1、保留“黄金”客户， “超越”竞争 时间：2005 年 9 月 14 号 地点：北京天伦王朝饭店 主办单位：中国计费网 2005 中国电信业商业智能大会“ 客户流失管理”会前培训 华院分析 应用咨询总监 刘晓彬 各位朋友大家下午好， 在我之前的很多教授和专家们在理论框架、 技术发展趋势和数据 挖掘技术方面做了非常多的阐述， 跟大家一起做了深刻的探讨。 我今天下午的演讲会更多的 侧重于运营商的客户流失管理实践， 将我们在这几年里跟运营商一起解决问题的过程中积累 的经验和看法，跟大家一起分享。 在正式开始之前我想用几分钟时间简单介绍一下华院。 我来的时候在路上听到很多朋友 不知道华院， 那华院是干什
2、么的呢？华院分析是一家通过应用我们在座很多的合作伙伴的一 些工具、 软件也包括我们现在建立的 BI 系统来帮助运营商一起去实现商业解决方案的公司。 我们把模型的方法、 数据仓库和数据集市的方法、 应用软件开发的方法包括管理咨询的方法 结合起来， 目的只有一个， 帮助客户去解决他的管理问题。 在客户流失管理的问题上， 对 我 们来说就是怎么来帮助运营商把流失率降下来的问题， 至于用什么样的方法是根据每个运营 商的实际情况来选择的。 正因为这样的定位， 华院跟运营商合作过程中， 我们注重的是管理 咨询方法和 IT 技术的结合，有些朋友以为华院分析是纯粹做管理咨询或者纯粹做软件开发 的， 其实都不是
3、， 我们会根据每个地方的特点设计一个解决方案。 比如我在新疆做的整个客 户流失管理和另外一个公司就完全不一样， 因为他们面临的管理课题和市场竞争形式都不一 样。我在随后的分析你们会看到，为什么会出现这么大的区别。 另外，关于 BI 项目，我在参会之前听到很多人讲，在中国要真正用起来需要五到八年 的时间。 中国发展很快， 我觉得借用毛主席的一句话， 五到八年太长， 我们只争朝夕。 所 以 实际上需要大家能够快速地通过成功案例帮助客户建立信心， 帮助我们用户、 帮助运营商建 立信心， 让他们借用 BI 降低风险。2003 年的时候 一个客户与我通电话， 说 “我们已经做 了 流失预警模型” 。20
4、04 年 年底， 他找到我， 问为什么他们的流失模型用了一年， 离网率并没 有降下来。 这是我今天要跟大家讨论的话题： 我们怎么把最新潮流的新技术和我们管理实践 相结合。 我今天想跟大家讨论的三大话题：一是今天在客户保留和流失率方面有什么样的误区， 二是我们怎么来解决这些问题，最后是我们怎么从思想上消除误区，其中包括在 2002 年甚 至更早的时间对 BI 和数 据挖掘的一些误解。 先简单跟大 家看一看， 我们的整个 流失状况怎 么变化的，2002 年之前客户流失问 题 表 现的是客户离网，比如说联通送 CDMA 手机，移动的很多高端用户就离网；现在形势发生 变化，特别是有了小灵通以后，已经表
5、现为离网和话务分流并重。 从实践上看， 各大运营商不管是管理层还是营销层， 都在想非常多的办法提高客户的保 留率、降低客户的离网率。 我们来看看这些方法有什么问题，这是我们从实践中总结的情况。 第一是手机捆绑，最早的时候联通通过 CDMA 送手机活动来挖用户，中国移动通过手 机捆绑保留他的客户。 但是很多省份手机捆绑没有重视客户的价值贡献， 我们发现有些客户使用了手机捆绑， 但是他们的每分钟价值贡献很低， 这种情况是不是我们对这些客户过渡投 入资源了呢？这个我会用数据说明。 用数据发 现您的 世界！ 8 1 、通过终端捆绑， 绑定了用户，稳定了ARPU ， 忽视了实际价值 1031.7 766
6、.3 1154.5 756.2 234.8 192.3 336.3 155.2 10.1% 20.2% 22.0% 47.7% 52,581 105,393 115,052 249,201 62.8 115.0 40.2 27.7 . 31.6 25.8 42.0 27.6 488.5 385.0 554.9 390.2 80.1 33.1 136.7 39.8 0.131 0.146 0.167 0.140 50.5 36.8 78.3 58.6 46.0 17.8 63.7 22.1 MOU ARPU 人数占总 比 人数 点点短信 发送次数 在网时长 非漫游主 叫时长 国内漫游 时长 非漫
