客户流失数据挖掘第讲

客户流失分析

(数据挖掘-案例分析1)上海****通信技术有限公司

MrJim()2014-02培训大纲一、统计知识二、案例背景三、商业理解四、数据理解与数据准备五、建立模型与模型评估六、模型应用七、总结CRISP-DMCRISP-DM(即跨行业数据挖掘标准流程”的缩写),是一种业界认可的用于指导数据挖掘工作的方法。指标变量获取

从业务系统中取出的数据都是根据业务的需要考虑设计的,但往往不能达到取得良好数据挖掘结果的目的.这时需要对数据进行各种变换或者生成相关的衍生变量。下面介绍一些数据的常用变换形式和衍生变量生成的常用方法。

1、单变量的变换为了建立模型的便利，经常要对现有的变量进行某种形式的变化。这里总结出以下几个类型的单变量变换方法。指标变量获取连续变量向连续变量的转化。连续变量的变换通常有这样几种情况：①使数据便于计算和比较进行的变化，例如由单位是分变为单位是元、入网时间（时间型号变量）向在网时长的转化②为了修正数据的分布对数据进行适当的变化,例如对数变换、倒数变换等③使不同量纲和数量级的数据具有可比性的变化，即标准化变化。标准化变换通常有两种形式：一种是（原值-平均值）/标准差，另一种是（原值-最小值）/（最大值-最小值），这种变换后取值范围在0~1之间。指标变量获取连续变量向离散变量的转化。一个变量取值是大是小，往往只是相对而言，分析中经常需要把一个连续取值变换为离散的分级变量以使业务上更好理解。连续变量向离散变量的转化可以完全基于业务来考虑，比如对客户的年龄分群，有些企业就是把18~40岁算作他们的青年客户。如果从统计学角度考虑，连续型变量向离散型变量转换主要是进行分箱变换，可以分为三种：①、按照等距离进行分箱②、按照等数量进行分箱③、按照分布进行分箱。例如把数据分为3段，小于平均数-3个标准差为第一段；大于平均数-3个标准差且小于平均数+3个标准差为第二段；大于平均数+3个标准差为第三段。指标变量获取离散变量向连续变量的转化。对于有些分级类型的离散变量，可以将它理解为对连续变量做处理和建立模型。例如：对于二分的标志变量，也可以将它们转化为连续变量，即将标量的一个取值记为1，另一个取值记为0。这样，如果将1理解为1.0,将0理解为0.0。则这个标志变量可以理解为是分布在0.0~1.0之间的一个连续变量，只不过这个连续变量比较特殊，在观察到数据中只有0.0和1.0两个取值。离散变量向离散变量的转化。当离散变量的类别数特别多时，可以对它们适当的归并，例如将个数特别少的类别统一归为其它就是典型的一种。另外，一个多分的离散变量也可以变为多个二分的标志变量，比如有一个离散变量是X,它有a,b,c三个取值，那么完全可以把它变为Xa,Xb,Xc三个变量，每个变量有1和0两个取值，而当X取值为a时，对应的情况是Xa取值为1，而Xb,Xc的取值都为0。指标变量获取2、衍生变量为了更清晰的说明衍生变量的生成，我们把数据分为两类：一类是横截面数据（指某一时点上收集到的数据），另一类是时间序列数据，一条记录代表一个时间点或者时间段上的取值，通常会有一个表示时间的变量。

对横截面数据的衍生变量来说有以下一些常用的生成衍生变量的方法：①、强度相对指标：有一个联系的两个指标之间相比的结果得到的指标。例如平均通话时长=总通话时长/总通话次数②、比例相对指标：用来反映总体中各组成部分所占比例的一个指标。指标变量获取2、衍生变量

