发展Р分析流程Р群体特征Р生命周期Р捆绑到期Р突发事件Р流失客户的突出标志Р可抗因素Р不可抗因素Р群体特征:根据流失客户的品牌、套餐、在网时长、APRU等方面进行数据分析。?生命周期:根据“短期用后弃卡”客户的APRU、在网时长、品牌等数据进行分析?捆绑到期:对“协议到期用户”的协议捆绑率进行分析。Р由于不可抗因素造成客户流失?变换工作地点?虚拟客户?…Р由于可抗因素造成的客户流失,通过分析流失客户特征找出流失原因,从而达到保有客户的目的Р依托属地数据集市,数据分析贴近属地应用Р在属地数据集市不断优化的背景下,以数据集市为基础数据源,自定义分析分析方法和分析框架,为一线的营销服务提供决策参考。Р利用数据挖掘工具,强化属地分析能力Р(1)存量客户流失状况分析Р以因素分析法筛选出可抗因素为基础,通过对比分析法、分组分析法对流失客户状况进行数据统计分析,总结存量客户流失状况。Р(2)存量客户流失原因分析Р通过动态分析法、多维分析法作为分析基础,利用关联分析得出存量客户流失原因。Р目录Р项目背景及研究方法Р全量客户流失分析Р中高端客户流失分析Р客户维系策略建议Р存量客户中流失客户数分析Р5月分公司存量客户流失76,021户,单月流失率为3.6%,环比下降17.7%;?1~5月分公司共计流失存量客户441,396户,累计流失率为17.6%,其中4月和5月的单月流失率分别为4.3%和3.6%,比3月流失率4.6%呈逐步下降趋势;?从一类分公司1~5月看,西区累计流失率最低(17.0%),闵行最高(20.4%),一类分公司1~5月平均累计流失率为18.5%,全公司平均累计流失率为19.3%Р存量客户中流失客户收入损失分析Р5月分公司存量客户开账收入为1.43亿,比拍照时收入下滑损失0.16亿?从一类分公司1~5月看,由于存量客户流失导致收入损失南区最小(9.7%),闵行最高(14.9%)
全文预览