7、游基 本费单价 IP 总时长 省内漫游 时长 资 费敏感 客户 服 务提升 客户 新 业务敏 感 客户 手 机捆绑 客户 本地通话 单价 手机捆绑 用户的单 价低于其 他用户 某 运营商 实例第二是大面积发展 V 网， 结果是增加了很多无效的话务量。 我们错误的认为 V 网大了， 交际圈在 V 网里，流失会减少，大量的话务量激发出来。我们要承认 V 网的发展 确实对稳 定用户有一定效果， 但是积累很大的无效话务量， 我们看 V 网和非 V 网的 ARPM 差两分钱， 有些地方差的不止两分钱。 有人讲移动通信边际成本是 0 ， 多点话务量有什么问题。 从短期 来看 （边际成本） 是 0 ， 但是
8、长期来讲， 运营商的固定成本可能变成可变成本， 运营商需要 增加投资， 需要更多的基站， 而且现在的时点要面临 3G 投 资， 不可能无限制追加投资。 因 此，无效话务量的控制，显然不是边际成本为 0 的问题，是 我们必须要考虑控制的问题。 用数据发 现您的 世界！ 9 2 、大面积发展V 网 ，增大了无效或低价值话务量 0.1524 0.1334 0.1400 0.12 0.125 0.13 0.135 0.14 0.145 0.15 0.155 0.16 0.165 0.17 0.175 0.18 非VPMN 用户 VPMN 用户 全部通话用 户 某 运营商 实例第三是因为竞争激烈， 离网
9、率提高了， 往往认为要出台新的资费政策保留客户， 但是往 往是新的资费政策出台导致了更高的离网率。 这是我在一个地方做的研究，3 月和 4 月我切 一个横断面， 来看客户怎么变化， 这是某个市场上主流的营销案， 客户在主流的营销案之间 形成跳转和对流，这是我们从在网数据通过 BI 系统看到的，一方面来说，这些跳转和对流 很好，至少这些人没有离网；但是我们实际知道，有些运营商的被动离网占到总离网率的 70到 90 ，就是因为 这个原因（ 客户的跳转 和对流形成 的信息不充 分状态下的 离网）造 成的。而非自愿性离网不是简单利用离网模型能解决的。 用数据发 现您的 世界！ 10 3 、应对竞争式的
10、资 费策略以求客户保留，导致离网率上升 单向小康 卡 X 通卡大众套 餐 YY 卡忙闲时越 打越便宜 XC 行 XC 行新资费 通话单 价 通话时 长 APRU 变更人 数 某地3 月-4 月服务 计划 变更 0.1926 488.12 94.01 1903 0.2457 349.48 85.87 771 0.1645 473.54 77.88 1903 0.1709 452.08 77.24 771 0.249 326.63 81.33 1209 0.1977 428.93 84.82 1209 0.2548 504.82 128.65 1057 0.2991 607.24 181.63 1
11、101 0.2617 796.13 208.32 700 0.2236 690.3 154.32 1101 0.2002 744.99 149.18 1057 0.2064 854.75 176.46 700 XX通越打越 便宜B 某运营商实例第四是运营商做了很多离网预警模型， 花大量人力物力做客户挽留， 但是预警挽留手段 与流程不恰当造成收效甚微。 来看看离网模型的应用效果， 有一个地方有 266 个大客户 有离 网预警，结果有 233 是 呼叫不通，有 32 个有离网倾向，1 个是挽留成功，这是什么样的生 产率！ 很显然我们外呼工作方式是有问题的， 就像明明知道这个人得了癌症， 但是我们不