对时间序列数据有以下一些常用的生成衍生变量的方法：①、滞后类指标：对于时间序列数据，各条记录之间联系更加紧密，我们通常会取上一条记录（例如代表上月取值）及上年同期（例如去年同月），与当前记录相比得到环比增长率（例如本月值/上月值）和同比增长率(例如本月值/上年同期值);为了消除波动，有时我们还对多个时间段数值进行求和、平均等操作。例如股市中常用的股价5日平均值，这类指标可以被归结为滞后类指标。②、汇总类指标：汇总类指标：求和，平均值，最小值，最大值，标准差，记录数等。指标变量获取3、趋势类指标对时间序列变量来说，一个重要的方面是看趋势。例如在这个案例中，我们特别关注每个客户的通话时长等指标的趋势，是变多，变少，还是随机性的波动？我们有理由猜测，如果一个客户的通话时长趋势是变少，那么这个客户流失的可能性会更大。但是如何衡量趋势呢？最朴素的想法是用最后一个月的取值除以第一个月的取值看增长率，但是这样会丢失很多中间月份的数据信息。我们还可以使用下面的方法来查看趋势。即建立变量与时间的回归模型（例如在这个案例中，自变量为月份，因变量为通话时长），将自变量的回归系数作为趋势（也可以使用标化回归系数作为趋势),这个值大于０，则趋势是变多；这个值小于０，则趋势是变少。趋势的计算公式如下(以x作为月份，y代表通话时长，n代表月份数量),则：指标变量获取取4、波动类指标对时间序列变变量来说，趋趋势只反映了了大致方向，，但是这个方方向的过程是是一帆风顺，，还是惊淘骇骇浪呢？可以以使用波动指指标来进行度度量。简单地地，可以使用用标准差或变变异系数来衡衡量波动，也也可以使用如如下公式计算算波动：培训大纲一、指标变量量获取二、案例背景三、商业理解解四、数据理解解与数据准备备五、建立模型型与模型评估估六、模型应用用七、总结案例背景现在假设你是是电信企业的的一个数据分分析经理，发发现最近电信信市场又在血血拼，竞争对对手不断挖公公司的墙角，，公司的高端端客户这个月月又流失了不不少。公司打算组织织一个市场营营销活动来遏遏止这种趋势势，可是这个个客户挽留活活动毕竟只是是公司众多市市场活动中的的一个，预算也有限。看看数据仓库库里积累了那那么多数据，，能不能挖挖挖这些数据，，①、看看哪些客户户可能会流失失？②、这些客户都有有些啥特征？③、做这样的市场场活动大概会会有啥投资汇汇报？培训大纲一、指标变量量获取二、案例背景景三、商业理解四、数据理解解与数据准备备五、建立模型型与模型评估估六、模型应用用七、总结通信业是一个个竞争异常激激烈的行业，，如何对客户户进行有效的的管理，尽可可能的减少客客户的的流失失和跳跳网是一个个紧迫迫的问问题。。这里里将介介绍数数据挖挖掘在在移动动通信信业关关于客客户流流失研研究中中的应应用。。数据挖挖掘技技术将将提供供功能能强大大的模模型，，可以以回答答诸如如“哪些客客户最最可能能流失失？”和“为什么么这些些客户户会流流失？”等问题题。商业理理解流失与与哪些些因素素相关关顾客年年龄？？性别别？收收入？？行业业？话话费水水平？？话务务质量量？确定数数据挖挖掘目目标对客户户进行行分群，寻找找高流失失的客户户群建立规则，描述那些些可能流失失的客户特特征建立打分模型，对客户流流失可能性性进行评价价商业理解商业理解我们可以把把流失问题题归结为如如下３个问问题：①、预测哪哪些客户（（尤其是哪哪些高价值值的客户））可能会流流失②、可能流流失客户的的特征是什什么③、市场挽挽留活动的的预计收益益是多少商业理解如何定义流流失经过与业务务人员的充充分沟通，，最终定义义：①、销号②、欠费超超过３个月月（后付费费客户）③、３个月月无通话行行为（预付付费客户））变量值记为为１，否则则为不流失失，变量记记为０。商业理解哪些变量可可用于预测测流失①、客户基基本信息数数据：包括括客户的年年龄，性别别，入网时时间等②、客户行行为数据：：主要是客客户使用电电信产品和和服务情况况的数据。。比如客户户的通话详详单记录，，客户订阅阅，使用，，退订增殖殖服务情况况等，这部部分数据容容易获得，，存放在业业务系统中中，一般数数据质量较较好。③、客户户交互数数据：包包括客户户投诉、、业务咨咨询以及及客户对对电信的的市场营营销活动动等响应应情况等等数据，，尤其是是客户拨拨打客服服电话的的的情况况。④、客户户态度数数据：包包括客户户对电信信服务的的满意程程度、意意见和建建议、客客户流失失的真正正原因（（是被竞竞争对手手挖角，，搬家，，对产品品或服务务不满意意，还是是特别喜喜欢特定定手机终终端）等等。这部部分数据据需要通通过市场场调查获获得，但但获得成成本过高高，往往往不在我我们考虑虑的范围围之内。。希望全面面使用以以上４个个类别的的客户数数据，但但实际项项目中有有些数据据或者由由于获取取成本太太高，或或者由于于数据库库系统中中没有记记录，导导致分析析时无法法使用。。