以后，每每一个模型都都可以用来分分析新的客户户数据以预测测这些客户将将来的行为。评评分过程就是是计算这些数数学模型的结结果，评分过过程的结果就就是产生一个个得分矩阵，矩矩阵的每一行行代表一位顾顾客，每一列列代表一种交交叉销售的情情况。最后一一步就是对这这个得分矩阵阵进行最优化化处理，即对对每一位顾客客选出最适合合的几种服务务方案。使用用数据挖掘技技术建立预测测模型可以帮帮助找出客户户最适合的服服务种类，来来进行针对性性的营销活动动。在交叉销销售中通常采采用的数据挖挖掘算法是关关联规则。（四）、客户的的

12、保持随着行业的竞争争越来越激烈烈和获得一个个新客户的开开支越来越大大，保持原有有客户的工作作也越来越有有价值。保留留一个客户的的时间越长，收收回你在这个个客户身上所所花的初期投投资和获取费费用的时间越越长，你从客客户身上获得得的利润就越越多。随着获获得新客户的的费用与保留留客户的费用用比在逐年升升高，这样的的效果也逐年年明显，尤其其电信业在获获取新客户的的时候的费用用是非常高的的。但是由于于各种因素的的不确定性和和市场的不断断增长以及一一些竞争对手手为新客户提提供比你更多多的额外优惠惠条件，很多多客户为了求求得更低的费费用，不断的的从你这里转转向另一个服服务商。客户户从一个服务务商转向到另另一

13、个服务商商的行为称为为客户转移。为为了分析出是是哪些主要因因素导致客户户转移并可以以有针对性的的挽留那些有有离开倾向的的客户，企业业可以通过使使用数据挖掘掘技术，建立立客户转移倾倾向的预测模模型，挖掘出出具有高风险险转移可能性性并具有较高高商业价值的的客户，在这这些客户转移移到同行业其其它服务商那那里之前，采采取相应的商商业活动措施施来保持住这这些有价值的的客户，这个个过程就叫做做客户的保持持。由于客户保持预预测模型是全全局市场策略略的一部分，如如何使用预测测工具将对实实施预测模型型带来的效益益产生重要的的影响。因此此选择的数据据挖掘技术要要使企业能够够对客户进行行细分并且能能够对客户流流失的

14、原因有有比较清晰的的了解。在这这样的要求下下，分类回归归决策树CAART和数据据挖掘技术中中的一些其它它决策树如CCHAID和和C4.5都都可以很好的的运用在这类类现实环境中中。从两个方面分析析电信企业客客户保持的重重要性，从电电信企业所处处的外部环境境来看，客户户保持是进行行市场竞争的的需要。在社社会经济发展展，科技进步步的影响之下下，我国的电电信市场逐渐渐扩大，电信信业务的需求求量不断增长长。大量新运运营商不断进进入电信市场场，更激发了了市场竞争的的激烈程度。随随着电信市场场垄断局面的的打破，市场场上的厂商获获利由垄断时时期的高额利利润降至市场场平均利润水水平。在这种种情况下，客客户保持的

15、重重要性就在竞竞争中凸现出出来。从电信信运营商的角角度来看，客客户保持是企企业生存发展展的需要。通通过一组数据据表明：发展展一位新客户户的成本是挽挽留一个老客客户的4倍；客户忠诚度度下降5%，则则企业利润下下降25%；向新客户推推销产品的成成功率是155%，而向现现有客户推销销产品的成功功率是50%；如果将每每年的客户关关系保持率增增加5个百分分点，可能使使利润增长885%；向新新客户进行推推销的花费是是向现有客户户推销花费的的6倍；如果果公司对服务务过失给予快快速关注，770%对服务务不满的客户户还会继续与与其进行商业业合作； 660%的新客客户来自现有有客户的推荐荐；一个对服服务不满的客客

