本文選題：社交網(wǎng)絡(luò) + 度　； 參考：《管理科學(xué)》2017年05期

【摘要】：近年來,隨著移動(dòng)通信行業(yè)的蓬勃發(fā)展,市場(chǎng)飽和度越來越高,企業(yè)獲取新用戶的成本也越來越大。隨著中國(guó)三大運(yùn)營(yíng)商競(jìng)爭(zhēng)的加劇,產(chǎn)品和服務(wù)的同質(zhì)化程度也越來越高,這使企業(yè)在老客戶的保留上變得異常困難,客戶流失率也在逐年上升,如何識(shí)別高風(fēng)險(xiǎn)流失客戶并有效防止客戶流失已經(jīng)成為該行業(yè)管理者普遍關(guān)心的問題之一。著眼于客戶流失影響因素研究,運(yùn)用社交網(wǎng)絡(luò)分析方法,通過構(gòu)造與網(wǎng)絡(luò)結(jié)構(gòu)相關(guān)的變量進(jìn)行影響因素的探討,運(yùn)用邏輯回歸方法構(gòu)建客戶流失預(yù)警模型。從社交網(wǎng)絡(luò)的視角出發(fā),利用客戶的通話詳單數(shù)據(jù)建立客戶之間的通信網(wǎng)絡(luò),在自我網(wǎng)絡(luò)的相關(guān)理論框架下,構(gòu)建個(gè)體的度、聯(lián)系強(qiáng)度、個(gè)體的信息熵3個(gè)自我網(wǎng)絡(luò)特征變量。運(yùn)用中國(guó)某移動(dòng)運(yùn)營(yíng)商公司的月度客戶數(shù)據(jù)(包括基礎(chǔ)通信數(shù)據(jù)和通話詳單數(shù)據(jù)),通過邏輯回歸構(gòu)建基于社交網(wǎng)絡(luò)變量的客戶流失預(yù)警模型。研究結(jié)果表明,個(gè)體的度、聯(lián)系的強(qiáng)度和個(gè)體的信息熵都對(duì)預(yù)測(cè)客戶流失有顯著效果。具體的,個(gè)體的度越大,聯(lián)系強(qiáng)度越強(qiáng),個(gè)體的信息熵越大,客戶越不容易流失。外樣本AUC值平均可以達(dá)到0.75以上,模型具有良好的預(yù)測(cè)精度。研究結(jié)果對(duì)企業(yè)實(shí)踐具有非常重要的意義,合作企業(yè)應(yīng)用客戶流失預(yù)警模型進(jìn)行高風(fēng)險(xiǎn)流失客戶的識(shí)別,預(yù)測(cè)精度可以達(dá)到70%,達(dá)到了企業(yè)的實(shí)踐預(yù)期�？蛻袅魇ьA(yù)警模型可以幫助企業(yè)提前識(shí)別高風(fēng)險(xiǎn)流失客戶,極大地降低企業(yè)維系客戶的成本。建議企業(yè)管理者在未來更加關(guān)注與客戶社交網(wǎng)絡(luò)有關(guān)的變量,從網(wǎng)絡(luò)結(jié)構(gòu)的視角理解消費(fèi)者行為,更好地進(jìn)行客戶關(guān)系管理。
[Abstract]:In recent years, with the rapid development of mobile communication industry, the market saturation is becoming higher and higher. With the intensification of competition among the three major operators in China, the degree of homogenization of products and services is becoming more and more high, which makes it extremely difficult for enterprises to retain their old customers, and the rate of customer turnover is also increasing year by year. How to identify high risk customers and effectively prevent them has become one of the problems that managers in this industry are concerned about. Based on the research of influencing factors of customer churn, this paper uses the method of social network analysis to discuss the influencing factors by constructing variables related to the network structure, and constructs the early warning model of customer churn by logical regression method. From the point of view of social network, the communication network between customers is established by using customer's call detail sheet data. Under the relevant theoretical framework of self-network, three self-network characteristic variables, degree of individual, contact intensity and individual information entropy, are constructed. Based on the monthly customer data (including basic communication data and call detail data) of a mobile operator in China, a customer churn warning model based on social network variables is constructed by logical regression. The results show that the degree of individual, the intensity of connection and the information entropy of individual have significant effect on predicting customer turnover. Specifically, the greater the degree of the individual, the stronger the connection intensity, the greater the information entropy of the individual, the more difficult the customer is to lose. The average AUC value of the external sample can reach more than 0.75, and the model has good prediction accuracy. The research results are of great significance to the practice of enterprises. The prediction accuracy can reach 70 points by applying the early warning model of customer churn to identify the high risk customers, which can reach the expectation of enterprise practice. Customer churn warning model can help enterprises identify high risk customers in advance and greatly reduce the cost of maintaining customers. It is suggested that enterprise managers pay more attention to the variables related to customer social networks in the future, understand consumer behavior from the perspective of network structure, and better carry out customer relationship management.
【作者單位】： 中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院;上�？萍即髮W(xué)創(chuàng)業(yè)與管理學(xué)院;北京大學(xué)光華管理學(xué)院;
【基金】：中國(guó)人民大學(xué)科學(xué)研究基金重大規(guī)劃項(xiàng)目《互聯(lián)網(wǎng)統(tǒng)計(jì)學(xué)研究》資助~~
【分類號(hào)】：F274;F626

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 范云峰;;解迷客戶流失[J];創(chuàng)新科技;2003年05期