最终可可能发现现，真正正能用于于作为数数据挖掘掘的预测测自变量量只剩下下客户基基本信息息和客户户行为数数据两类类，甚至至这两个个类别中中包含的的变量也也只有在在数据理理解阶段段完成数数据质量量审核后后才能决决定是否否可用。商业理解解定义分析析用数据据的时间间窗口如何定义义预测的的输入变变量(自变量)和预测变变量(因变量)的时间窗窗口。对对自变量量窗口来来说，进进行流失失分析的的目的显显然是希希望在客客户流失失之前发发现他，，而在业业务系统统中，客客户行为为是连续续发生的的，那么么在分析析时应该该取多长长时间的的数据呢呢？取的的时间过过短，可可能客户户的行为为受随机机因素影影响太大大，不具具有代表表性；取取的时间间过长，，历史太太久远的的数据不不能反映映客户最最新的趋趋势。综综合考虑虑数据的的可获取取性和有有效性以以后的结结果，我我们这里里取6个月的历史数数据。对因因变变量量（（是是否否流流失失））的的数数据据窗窗口口来来说说，，为为了了使使得得到到的的预预测测结结果果既既具具有有前前瞻瞻性性，，又又能能给给营营销销部部门门充充分分的的营营销销时时间间，，我我们们考考虑虑流流失失定定义义的的时时间间窗窗口口与与自自变变量量的的定定义义窗窗口口间间隔隔一一个个月月（（通通常常需需要要3~7天的的数数据据处处理理时时间间）），，再再考考虑虑到到如如前前述述流流失失定定义义需需要要3个月月的的观观察察期期（（欠欠费费与与无无通通话话行行为为情情形形）），，具具体体预预测测自自变变量量和和目目标标变变量量（（因因变变量量））的的时时间间窗窗口口如如下下图图所所示示：：第1月第2月第3月第4月第5月第6月第7月第8月第9月第10月预测测自自变变量量时时间间窗窗口口预测测目目标标变变量量时时间间窗窗口口间隔隔商业业理理解解如何何从从分分析析结结果果中中获获取取实实际际收收益益得到到了了流流失失预预测测结结果果，，如如何何使使用用？？如如何何事事先先预预估估市市场场挽挽留留活活动动的的收收益益？？通通过过数数据据挖挖掘掘得得到到流流失失分分析析的的结结果果往往往往有有两两类类：：一类类是是流流失失客客户户的的特特征征描描述述另一一类类是是针针对对每每一一个个客客户户的的流流失失评评分分。。流失失客客户户的的特特征征描描述述可可用用来来帮帮助助市市场场部部业业务务人人员员在在制制订订挽挽留留性性营营销销策策略略时时参参考考，，从从而而制制订订出出有有针针对对性性的的挽挽留留策策略略；；而而流流失失评评分分结结合合其其它它变变量量（（例例如如客客户户价价值值））可可以以帮帮助助业业务务人人员员决决定定应应该该对对哪哪些些客客户户进进行行挽挽留留。。经经过过与与市市场场业业务务人人员员的的讨讨论论，，我我们们得得知知针针对对特特定定客客户户的的挽挽留留措措施施往往往往是是给给他他们们一一定定折折扣扣或或者者优优惠惠政政策策，，这这样样就就大大体体上上得得到到了了预预估估市市场场挽挽留留活活动动预预期期收收益益的的数数据据公公式式：：预期期收收益益=流失失客客户户预预期期收收入入-流失失客客户户挽挽留留预预期期成成本本其中中，，流流失失客客户户预预期期收收入入可可以以用用流流失失客客户户过过去去若若干干个个月月的的总总花花费费或或者者平平均均花花费费来来表表示示，，流流失失客客户户挽挽留留预预期期成成本本包包括括：：电电信信公公司司进进行行时时常常挽挽留留活活动动的的总总体体策策划划、、宣宣传传成成本本；；针针对对客客户户的的集集体体折折扣扣或或优优惠惠成成本本。。培训训大大纲纲一、、指指标标变变量量获获取取二、案案例背背景三、商商业理理解四、数据理理解与与数据据准备备五、建建立模模型与与模型型评估估六、模模型应应用七、总总结套餐数数据字段名称指标解释套餐类型固定费用每月需支付固定费用免费时长每月提供免费（国内）时长高峰时费率高峰时期每分钟话费（超过免费时长部分）低谷时费率低谷时期每分钟话费（超过免费时长部分）周末时费率周末时期每分钟话费（超过免费时长部分）国际费率国际长途电话每分钟话费语音信箱语信信箱收费（未用）短信服务短信服务收费（未用）数据理理解数据理理解与与数据据准备备在数据据理解解与数数据准准备阶阶段，，我们们将对对数据据做初初步探探索性性分析析，了了解数数据质质量状状况，，考察察数据据的大大致分分布情情况，，此外外还要要将各各方面面的数数据进进行合合并，，整理理成可可以进进行数数据挖挖掘的的宽表表形式式（即即行代代表记记录，，列代代表变变量的的二维维表）），并并进一一步根根据业业务上上的考考虑，，生成成一些些有业业务含含义的的衍生生变量量。在在实际际的数数据挖挖掘项项目中中，我我们会会发现现，数数据理理解和和数据据准备备的时时间经经常会会占到到整个个项目目周期期的60%~70%,甚至更更多。。数据理理解：：接口口1客户基本信息表(custinfo.csv)变量名称变量标签变量类型变量取值(范围)Customer_ID客户编号离散