16、户会将他的的不满经历告告诉其他810 个人人，而一位满满意的客户则则会将他的满满意经历告诉诉23人。以以上数据充分分说明，客户户是目前商业业活动的中心心，衡量一个个企业是否成成功的标准将将不再仅仅是是企业的投资资收益率和市市场份额， 而是该企业业的客户保持持率，客户份份额及客户资资产收益率等等指标。可见见，客户保持持的价值体现现在增加企业业的盈利、降降低企业的成成本以及提高高企业的信誉誉度、美誉度度等方面。近年来电信体制制的激烈变革革和竞争的加加剧使电信企企业忙于开拓拓市场、发展展客户，对客客户保持重视视不够。从而而导致企业一一方面投入大大量时间、人人力、财力去去发展新客户户，另一方面面因客户

17、保持持工作的不完完善导致现有有客户不满意意而发生流失失，这种情况况对企业危害害极大。面对对当前的市场场状况。电信信企业必须摒摒弃那种“狗熊掰棒子子”式的市场开开拓方式，在在发展新客户户的同时，着着手进行客户户保持的研究究，以有效的的客户关系管管理来提高客客户的保持力力，支持企业业经济效益的的不断增长。（五）、客户的的获取数据挖掘技术可可以帮助企业业完成对潜在在客户的筛选选工作，市场场人员把由数数据挖掘技术术得出的潜在在客户名单和和这些客户感感兴趣的优惠惠措施系统地地结合起来。数数据挖掘技术术在发展新客客户策略中的的应用是围绕绕数据开展的的，用获得的的客户数据建建立一个预测测模型，然后后根据模型

18、预预测获得最优优价值的潜在在客户信息。客客户的获取包包括发现那些些对你的产品品不了解的顾顾客，它们可可能是你的产产品的潜在消消费者，也可可能是以前接接受你的竞争争对手服务的的顾客，其中中有些客户可可能以前是你你的客户。通过数据挖掘技技术来获取新新客户首先必必须收集一份份潜在客户名名单。在潜在在客户名单上上列出哪些可可能对你的产产品或服务感感兴趣的消费费者的信息。这这些信息应不不仅包括客户户的基本信息息还应包括消消费者消费行行为的大量信信息如个体的的兴趣、消费费习惯、消费费倾向和消费费需求等。通通过各种数据据源来收集这这些信息，如如果没能收集集到足够的数数据，那么就就需要通过一一次小规模的的实验

19、活动来来收集分析用用的数据。在在挑选实验活活动的对象时时，不仅要从从潜在客户名名单中选取一一些客户，还还要随机选取取一些与潜在在客户名单上上顾客属性特特征不同的客客户作为实验验对象。这样样可以为将来来的数据挖掘掘提供足够有有价值的信息息。二、客户数据挖挖掘主题对照数据挖掘研研究的4类问问题：关联、分分类、预测、聚聚类，客户数数据挖掘主题题也可按此44类来划分。（一）、关联问问题横向关联：是挖挖掘表面看似似独立的事件件间的相互关关系，例如“90%的顾顾客在一次购购买活动中购购买商品A的的同时购买商商品B”之类的知识识。比如经典典的“尿布和啤酒酒”的故事，就就是利用这种种方法，发现现二者之间有有很

20、高的相关关系数，引起起重视，然后后深入分析后后才找出内在在原因的。次序关联：这种种分析的侧重重点在于分析析事件的前后后序列关系，发发现诸如“在购买A商商品后，一段段时间里顾客客会接着购买买商品B，而而后购买商品品C”的知识，形形成一个客户户行为的 “ABC”模式。比如如一个顾客在在买了电脑之之后，就很有有可能购买打打印机、扫描描仪等配件。关联问题研究客客户各项属性性特征的相互互关系以及交交叉销售等问问题，同时也也研究客户实实体和其它实实体的关系。电电信业比较典典型的关联问问题有交叉销销售、套餐选选择问题、业业务相互影响响等问题。（二）、预测问问题客户预测问题是是预测客户的的行为变化或或消费等属