2 劉寒冰;;客戶流失原因淺析[J];飼料博覽;2006年01期

3 V.庫(kù)馬爾;;美國(guó)公司如何避免客戶流失[J];IT時(shí)代周刊;2010年11期

4 王春嬉;李雪萍;;淺議A餐館的客戶流失[J];經(jīng)營(yíng)管理者;2012年02期

5 嚴(yán)偉;如何防范客戶流失[J];企業(yè)管理;2003年06期

6 范云峰;;客戶流失現(xiàn)象分析[J];經(jīng)營(yíng)者;2003年05期

7 張麗華 ,鎖磊 ,陳松青;用戶滿意度測(cè)評(píng)在預(yù)防客戶流失中的作用[J];中國(guó)質(zhì)量;2004年12期

8 張莉;;防范客戶流失要怎么做[J];北方牧業(yè);2004年10期

9 李競(jìng)明,尹柳營(yíng);客戶流失的原因分析和防范[J];江蘇商論;2005年05期

10 紀(jì)然 ,婉懿;如何預(yù)防老客戶流失[J];中國(guó)質(zhì)量與品牌;2005年04期

相關(guān)會(huì)議論文 前6條

1 司學(xué)峰;蔣國(guó)瑞;李英毅;;基于數(shù)據(jù)挖掘技術(shù)的客戶流失預(yù)測(cè)研究綜述[A];第三屆中國(guó)智能計(jì)算大會(huì)論文集[C];2009年

2 李紅霞;;電信客戶流失與客戶保持分析[A];中國(guó)企業(yè)運(yùn)籌學(xué)[C];2009年

3 張海波;趙煥成;;電信移動(dòng)客戶流失的預(yù)測(cè)模型——基于社會(huì)網(wǎng)絡(luò)分析的實(shí)證研究[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第11卷）[C];2010年

4 蘇小龍;;基于消費(fèi)行為認(rèn)知的固網(wǎng)大客戶流失研究[A];中國(guó)創(chuàng)新與企業(yè)成長(zhǎng)（CI&G）2013年度會(huì)議論文集[C];2013年

5 余力濤;黨延忠;楊光飛;;基于遷移學(xué)習(xí)的客戶流失預(yù)測(cè)模型[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2011年

6 李萍;齊佳音;舒華英;;歸因理論在移動(dòng)客戶流失管理中的應(yīng)用探討[A];全國(guó)第八屆工業(yè)工程與企業(yè)信息化學(xué)術(shù)會(huì)議論文集[C];2004年

相關(guān)重要報(bào)紙文章 前10條

1 記者 郭志明;中國(guó)企業(yè)因客戶流失年損失逾6000億元[N];中國(guó)企業(yè)報(bào);2008年

2 郭杰;淺析大客戶流失預(yù)警管理[N];中國(guó)保險(xiǎn)報(bào);2011年

3 訾惠博;客戶流失的八種原因[N];民營(yíng)經(jīng)濟(jì)報(bào);2008年

4 訾惠博;八種原因?qū)е驴蛻袅魇N];北方經(jīng)濟(jì)時(shí)報(bào);2006年

5 曹紅麗;面對(duì)客戶流失 IT能否亡羊補(bǔ)牢[N];中國(guó)計(jì)算機(jī)報(bào);2008年

6 李凱;BMC：IT管理減少客戶流失[N];通信產(chǎn)業(yè)報(bào);2008年

7 陳;日本IT市場(chǎng)喜憂不一[N];電腦商報(bào);2009年

8 記者 朱弼瑜　通訊員 王惠明;做品牌就是要讓顧客有感動(dòng)和驚喜[N];嘉興日?qǐng)?bào);2009年

9 ;企業(yè)如何創(chuàng)建內(nèi)部社交網(wǎng)絡(luò)[N];網(wǎng)絡(luò)世界;2012年

10 宋平　編譯;如何優(yōu)化社交網(wǎng)絡(luò)營(yíng)銷[N];中華讀書報(bào);2013年

相關(guān)博士學(xué)位論文 前4條

1 遲準(zhǔn);電信運(yùn)營(yíng)企業(yè)客戶流失預(yù)測(cè)與評(píng)價(jià)研究[D];哈爾濱工程大學(xué);2013年

2 夏國(guó)恩;基于商務(wù)智能的客戶流失預(yù)測(cè)模型與算法研究[D];西南交通大學(xué);2007年

3 羅彬;基于MMOI方法的電信客戶流失預(yù)測(cè)與挽留研究[D];電子科技大學(xué);2010年

4 董穎;移動(dòng)社交網(wǎng)絡(luò)用戶對(duì)聯(lián)系人產(chǎn)品推薦信息反應(yīng)意向影響因素研究[D];吉林大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 王穎;M市移動(dòng)通信客戶流失的調(diào)查和分析[D];遼寧大學(xué);2015年

2 庫(kù)姝婧;基于數(shù)據(jù)挖掘的客戶流失預(yù)測(cè)分析[D];蘭州財(cái)經(jīng)大學(xué);2015年

3 朱婭婷;中國(guó)電信S分公司寬帶客戶流失成因及對(duì)策研究[D];蘇州大學(xué);2015年

4 吳紅;電子商務(wù)客戶流失模型的比較與實(shí)證研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2015年

5 唐嬋娟;客戶流失預(yù)測(cè)方法與應(yīng)用研究[D];電子科技大學(xué);2014年

6 張靜;客戶流失預(yù)測(cè)模型的建立與應(yīng)用[D];北京理工大學(xué);2015年

7 蘇小龍;基于記憶聚類方法的電信客戶流失挖掘及策略開發(fā)[D];電子科技大學(xué);2014年

8 江嶺;CB公司客戶流失分析及管理提升策略[D];電子科技大學(xué);2015年

9 郭百嶺;數(shù)據(jù)挖掘方法在客戶流失管理中的應(yīng)用[D];華中科技大學(xué);2014年

10 紀(jì)祥;網(wǎng)站客戶流失預(yù)測(cè)[D];蘇州大學(xué);2016年

，

本文編號(hào)：1871574