Gender性别离散男,女Age年龄连续12~82L_O_S在网时长连续9.53~58.2Tariff话费方案离散CAT50,CAT100,CAT200,Play100,Play300Handset手机品牌离散ASAD170,ASAD90,BS110,BS210,CAS30,CAS60,S50,S80,SOP10,SOP20,WC95数据理理解：：接口口2客户通话情况表(custcall.csv)变量名称变量标签变量类型变量取值(范围)Customer_ID客户编号离散

Peak_calls高峰时期电话数连续0~486Peak_mins高峰时期电话时长连续0.0~2527.8OffPeak_calls低谷时间电话数连续0~154OffPeak_mins低谷时期电话时长连续0.0`745.5Weekend_cals周末时期电话数连续0~33Weekend_mins周末时期电话时长连续0.0~162.6International_mins国际电话时长连续0.0~255.506Nat_call_cost国内电话话费连续0~47Month月份连续1~6数据理理解：：接口口3话费方案表(tariff.csv)变量名称变量标签变量类型变量取值(范围)Tariff话费类型离散CAT50,CAT100,CAT200,Play100,Play300Fixed_cost固定费用连续9.99~25.0Free_mins免费时长连续50~300Peak_rate高峰时期单价连续10~25OffPeak_rate非高峰时期单价连续2~5Weekend_rate周末单价连续2~5International_rate国际长途单价连续30~40数据理理解：：接口口4客户是否流失标记表(churn.csv)变量名称变量标签变量类型变量取值(范围)Customer_ID客户编号离散