12、知 道应该做什么，只能做一些人道关怀。 用数据发 现您的 世界！ 11 4 、用不恰当的手段 与资源进行客户挽留 0.38% 1 32 233 266 挽 留成功 率 挽 留成功 有 离网倾 向 呼 接不通 预 警数量 资源浪费 挽留成功率低 大客户经理挽留8 月某旬挽留成功率统计 某 运营商 实例 “ 实 际 工作 体会下 来，对 零次户 预警名 单 的外呼 ，就象 明知道 一个人 得了癌 症晚 期 ，但还 是要尽 人道主 义精神 。” 外呼班长面对这种无奈的情况， 可想而知， 今天大家在这里谈的很多好的理论， 到一线很难真正 地贯彻执行。这也引发我们新的话题出来，就是怎么解决这样的问题。
13、要解决这个问题， 我非常赞同前面有一个专家的看法， 我们要从客户生命周期的概念上 来看， 实际上客户流失和人的出生死亡一样， 我们降低死亡率， 要从整个人的成长过程来看， 客户流失也要从整个客户的生命周期来看。 这是客户在整个生命周期中对运营商现金流的贡献， 我们获取一个新客户， 会有大量现 金投入， 获取以后， 会有运营成本； 他会有价值贡献， 我们成功给他更多新业务， 他的价 值 贡献更高， 随后他开始话务量分流， 后来他不满意我们的服务， 他甚至会离网， 运营商往 往 在这个阶段做离网挽留，希望把他留下来，或者他们离网以后希望把他们挽回。 用数据发 现您的 世界！ 13 客户进入移动通信
14、 服务直至退出的全部过程均对运营商带来价值影响 客户 入网（再入网） 载体 客户 离网载体 潜在 用 户 认 知度 提 升 经 常性 收 入 服务现 金成 本 话 务量 流 失 交 叉 销 售/ 向 上 销售 坏帐 折扣 调 整 优惠 计 划 更 新 客户赢 回 用户 获 取 成本 （SAC ） 客 户离 网 概念性图例 Mth1 Mth2 Mth3 Mth4 Mth 10 Mth 11 Mth 12 Mth 13 Mth 14 1 11 2 3 4 5 6 8 7 9 10整个客户生命周期的阶段， 有客户获取、 客户提升、 客户成熟、 客户衰退和客户流失 五 个阶段， 在不同的阶段运营商需要
15、注重的工作不一样， 也就是说我们要真正让他不离网， 减 少他走到衰退和流失的概率， 必须在获取和提升阶段做工作， 这个不是离网模型可以解决的。 用数据发 现您的 世界！ 14 客户生命周期管理 （CLM ）是客户价值管理的核心理念 对运营商的启示 客户处于不同生命 周期阶段对运营商 的价值及其需求均 有所不同，也意味 着运营商对其管理 与服务方式的不同 对客户的标准化管 理与服务应基于不 同的生命周期阶段 客户生命周期 在不同生命周 期阶段需考虑 不同问题 如何发现 并获取潜 在客户？ 阶段A ： （Acquisition ） 客户获取 如何把客 户培养成 高价值客 户？ 阶段B ： （Bui
16、ld-up ） 客户提升 如何使客户使 用新商业银行 产品? 如何培养顾客 忠诚度？ 阶段C ： (Climax) 客户成熟 如何延长客户 “ 生命周期” ？ 阶段D ： (Decline) 客户衰退 如何赢回 客户？ 阶段E ： (Exit) 客户流失 客户 价值 多种价值创造 杠杆在不同时 期应用 发现尚未 使 用移动通 信 产品或正 使 用竞争对 手 产品的客 户 通过有效 渠 道提供合 适 价值定位 获 取客户 刺激需求 的产品组 合/ 服务 交叉销售 针对性营销 高价值客户 的差异化服 务 高危客户预警 机制 高危客户挽留 举措 高价值客 户赢回方 法比如客户获取， 我刚才讲的资费跳
17、转是在客户获取阶段， 我们不能正本清源， 导致我们 客户流失率非常高。这里想到一个例子，前两天我去了喀纳斯，那是非常美丽的旅游胜地， 当地有蒙古的图瓦人，他们仍然保持非常原始的生存状态，他们的寿命很短，平均 30 岁到 40 岁，也就是说，他们 的死亡率比 较高。同在 社会主义国 家，我们肯 定要帮助他 们，我们 给他们建立医疗所， 我们改善他们的生活条件， 我们从外地运很多食品和卫生用品进去， 他 们的死亡率降低了吗， 他们生命延长了吗？没有， 蒙古图瓦人在当地不能跟外族通婚， 所以 决定了他生命周期很短。 你如果不能从源头上解决它， 怎么能够通过医疗改善等手段使得他 寿命延长。 在客户发展
