于被迫离开的客户（如因高额欠费而被移动公司停机）不应进行挽留。

⑷ 区分集团客户和个人客户：一些大的企业集团通常为其员工购买通信工具并报销相

应的费用

,员工离开则不能享受该服务,但整个集团的消费没有变化。这类个人客户的流失不

是因为移动企业方面的原因

,对其挽留收效甚微。

⑸ 区分本地客户和外来客户：一些人员因为工作发生变化

,通常在不同的城市和地区流

动

,到达新地点后再购买新的本地网号码,因而对该类客户挽留难度很大。

2.2 影响客户流失的特征与因素

⑴ 客户的基本属性 ：如性别、年龄、在网时间、职业、爱好、 籍贯、 入网品牌与号

码、注册服务等级

(SLA)等,这些资料在客户登记入网或客户调查等过程中得到,并永久保存

在客户资料数据库中。不同背景的客户有不同的社会行为特征和爱好

,如职业影响收入,年龄

影响产品购买类型等。

⑵ 客户的通话情况： 如通话类型、平均通话时间、通话对象及亲情号码、通话地点、

漫游类型、数据业务使用情况、消费积分、客户价值类型、客户

VPMN 群等。在计费中心

客户消费话单和账单中可以获取客户消费的详细信息。

⑶ 客户服务情况：指客户通过投诉渠道或客户服务界面

(如营业厅,网站,客户经理等)进

行的有关缴费、服务投诉

/建议的情况。客户满意度高,投诉就少；查询月消费详细清单的客

户对资费政策通常很敏感等。

⑷ 网络运行质量情况：包括通信网络的质量，小区或无线信道通话接通率等影响客户

消费的网络因素。网络维护部门通过对交换机进行话务测量可以获得网络运营的详细分析报
告。网络质量是移动通信企业的生命

,是客户服务与业务领先的基础。

⑸ 资费政策与技术进步： 不同运营商的资费高低改变等也是影响流失的一个重要因

素。技术革新

,会带动一大批追新潮客户使用最新技术产品。

3 客户流失模型建立方法

3.1 客户流失模型建立的基础

建立客户流失模型

,必须遵循数据挖掘模型建立与分析方法。数据挖掘,在某种意义上讲,是统

计学的扩充

,加上一点人工智能的含义。如同统计学，它不是商业解决方案，而是一门技术。

数据挖掘的结果直接在数据库中不能查找到，是隐藏在数据库中的宝石

,而客户流失特征就

是数据挖掘需要找的宝石。

移动通信企业数据挖掘存在的基础已经具备：

◆移动企业大量的历史数据： 每天的客户服务部门和计费中心均产生多达上百

Gbyte

的客户投诉

/客户通话等数据。目前,各大移动公司正进行业务支撑系统的集中化建设。统一