Churn是否流失离散0,1(1代表流失,0代表不流失)流失分析基础宽表变量名称变量标签变量类型口径定义Customer_ID客户编号离散

Gender性别离散原始变量Age年龄连续原始变量L_O_S在网时长连续原始变量Handset手机品牌离散原始变量Tariff话费方案离散原始变量Tariff_OK话费方案是否合理离散(标志变量)衍生变量,表明客户话费方案是否与实际消费相匹配Usage_Band话务量级别离散衍生变量,表明客户话务量多少与全体客户相比的级别情况Peak_Calls高峰时期通话数连续汇总变量,客户6个月高峰时期通话数合计Peak_Mins高峰时期通话时长连续汇总变量,客户6个月高峰时期通话时长合计Offpeak_Calls非高峰时期通话数连续汇总变量,客户6个月非高峰时期通话数合计Offpeak_Mins非高峰时期通话时长连续汇总变量,客户6个月非高峰时期通话时长合计Weekend_Calls周末时期通话数连续汇总变量,客户6个月周末时期通话数合计Weekend_Mins周末时期通话时长连续汇总变量,客户6个月周末时期通话时长合计International_Mins国际通话时长连续汇总变量,客户6个月国际通话时长合计数据理理解：：宽表表生成成(输出)National_Calls国内通话数连续汇总变量,客户6个月国内通话数合计National_Mins国内通话时长连续汇总变量,客户6个月国内通话时长合计All_Calls_Mins所有通话时长连续衍生变量,客户6个月所有通话时长合计Nat_Call_Cost国内通话消费连续原始变量Peak_Mins_Ratio高峰时期通话时长占比连续衍生变量,比例指标,高峰时期通话时长占国内通话时长比例Offpeak_Mins_Ratio非高峰时期通话时长占比连续衍生变量,比例指标,非高峰时期通话时长占国内通话时长比例Weekend_Mins_Ratio周末时期通话时长占比连续衍生变量,比例指标,周末时期通话时长占国内通话时长比例International_Mins_Ratio国际通话时长占比连续衍生变量,比例指标,国际通话时长占全部通话时长比例Avepeak高峰时期平均每次通话时长连续衍生变量,强度相对指标Aveoffpeak非高峰时期平均每次通话时长连续衍生变量,强度相对指标Aveweekend周末时期平均每次通话时长连续衍生变量,强度相对指标Avenational国内平均每次通话时长连续衍生变量,强度相对指标Peak_Mins_Trend高峰时期通话时长趋势连续衍生变量,趋势指标Offpeak_Mins_Trend非高峰时期通话时长趋势连续衍生变量,趋势指标Weekend_Mins_Trend周末时期通话时长趋势连续衍生变量,趋势指标Peak_Mins_Fluctuation高峰时期通话时长波动连续衍生变量,波动指标Offpeak_Mins_Fluctuation非高峰时期通话时长波动连续衍生变量,波动指标数据理理解：：宽表表生成成（续续）Weekend_Mins_Fluctuation周末时期通话时长波动连续衍生变量,波动指标Mins_Charge计费通话时长连续衍生变量，高峰+非高峰+周末-免费时长后时长合计=

'Nationalmins'-'Free_mins'*6Actual_Call_Cost实际通话花费连续衍生变量,反映客户国内通话实际花费=

ifmins_charge>0then

mins_charge*Call_Cost_Per_Min

else

0Total_Call_Cost总通话花费连续衍生变量,反映客户全部(国内+国际)通话花费='actualcallcost'+'International_mins_Sum'*'International_rate'/100Total_Cost总花费连续衍生变量,反映客户全部总花费(包括固定费用)=Total_call_cost+Fixed_cost*6Call_Cost_Per_Min平均每分钟通话花费连续衍生变量,反映客户平均每分钟通话的花费=Actual_Call_Cost/Mins_ChargeAverageCostMin平均每分钟花费连续衍生变量,反映客户平均每分钟花费=Total_Cost/(Peak_Mins+Offpeak_Mins+Wenkend_Mins+International_Mins)Churn是否流失离散(标记变量)原始变量,是否流失标记变量数据理理解：：宽表表生成成（续续）数据理理解：：关键键术语语和指指标定定义时段分类

高峰时期:指典型的工作时间(周一至周五早8:00到晚6:00)

非高峰时期:指典型的不含周末的非工作时间(周一早0:00~早8:00,周一至周四晚6:00~次日早8:00和周五晚6:00~晚24:00

周末时期:指周六0:00~周日晚24:00Usage_Band话务量级别

针对国内电话通话时长合计,按照如下标准划分客户电话情况:

1.低使用者：通话时长<所有客户平均通话时长（简称平均）减去所有客户通话时长一个标准差（标准差）

2.中使用者：通话时长介于平均减一个标准差与平均加一个标准差之间

3.高使用者：通话时长介于平均加一个标准差与平均加2倍的标准差之间

4.超高使用者：通话时长大于平均加2倍标准差Tariff_OK话费方案是否合理

默认值:OKifTariff='CAT100'and'actualcallcost'>6*7.51thenHighCAT100

ifTariff='Play100'and'actualcallcost'>6*3thenHighPlay100

ifTariff='CAT50'and'actualcallcost'>6*3.6thenHighCAT50数据探探索性性分析析离散变变量的的探索索性分分析方方法离散变变量分分为两两类:名义型型和有有序型型。名义型型：取值值之间间没有有大小小关系系，也也无法法比较较好坏坏优劣劣有序型型：取值值之间间可以以比较较大小小，有有好坏坏优劣劣之分分1)、名义义型离离散变变量的的探索索性分分析方方法离散变变量各各个取取值的的数量量及占占比图形：：饼图图/条形图图2)、有序序型离离散变变量的的探索索性分分析方方法离散变变量各各个取取值的的数量量及占占比图形：：饼图图/条形图图频数表表/累积频频数/累积频频率数据探探索性性分析析连续变变量的的探索索性分分析方方法1）、集集中趋趋势：：均值值，中中位数数，众众数2）、离离散趋趋势：：最小小值，，最大大值，，全距距，标标准差差，变变异系系数3）、分分布形形态：：偏度度，峰峰度4）、使使用图图形：：直方方图，，箱线线图数据探探索性性分析析变量之之间关关系的的探索索性分分析方方法1)、离散变变量与离离散变量量条形图，，网络图图2)、离散变变量与连连续变量量直方图，，箱线图图3)、连续变变量与连连续变量量散点图培训大纲纲一、指标标变量获获取二、案例例背景三、商业业理解四、数据据理解与与数据准准备五、建立模型型与模型型评估六、模型型应用七、总结结建模和评估Kohonen聚类Kmeans聚类C5.0建立规则C&RT决策树神经网络模型型对客户进行聚聚类分析，并并比较不同客客户群流失可可能性建立规则，描描述那些易于于流失的客户户群的特征建立打分模型型，对客户流流失可能性（（概率）进行行评价模型的选择1）、因素一：：业务角度的考考虑商用数据挖掘掘是从业务中中来到业务中中去的过程，，在数据挖掘掘项目的整个个过程中都不不能忘记我们们的服务对象象是业务。选选择什么样的的模型首先应应该考虑：模模型结果的表表现形式如何何？这个模型型对业务有帮帮助吗？模型型的结果如何何应用？具体到流失问问题来说，从从营销挽留策策略来看，不不同级别客户户的服务方式式大不一样。。对VIP客户，可以采采取一对一的的挽留策略，，而对普通客客户，往往针针对客户群设设计挽留策略略会更加经济济有效。这就提示我我们，应当当根据客户户的价值高高低建立两两类模型。。模型的选择择需要建立的两类模型模型类型适用情况模型应用构想细分模型客户价值较低,通过建立细分模型将客户分为若干个群组,分析得出流失可能性较高群组特征将流失可能性较高群组特征交给业务部门,制定针对群体的营销策略进行挽留预测性模型客户价值较高,通过建立模型将得到每个客户的具体流失评分和客户流失特征描述.将流失评分较高的客户名单及特征提交给业务部门,采取针对性措施进行挽留.模型的选择择2）因素二：：工具角度的的考虑市面上数据据挖掘工具具很多，选选择使用哪哪个进行数数据挖掘呢呢？对数据据挖掘项目目组来说，，要从价格格，功能，，易用性，，与企业现现有系统是是否兼容等等考虑选购购。选定工工具以后，，选择模型型就要从工工具支持角角度考虑，，这是工作作中的一个个现实约束束条件。3）因素三：：模型准确性性角度的考考虑针对同样的的问题，科科学家往往往发明了多多种算法来来实现。对对于不同的的业务问题题，不同的的数据，不不同的模型型往往得到到的结果准准确性也有有很大的差差异，而模模型的准确确性无疑是是选择何种种模型的一一个重要考考量。模型的选择择4）、因素四四：模型可应用用性角度的的考虑模型结果最最终是为了了帮助业务务的开展，，为了真正正用起来，，模型结果描描述的通俗俗性，模型涉及变变量获取的的方便性等也是选择择使用什么么模型的重重要依据之之一。数据据挖掘中提提供了很多多种类型的的算法，每每种算法各各有特点，，例如决策策树模型结结果可以决决策数或者者规则集的的方式表述述，业务人人员容易理理解；而神神经网络模模型更像一一个黑盒子子，预测结结果可能较较精确，但但是预测结结果却难以以理解。在在选择模型型的时候，，我们要考考虑业务人人员是只关关心数据挖挖掘评分结结果还是同同时关注模模型预测依依据来决定定选择使用用哪个模型型。另外，，为了保证证模型应用用的便利性性和可推广广性，最终终使用的模模型应该是是能够保证证一定准确确度的较简简单模型，，而不是一一味为提高高模型准确确度去选择择涉及大量量变量，形形式异常复复杂费解的的模型。数据挖掘模模型1）、预测类类模型目标变量为为离散变量量的预测模模型，该类类模型的目目标变量是是离散变量量。相关的的模型有：：Logistic回归，决策策树，贝叶叶斯网络，，判别分析析，最近邻邻酸法，支支持向量机机，C5.0,C&RT,QUEST,CHAID,神经网络目标变量为为连续变量量的预测模模型。相关关的算法有有回归分析析，广义线线性模型，，最近邻算算法，支持持向量机，，C&RT,CHAID，神经网络络时间序列预预测模型，，一类特殊殊的连续变变量预测问问题。时间间序列是将将某种统计计指标的数数值按相等等时间间隔隔及先后顺顺序排列而而形成的数数列，时间间序列预测测的目标正正是预测该该数列未来来的值。2）、细分类类模型一种无监督督的数据挖挖掘方法，，该模型无无目标变量量，只有输输入变量，，无输出变变量。该模模型的好坏坏通常通过过是否具有有业务含义义来评价。。相关算法法有K-Means,Kohonen和Two-Step三种聚类分分析方法可可以实现细细分。3）、关联规规则模型一种种无无监监督督的的数数据据挖挖掘掘方方法法，，该该模模型型有有若若干干输输入入变变量量和和目目标标变变量量，，有有些些变变量量甚甚至至同同时时是是输输入入变变量量和和目目标标变变量量。。相相关关算算法法有有Apriori和Carma。如如果果在在关关联联中中考考虑虑到到时时间间的的先先后后，，还还可可以以使使用用Sequence算法法。。目标标变变量量是是二二分分标标志志变变量量的的预预测测结结果果转转换换1)、从离离散散的的预预测测结结果果向向连连续续的的评评分分预预测测结结果果的的转转换换对于于使使用用C5.0得到到的的离离散散变变量量是是否否流流失失的的预预测测结结果果,可以以通通过过如如下下变变换换将将它它转转化化为为流流失失评评分分:如果果SC-Churn=1,则流流失失评评分分=0.5+($CC-Churn)/2如果果SC-Churn=0,则流流失失评评分分=0.5-($CC-Churn)/2这时时流流失失评评分分的的取取值值范范围围为为:0.0~1.02)、从连连续续的的评评分分预预测测结结果果向向离离散散的的预预测测结结果果转转换换对于于使使用用神神经经网网络络得得到到的的流流失失评评分分结结果果(假设设流流失失评评分分结结果果取取值值范范围围是是0.0~1.0,可以以通通过过如如下下转转换换将将它它变变为为流流失失预预测测及及流流失失预预测测的的把把握握程程度度:如果$N-Chrunscore>=0.5,则流失预预测=1,流失预测测把握程程度=2×($N-Churnscore)-0.5如果$N-Churnscore<0.5,则流失预预测=0,流失预测测把握程程度=2××($N-Churnscore)+0.5目标变量量是标志志变量的的的几种种常用评评估方法法