18、阶段的时候， 从经济上决定了， 他可能就有问题， 或者我们不断发 展 过程中形成摩擦性离网，本身对离网率有很大的影响。 下图描述的是在这个过程中，离网怎么产生的，左边这张图我们用户分成好几种群体， 运营商开始觉得我要细分， 对这些用户出一个单向收费的政策， 后来发现还有一些高端的用 户， 他觉得我对这群人出一个长途优惠的政策， 中间这个点是表示， 开始客户觉得单向收费 很有利， 他就选了， 长途优惠出来他也觉得很有利， 他就跳进长途优惠， 接着又出来一个 闲 时优惠， 这个人发现闲时最有利， 他又跳到这里， 如果我们有一个稳定的资费体系， 我获 取 客户本身就会少一些带来摩擦性离网。 用数据发
19、 现您的 世界！ 15 客户生命周期 在不同生命周 期阶段需考虑 不同问题 如何发现 并获取潜 在客户？ 阶段A ： （Acquisition ） 客户获取 客户 价值 多种价值创造 杠杆在不同时 期应用 发现尚未 使 用移动通 信 产品或正 使 用竞争对 手 产品的客 户 通过有效 渠 道提供合 适 价值定位 获 取客户 客户获取策略直接 影响客户流失情况另外一个课题就是说我怎么扎紧篱笆， 客户流失和衰退阶段怎么做好客户预警， 这个模 型专家谈的很多了， 这里不讲了， 这里涉及到效果效率等等方面的问题。 但是实践中发现不 仅仅如此， 今天上午几个专家谈到很多覆盖率、 准确率等很多的概念都很有
20、用。 但是实际中 碰到一个很大的问题， 模型准确率很高， 覆盖率也不错， 但是执行过程中的却呼出成功率很 低。 如果一个癌症病人进了癌症医院， 要预测他的死亡时间很好预测， 但是今天要预测我得 癌症的概率，大家都很难。只有去防癌才有意义，得了癌症晚期就没有意义了。 用数据发 现您的 世界！ 16 客户生命周期 在不同生命周 期阶段需考虑 不同问题 如何延长客户 “ 生命周期” ？ 阶段D ： (Decline) 客户衰退 如何 赢回 客户 ？ 阶段E ： (Exit) 客户 流失 客户价值 多种价值创造 杠杆在不同时 期应用 高危客户预警 机制 高危客户挽留 举措 高价 值客 户赢 回方 法
21、100万客户 5 万 30万客户 3 万离网 70万客户 2 万离网 A1 A2 0.2万客 户 0.01万离 网 0.3万客 户 0.2万离 网 X2 X1 Xi 10万客户 1 万离网 10万客户 0.5万离 网 10万客户 1.5万离 网 B2 B3 B1 客户衰退与流失阶 段需要提前采取行动这牵扯到一个新的概念性问题，我想用一个小故事说明。 我们都知道扁鹊的医术高明， 有一天， 魏文王问， 你们家兄弟三人都精于医术， 到底 哪 个最好？说长兄最好， 中兄次之， 我最差。 文王再问， 那你为什么最出名？扁鹊说那是因 为 老大治病是治病于病情发作之前，一般人不知道，他事先铲除病因，所以他名
22、气传不出去， 老二治病， 是治病于病情初起时， 一般人以为他只能治轻微的小病， 所以他名气只及本乡里。 我治病是病情严重之时， 一般人都看到我在静脉上穿针放血， 在皮肤上敷药等大手术， 所以 以为我的医术高明，名气因此响遍全国。 同样， 客户挽留活动不仅仅是为了降低低离网率， 同时也是通过在客户接触与客户关怀 的过程中发现新的销售机会， 提升客户价值， 提高客户满意度， 了解客户深层次需求。 从 技 术上来看， 除了离网， 需要对客户进行细分， 需要知道哪些类型的客户离网倾向比较高， 同 时更重要需要有很好的软件管理整个客户挽留和管理的过程， 如果没有软件会出问题。 我举 一个例子， 当时有一