21、性性变化。客户户典型的行为为变化有流失失、 增加、通通话行为变化化、消费行为为变化、客户户信息变化、和和其它行为变变化。比较典典型的预测问问题有客户流流失/大客户户离网、潜在在大客户预测测、客户级别别变动、客户户发展、市场场效果预测等等。（三）、分类问问题分类分析就是通通过分析样本本客户数据库库中的数据，为为每个类别做做出准确的描描述或建立分分析模型或挖挖掘出分类规规则，然后用用这个分类规规则对其它客客户的记录进进行分类。比比如电信公司司根据客户的的消费记录，把把客户分成大大客户和普通通客户，并标标记数据库中中的每个记录录。有了这样样的挖掘结果果，客户服务务部门就知道道一个新的客客户的潜在价价

22、值，在客户户服务投入上上就心中有底底。（四）、聚类问问题聚类是分类的逆逆向方法。聚聚类把没有分分类的记录，在在不知道应分分成几类的情情况下，按照照数据内在的的差异性大小小，合理地划划分成几类，并并确定每个记记录所属类别别。它采用的的分类规则是是按统计学的的聚类分析方方法决定的。客客户聚类问题题是对客户特特征的研究，典典型的聚类问问题有客户特特征分析、消消费模型和异异常客户分析析等。三、数据挖掘技技术对客户管管理管理的影影响和作用在CRM中应用用数据挖掘，第第一步是要理理解数据挖掘掘所要解决的的具体业务问问题；第二步步根据问题准准备相应的数数据，并对数数据进行预处处理；第三步步是选择挖掘掘的模型

23、，比比如是用关联联规则还是聚聚类等等；第第四步是用训训练集数据训训练和评估挖挖掘模型的效效果。一旦评评估可以达到到一定满意程程度，该模型型就得到确定定，演变为一一个固定的业业务应用模型型。这个业务务应用模型就就可以套用于于实际的业务务处理，从而而完成一个闭闭环的挖掘过过程。当业务务发生了变化化或者有新的的需求产生时时，数据挖掘掘就在另外一一个层次上重重复这个循环环过程。循环环过程如图44.1所示。图4.1 数据据挖掘应用循循环过程在CRM中应用用数据挖掘，可可以在以下方方面对CRMM提供支持：（一）、为决策策提供依据企业运营过程中中的各种信息息都是通过数数据反映出来来的，通过对对这些数据的的分

24、析，可以以发现企业运运营过程中的的规律，从而而对企业的生生产活动、市市场活动等提提供科学指导导意义。CRRM目前解决决了企业与外外部市场进行行信息接入的的问题，产生生大量数据通通过报表等统统计方法，只只能得到一般般意义上的信信息反映。而而通过数据挖挖掘技术，可可以发现许多多深层的、手手工无法发现现的规律，帮帮助企业在激激烈的竞争环环境中获胜。（二）、为用户户提供针对性性服务通过数据挖掘技技术，可以根根据客户的消消费行为进行行分类，找出出该类客户的的消费特征，然然后提供更具具个性化的服服务，从而改改进企业的服服务水平，提提高企业的社社会效益和经经济效益。（三）、提高企企业决策的科科学性目前，企业

25、的决决策具有很大大的盲目性，如如果采用数据据挖掘技术，就就可以在自己己的生产过程程中产生的数数据基础上，进进行科学分析析，得出比较较科学的预测测结果，减少少决策失误。通通过数据挖掘掘技术，可以以让企业的决决策回归到自自己的业务中中，得到更实实际的判断。（四）、增值作作用数据挖掘在CRRM中会有很很多种应用，而而且有些应用用可以帮助简简化管理运营营，有的则可可以提供一些些业务关联性性的数据，帮帮助企业更好好地开展业务务，实现增值值。（五）、简化管管理企业运营管理被被人们提到前前所未有的高高度，一个企企业即使建的的很好，技术术也很先进，但但是如果管理理不好，优势势仍然发挥不不出来。数据据挖掘能帮助