（预预测模型型）1)、指标法法这里介绍绍几个用用来评价价模型优优劣的常常规指标标,为了准确确描述各各个指标标的计算算公式,预测值和和实际值值的预测测关系表表如右图图所示。。模型准确确率:一个描述述模型总总体准确确情况的的百分比比指标,主要用来来说明模模型的总总体预测测准确情情况,计算公式式如下:模型命中中率:对很多标标志变量量的预测测问题来来说,往往关注注的并不不只是模模型的准准确率。。例如对对于这个个案例中中的流失失问题，，我们更更多的关关注预测测流失且且实际流流失的那那部分人人，也就就是提供供给营销销部门的的预测流流失名单单中到底底最后有有百分之之多少真真正流失失了。于于是引入入了一个个模型命命中率的的新指标标，它主主要用来来反映提提供名单单的准确确性，计计算公式式如下：：模型查全全率：命中率率高似乎乎也不灵灵，就以以本方案案来说，，假设通通过数据据挖掘模模型给出出了一个个20人的流失失名单，，如果该该名单中中有16个人确实实流失了了，这个个模型的的命中率率达到了了80%，相当不不错，可可是问题题是最终终有1000个人流失失，而你你只发现现了其中中的16个，相关关部门显显然不会会认可这这一模型型。据此此又引入入了模型型查全率率，该指指标也称称为模型型覆盖率率，它主主要反映映模型的的覆盖程程度，计计算公司司如下：：