23、个省级运营商， 他们离网模型做好了， 刚好我们拜访他们的省市场部经 理，他说地市公司根本不关心这个，我问道，何以见得？他说“我把模型名单准备好之后， 就怕地市不用， 怕他们骗我他们用了， 我发了几十个文件， 然后我每个文件都加了密码， 我 打电话问大家你们用了吗？所有人都告诉我他们用了， 实际上所有的地市公司， 只有一个公 司老总问我 密码是多少 ，其他的都 没有问。 ”可 见，离网挽 留是一个管 理的过程， 一旦执行 不仅仅是一个模型预测准确性的问题。我们不可能整天让一个市场部老总天天设一个密码， 靠这个来判断地市有没有真正的使用。 所以我们必须要有一个很好的管理软件来管理这个过 程。 最后
24、一个就是流程的问题， 我有了软件， 有了模型， 可能这时候 1860 或者 1000 人说了 ， 我们没有这个工作职责， 为什么让我们干。 那么， 谁应该负责挽留活动的执行， 整个流失 管 理的策略谁应该负责都是需要界定的问题。 另外， 挽留客户时， 我们肯定不能跟客户说， 我 们感觉你要流失所以我们用什么样的口径来和客户沟通， 都需要我们通过流程和操作规 范来实现。 在这里， 我想强调的是： 当引进新技术的过程中， 会涉及到新的管理课题， 会 引 起一系列变化，管理好这些变化才能让新技术真正起作用。 下面我跟大家介绍一下华院分析客户流失管理的解决方案。 用数据发 现您的 世界！ 19 华院分
25、析关于客户 关怀与挽留活动的经验 理念 Concept 理念 Concept 流程 Process 流程 Process 技术 Technology 技术 Technology 客户 Customer 客户 Customer 客 户挽留 活动不 仅是为 了 降低 离网率 ；同 时 也是通 过客户 接触与 客 户关 怀发现 新的 销 售机会 、提升 客户价 值 、提 高客户 满意 度 、了解 客户深 层次需 求 的过 程。 客 户挽留 活动不 仅是为 了 降低 离网率 ；同 时 也是通 过客户 接触与 客 户关 怀发现 新的 销 售机会 、提升 客户价 值 、提 高客户 满意 度 、了解 客户深
26、 层次需 求 的过 程。 离 网预警 模型的 有效预 警 ， 客 户行为 细分模 型帮助 了 解客 户 特点， 指导针 对性的 增 值产 品/ 服务提 供； 客 户关怀 与挽留 管理软 件 有效 定 义不同 类型的 挽留对 象 ，记 录 挽留活 动执行 情况与 客 户反 馈 情况。 离 网预警 模型的 有效预 警， 客 户行为 细分模 型帮助 了解 客 户 特点， 指导针 对性的 增值 产 品/ 服务提 供； 客 户关怀 与挽留 管理软 件有 效 定 义不同 类型的 挽留对 象， 记 录 挽留活 动执行 情况与 客户 反 馈 情况。 清 晰的易 执 行的 客户关 怀与挽 留 流程 ； 设 计良
27、好 的 客户 关怀与 挽留考 核 指 标与考 核 办法 ； 训 练有素 的 客户 关怀与 挽留人 员。 清 晰的易 执 行的 客户关 怀与挽 留 流程 ； 设 计良好 的 客户 关怀与 挽留考 核 指 标与考 核 办法 ； 训 练有素 的 客户 关怀与 挽留人 员。模型的话题讲了很多， 我们大多数模型都讲系统自我学习的过程， 怎么通过系统的学习找到最好的流失预测的规律， 像我这个幻灯片放的动画一样， 他这个叫做商业智能或者机器 智能，实际除了这个以外，我们需要做的很多人的工作，而且这个工作是非常大量的。 用数据发 现您的 世界！ 27 客户的预警保留工 作是完整的闭环 缺 乏针对 性的对 每个
28、原 因采取 策 略信息 支持 离 网挽留 模型应 用结果 记录 主 动消号 原因记 录 日 预警工 作记录 用 户离网 行 为 信息 记 录 信 息统计 分析 形成 策 略 执 行策略拿了模型结果以后，结果往往是市场部经理发给各个地市老总的名单，他没有做起来。 我们要做数据分析模型，要策划，流失离网率高的人应该说什么话，你分配目标挽留名单， 但他到底打电话没有， 他打完到底挽留成功了没有， 我们还需要反馈总结， 不成功是什么原 因， 是打不通还是其它的原因， 他是一个闭环的过程， 这些信息还可以再运用， 既然是这 样 的过程， 显然这个工作就需要有一个工具来支撑。 那么可能在这个工具里边需要包