26、助简化管理：1、预测业务量量，安排人工工在企业中，业务务量是个重要要的指标，企企业要根据业业务量的大小小，安排人员员的数量，但但是业务量是是个变化的指指标，以往比比较难以预测测。通过数据据挖掘中的时时间序列分析析，可以对业业务量的情况况进行一定程程度的预测，就就可以更合理理的安排人员员的数量，在在不降低效率率的基础上，降降低企业的运运营成本。2、进行关联分分析，降低运运营成本通过数据挖掘中中关联分析，可可以进行业务务的相关性分分析，分析出出哪几种业务务具有比较强强的关联性。这这样，在安排排人员时，就就可以将两种种或更多的业业务人员进行行一定程度的的合并，减少少人员数量，降降低经营成本本。四、数

27、据挖掘技技术在电信客客户关系管理理中的应用（一）、数据挖挖掘技术在电电信CRM中中主要应用领领域电信运营商拥有有许多成熟的的数据库应用用系统，产生生了大量的业业务处理数据据。如果针对对客户关系管管理相关决策策分析的需求求，对这些数数据进行重组组整合，就能能充分利用这这些宝贵的数数据，体现信信息的真正价价值。目前电电信CRM的的数据挖掘应应用主要涉及及以下几个方方面：1、客户消费模模式分析客户消费模式分分析是对客户户历年来长话话、市话、信信息台的大量量详单、数据据以及客户档档案资料等相相关数据进行行关联分析，结结合客户的分分类，可以从从消费能力、消消费习惯、消消费周期等诸诸方面对客户户的话费行为

28、为进行分析和和预测，从而而为运营商的的相关经营决决策提供依据据。2、业务预测分分析通过对历史数据据的分析，找找出影响业务务发展的因素素，然后对这这些因素的未未来发展作出出预计，从而而大致地确定定未来业务量量，作为制订订发展计划的的重要依据。3、客户欠费分分析和动态防防欺诈通过数据挖掘，总总结各种骗费费、欠费行为为的内在规律律，并建立一一套欺诈和欠欠费行为的规规则库。当客客户的话费行行为与该库中中规则吻合时时，系统可以以提示运营商商相关部门采采取措施，从从而降低运营营商的损失风风险。4、客户流失分分析根据已有的客户户流失数据，建建立客户属性性、服务属性性、客户消费费情况等数据据与客户流失失概率相

29、关联联的数学模型型，找出这些些数据之间的的关系，并给给出明确的数数学模型。然然后根据此模模型来监控客客户流失的可可能性，如果果客户流失的的可能性过高高，则通过促促销等手段来来提高客户忠忠诚度，防止止客户流失的的发生。这就就彻底改变了了以往电信运运营商在成功功获得客户以以后无法监控控客户流失的的状况。5、大客户特征征识别大客户群体是电电信企业利润润的主要来源源，也是电信信企业之间相相互争夺的焦焦点。识别出出大客户，制制订针对性的的措施，提高高大客户的忠忠诚度，是电电信企业保持持竞争优势的的关键所在。不不仅能够根据据现有消费量量的多少来判判断用户是否否为大客户，还还应该根据现现有大客户的的资料提取

30、出出大客户的特特征，并发现现潜在的大客客户。6、网络资源的的管理通信网在运行过过程中产生了了大量的运行行数据。对这这些数据进行行挖掘，有利利于尽早发现现潜在的网络络故障，提高高网络的利用用率。（二）、数据挖挖掘的应用实实例客户流失失分析一个完整的数据据挖掘过程可可进一步细分分为业务问题题定义、数据据选择、数据据清洗和预处处理、模型选选择与预建立立、模型建立立与调整、模模型的评估与与检验、模型型解释与应用用。1、业务问题定定义针对客户流失的的不同种类分分别定义业务务问题，进而而区别处理。在在客户流失分分析中有两个个核心变量：财务原因/非财务原因因、主动流失失/被动流失失。客户流失失可以相应分分为