实际值10预测值1ab0cd目标变量量是标志志变量的的预测模模型的几几种常用用评估方方法2)图形法这两种图图形的结结果都是是按照将将预测结结果变量量转化为为连续的的评分结结果来做做的图形形，我们们通常使使用累积增益益图和累积提升升图。将评分结结果按照照从大到到小的顺顺序排列列并标准准化为百百分位数数表示，，增益图图和提升升图的横横轴代表表的就是是这样的的内容。。增益图纵纵轴表示示的是1（或者T)预测正确确所占的的比例，我们也也把它标标准化化化为百分分位数表表示。基基线代表表随机选选择所得得到的结结果，它它总是一一条45度角的直直线，模模型增益益线则代代表使用用模型后后预测结结果的优优劣，这这条线从从左到右右开始阶阶段越陡陡峭且下下面所围围的面积积越大，，则模型型效果越越好。最最佳增益益线是指指理论上上模型可可以达到到的最优优效果。。提升图纵轴表示示使用模模型相对对随机选选择预测测正确的的提升倍倍数，基线代代表随机机选择的的结果，，是一条条取值为为1的水平直直线，同同样提升升图从左左到右开开始阶段段取值越越高且下下面围成成的面积积越大，，则模型型效果越越好。最最佳提升升线代表表模型可可以得到到的最佳佳效果。。增益图和和提升图图建模思路路1:聚类建模思路路1:聚类聚类-7和聚类-4的特征描述群组编号群组占比重要特征特征概括聚类-714.70%总花费较低;

平均每分钟花费高,除免费时长外计费时长少;

高峰与非高峰通话时间少,周末时间长客户价值低

周末电话为主

资费方案有待优化聚类-410.00%周末通话次数少,但平均每次通话时间长;

周末通话时间占比低

高峰时期通话时间长,非高峰时期通话时间短

总花费较高较高价值用户

工作电话型

周末亲情电话建模思路路2:用决策树树生成规规则集建模思路路2:用决策树树生成规规则集建模思路路3:用神经网网络生成成流失评评分建模思路路3:用神经网网络生成成流失评评分建模思路路3:用神经网网络生成成流失评评分培训大纲纲一、指标标变量获获取二、案例例背景三、商业业理解四、数据据理解与与数据准准备五、建立立模型与与模型评评估六、模型应用用七、总结结模型的应应用经过前面面的努力力，我们们已经建建立了电电信业务务流失分分析的数数据挖掘掘模型，，而且对对模型进进行评估估的结果果还不错错。经过过总结可可以实现现，我们们可以将将以下一一些结果果提交给给市场营营销部门门：结果一、对于低低价值的的客户可可以给出出分群结结果，并并对流失失可能性性较高的的群组给给出特征征刻画。。结果二、对于高高价值的的客户我我们可以以给出若若干流失失规则，，即流失失前的客客户特征征，帮助助市场营营销部的的同事根根据这些些特征采采取若干干针对性性措施。。结果三、可以给给出高价价值客户户的流失失可能性性评分，，这样市市场营销销部的同同事可以以对流失失可能性性较高的的客户给给予更多多的关注注，设计计合适的的挽留活活动进行行挽留。。模型的应应用培训大纲纲一、指标标变量获获取二、案例例背景三、商业业理解四、数据据理解与与数据准准备五、建立立模型与与模型评评估六、模型型应用七、总结总结本专题解解决的问问题就是是一个目目标变量量为标志志型变量量的预测测问题，，所有这这类问题题，所提提供的方方法及执执行步骤骤具有借借鉴意义义。类似似的问题题包括：：客户获取取问题，，目标变变量是客客户是否否接受促促销。该该应用在在直邮或或者电话话营销确确定目标标客户群群时尤其其常用。。欺诈问题题：目标标变量是是客户是是否存在在欺诈现现象。典典型应用用包括如如何有效效地发现现信用卡卡欺诈，，保险欺欺诈，偷偷漏税欺欺诈等。。交叉销售售问题：：目标变变量是已已有客户户是否回回购买特特定的产产品。该该应用尤尤其适用用于产品品或服务务品类较较多的企企业，通通过数据据挖掘的的手段可可以实现现基于历历史数据据的智能能产品推推荐系统统。谢谢!9、静夜四四无邻，，荒居旧旧业贫。。。12月-2212月-22Saturday,December31,202210、雨中黄黄叶树，，灯下白白头人。。。06:36:3806:36:3806:3612/31/20226:36:38AM11、以我我独沈沈久，，愧君君相见见频。。。12月月-2206:36:3806:36Dec-2231-Dec-2212、故人江海海别，几度度隔山川。。。06:36:3806:36:3806:36Saturday,Decem