29、括分析模 块， 包括政策模块， 包括反馈模块， 包括经验分享模块， 包括营销方案的模块。 我们今天 讲 要帮助大家一起建立一个闭环， 从用户的离网开始， 到信息的接入、 统计分析、 到策略形成、 策略执行、以及到策略执行效果的分析，这个是在 BI 支撑 基础上下一步可能发展的方向。 下面是华院的挽留系统功能模块的介绍。 用数据发 现您的 世界！ 26 客户关怀与挽留系 统功能简介 挽留政策 管理 挽留反馈 管理 客户停机 分析报 告 客户呼转 分析报 告 客户离网 分析报 告 挽留经验 管理 下发挽留 指标 待发挽留 任务 调整挽留 任务 挽留任务 执行 客户信息 查询 预测离网 客户报 告
30、挽留任务 报告 挽留分组 管理从管理上来讲， 也分了三大体系， 包括管理体系， 包括执行体系， 包括 IT 的支撑体系， 都需要为我们进一步优化。 首先看管理体系和执行体系， 我们发现在整个执行的过程中， 实 际上流程也是分成几大类， 比如说主动的怎么挽留， 被动流失的又怎么做， 这些流程有不同 的分工， 沟通规范需要我们对什么样的客户说什么话， 大客户经理说什么， 外呼员说什么话， 这个都需要进一步规范， 还应该包括分工体系， 决策层应该管理什么事情， 管理层、 贯彻 层 做什么事情， 执行层做实施行， 很多可能是省公司做的， 但是执行是下面地市， 这里需要 规 范的管理来落实和执行他。再来
31、看 IT 的支撑体系，现在各个运营商都有非常多的系统，这 些系统或多或少对客户的信息都有支撑， 当我们客户流失管理的任务出来， 这些系统提供的 信息是不是好的， 这里有两个思路， 一个是不是把所有的系统都推倒上套装软件， 缺点是投 资大， 风险高， 但是好处是有新的管理经验， 可能把整个管理推上一个台阶， 另外一些运 营 商会讲， 我能不能不动现在的系统， 但是同时我也想有新的应用， 实际上今天上午提到， 我 们可以通过企业应用集成技术，可以一方面优化应用，一方面完善集成，这是关于 IT 系统 支撑的看法。 这两个相关工作我们都在帮客户进行完善， 这是我们在整个的分析过程中看到 的，从问题再到
32、我们解决方案上碰到的一些情况。 用数据发 现您的 世界！ 28 客户保留体系执行 应关注三大部分内容 客户保留管理体系 客户保留执行体系 客户保留支撑体系 明 确省公 司与市 公司之 间在 客 户保留 工作 的 管 理和执 行职责 界限 明 确各个 岗位的 岗位职 责、 工 作内容 、考 核 指标 明 确省公 司与市 公司客 户保 留 工作流 程 建 立省公 司和市 公司在 客户 保 留工作 的培 训 机制 建 立各个 流转环 节工作 报表 体 系 建 立各个 流程环 节的信 息反 馈 报表体 系 建立IT 支撑体 系 建 立客户 保留策 略支撑 体系 建 立客户 保留工 作问卷最后跟大家来探
33、讨 BI 在 客户流失管理中作用。 下面是一个模型准确性的辨析。 因为我跟很多运营商朋友交流过程中， 他们都问我， 听 说华院模型 做的很好， 你们准确率 是多少，我 听说别人准 确率做到 8090，每次问到 这些问题的时候，我都觉得非常有必要在一个场合跟大家沟通一下某些模型参数。 下面有一个例子帮助大家一起看看模型实际上是什么东西。 这个例子是这样的， 有位先 生收到一份医疗检验单， 说有一个罕见的疾病检验出来， 这种病在中国的发病率是一万分之 一，医院遗 憾地告诉他 ，我们通过 准确率 99的检验显示 他的结果是 阳性，我想 问在座的 朋友们，请 问这个先生 得病的概率 是多少？有 没有人
34、自愿 回答我的问 题的。1 ， 看来你是 统计学的专家，为什么 1 ？实际当他说 99的 时候，不得病和得病的人都很可能会出错， 统计学里边会有两类错误， 一类错误是把得病的当成不得病的， 另一类错误是把不得病的当 成得病的， 虽然准确性 是 99，很多不得病的 他也检验不 得病，他很 准确，但是 实际上这个模型的命中率只有 1 ，这就是我们经常讨论离网模型命中率的话题。 用数据发 现您的 世界！ 35 模型准确性问题辨 析 am 医疗分 析 实验室 上海，2005 年5 月12 日 先生： 最近您到我们医院做了一种罕见疾病 的检验，这种疾病在我国发生的概率是 1/10000。我 们 很遗憾地