31、四种类型型，其中非财财务原因主动动流失的客户户往往是高价价值的客户，他他们会正常支支付服务费用用，并容易对对市场活动有有所响应，这这种客户是企企业真正需要要保住的客户户。此外在分分析客户流失失时必须区分分集团/个人人客户，以及及不同消费水水平的客户，并并有针对性地地制定不同的的流失标准。例例如，平均月月消费额15500元的客客户连续几个个月消费额降降低到3000元以下，就就可以认为客客户流失发生生了，而这个个流失标准不不适用于原来来平均月消费费额400元元的客户。国国外成熟的应应用中通常根根据相对指标标来判别客户户流失，例如如大众的个人人通信费用约约占总收入的的1%3%，当客户的的个人通信费费

32、用远低于此此比例时，就就认为发生了了客户流失。2、数据选择数据选择包括目目标变量的选选择、输入变变量的选择和和建模数据的的选择。a)目标变量的的选择客户流失分析的的目标变量通通常为客户流流失状态。根根据业务问题题的定义，可可以选择一个个已知量或多多个已知量的的组合作为目目标变量。实实际的客户流流失形式有因因账户取消发发生的流失和和因账户休眠眠发生的流失失两种。对于于因账户取消消发生的流失失，目标变量量可以直接选选取客户的账账户状态（取取消或正常）；对于因账户户休眠发生的的流失，可以以认为持续休休眠超过一定定时间长度的的客户发生了了流失。这时时需要对相关关的具体问题题加以考虑：持续休眠的的时间长

33、度定定义为多少？每月通话金金额低于多少少即认为处于于休眠状态，或或者是综合考考虑通话金额额、通话时长长和通话次数数来划定休眠眠标准？选择择目标变量时时面临的这些些问题需要业业务人员给予予明确的回答答。b)输入变量的的选择输入变量是模型型中的自变量量，在建模过过程中需要寻寻找自变量与与目标变量的的关联。输入入变量分为静静态数据和动动态数据。静静态数据指不不常变化的数数据，包括服服务合同属性性（如服务类类型、 服务务时间、交费费类型）和客客户的基本资资料；动态数数据指频繁或或定期改变的的数据，如月月消费金额、交交费记录、消消费特征。业业务人员在实实际业务活动动中可能会感感觉到输入变变量与目标变变量

34、的内在联联系，只是无无法量化表示示出来，这就就给数据挖掘掘留下了发挥挥的空间。如如果一时无法法确定某种数数据是否与客客户流失概率率有关联，应应该暂时将其其选入模型，并并在后续步骤骤考察各变量量分布情况和和相关性时再再行取舍。c)建模数据的的选择客户流失的方式式有两种。第第一种是客户户的自然消亡亡，例如身故故、破产、迁迁徙、移民而而导致客户不不再存在，或或者由于客户户服务的升级级造成特定服服务的目标客客户消失。第第二种是客户户的转移流失失，通常指客客户转移到竞竞争对手，并并使用其服务务。第二种流流失的客户才才是运营商真真正关心的、具具有挽留价值值的客户。因因此在选择建建模数据时必必须选择第二二种

35、流失客户户数据参与建建模，才能建建立有效的模模型。3、数据清洗和和预处理数据清洗和预处处理是建模前前的数据准备备工作，一方方面保证建模模数据的正确确性和有效性性， 另一方方面通过对数数据格式和内内容的调整，使使数据更符合合建模的需要要。数据整理理的主要工作作包括对数据据的转换和整整合、抽样、随随机化、缺失失值处理等。例例如按比例抽抽取未流失客客户和已流失失客户，将这这两类数据合合并，构成建建模的数据源源。此外，模模型在建立之之后需要大量量的数据来进进行检验，因因此通常把样样本数据分为为两部分，22/3的数据据用于建模，11/3的数据据用于模型的的检验和修正正。4、模型选择与与预建立在模型建立之前前，可以利用用数据挖掘工工具的相关性性比较功能，找找出每一个输输入变量和客客户流失概率率的相关性，删删除相关性较较小的变量，从从而可以缩短短建模时间，降降低模型复杂杂度，有时还还能使模型更更精确。现有有的数据挖掘掘工具提供了了决策树、