35、通知您，这种正 确 率高达99%的检 验显示您的结果为阳性。 问题： 您认为这位先生染病的 几率是多少？ A 、1 B 、50 C 、99 还有一个客户问我， “你 的 Lift 值不错，但是查询率低了一点”我特别搞不明白，某一 个数上 Lift 值不错，你可以认可这个指标，为什么不可以认可查询率的指标。这个不满意， 是对公式不满意， 公式有严密的逻辑， 我们没有办法违背， 上面是我在实际的工作中碰到的 一个常见问题。我们不能够特别主观感性地认为数据挖掘或者 BI 能够 神话般的帮我们降低 离网率， 实际离网率降低有时候需要我们正本清源， 有时候需要我们扎紧篱笆， 最重要需要 我们把人治的工作
36、做好，这是我们对这个问题的看法。 很多人谈到离网率的问题， 基于当前中国运营商的情况， 如果讲离网人数 100 个人 ， 能 够减少 20 个 ， 已经非常伟大了， 实际另外 80 个 人离网问题不是通过模型可以解决， 也解决 不了，需要我们更大的 BI 系统应用，他可能不是高深的模型，可能是统计分析，可能是我 们的报表， 这些需要转换成什么样的生产率， 这个需要我们在客户生命周期中， 从获取到提 升， 到成熟， 到挽留不同阶段实施不同的管理策略， 使客户的流失率降下来， 这是其一。 第 二是什么？我们各位作为 BI 的应用 层的推动者，我们应该看到作为执行者的地市公司的领 导们， 他们实际有
37、时候会牺牲流失率获得别的指标的冲动。 对于不同的运营商而言， 有些运 营商为了上市， 或者为了短期某一种阶段性目标出成果， 都有可能这么做。 这种情况下我们 看到， 作为地市公司的决策体系， 导致我们流失模型的非理性使用。 这种情况下， 实际上 模 型解决不了离网率的问题， 离网问题本身就是地市公司由于策略性的市场活动导致的这 就引发出来一个新的问题， 很多运营商朋友问我， 你能不能告诉我说， 到底把流失率控制在 百分之几是最合适的？没有答案！应该完全取决于你当前的 KPI 指标 的完成情况。话说到 了一个方向， 我要收回， 流失模型有没有用， 客户流失管理， 我们今天谈的话题到底有没有 用？
38、当然是肯定的，有用！我们一百个人中抓住 20 个，20 个成功率 50 只有 10 个人的成 功率， 我就这一点点改善， 可能在地市级的运营商带来的每年收入增加， 当期收入增加就千 万级， 这点就足够了， 我觉得不需要过大夸大模型的效果， 我们只要降低 1 的离 网率已 经 是非常大的收益，问题是我们有没有把 1 的改 善真正落到实处，反映到财务报表上。 我跟大家分享一下我们自己理解 BI 系统的作用，我们认为系统可能能够发现客观规律， 能够提供数据支持，能够实现知识积累，但是不能够解决流失问题，不能够提供策略支持，也不能够实现知识应用。 而解决问题， 提供策略支持， 知识应用， 本身需要我们
39、把人的智 慧 和商业结合起来， 这个不是简单通过工具的使用和某一个产品的上线可以解决， 他需要整个 组织进行转变。 用数据发 现您的 世界！ 36 BI 的作用 解决流 失 问题 提供策 略 支持 实现知 识 应用 发现客观 规律 提供数据 支持 实现知识 积累今天我的演讲很短， 我想用一句话总结一下我的整个话题， 流失模型既不是流失管理的 充分条件， 也不是流失管理的必要条件， 实际上我们针对每一个运营商， 我们都需要根据他 的具体情况来具体分析， 帮助他一起来选择一个合适的解决方案来控制整个离网率， 只有这 样， 当我们项目实行一段时间之后， 才真正能看到离网率的下降， 而不是一 个模型 “Lift 值” 的提高。 我们希望真正做到结果导向、 客户导向， 而不是过程导向、 产品导向。 同时我们 也 非常跟各位合作伙伴和各位运营商进一步交流和合作。
