陳寶華 柳炳祥 萬川南

摘要：企業(yè)的客戶關(guān)系管理工作好壞，直接影響到企業(yè)的核心競爭力，發(fā)現(xiàn)一個(gè)潛在的客戶，往往比挽留一個(gè)客戶所花費(fèi)的成本要大的多，因此，發(fā)現(xiàn)睡眠用戶，并做好相應(yīng)的客戶關(guān)懷，挽留住即將流失的客戶，就顯得非常重要。論文利用logistic回歸模型，建立客戶睡眠客戶的預(yù)測模型，建模步驟分為變量分析、變量變換、模型建立評估。從實(shí)驗(yàn)分析和結(jié)果上看，模型效果擬合較好，評價(jià)logistic回歸模型結(jié)果好壞的ROC、KS曲線驗(yàn)證了該方法的可行性和有效性，為睡眠用戶的預(yù)測提供了一種分析的思路和方法。

關(guān)鍵詞：睡眠客戶 預(yù)測模型 logistic回歸模型

中圖分類號：F123.9 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2016）08-0069-02

1 引言

睡眠用戶的定義和模型目標(biāo)變量的選定息息相關(guān)，而目標(biāo)變量是用模型確定業(yè)務(wù)問題的模型解釋，這個(gè)過程本身就是業(yè)務(wù)問題轉(zhuǎn)化統(tǒng)計(jì)模型問題過程。鑒于睡眠用戶定義的重要性，睡眠用戶的直接表現(xiàn)是停止交易，所以最后一次交易到無交易的時(shí)間是一個(gè)比較合理定義。為此從統(tǒng)計(jì)用戶兩次之間交易間隔來確定睡眠用戶的定義。統(tǒng)計(jì)用戶的最大交易間隔天數(shù)分布情況，從圖1中可以看出，到當(dāng)用戶最大交易間隔天數(shù)在90天后，用戶的最大交易間隔分布下降平緩，而且70%以上的用戶的最大交易間隔小于等于90天。

發(fā)現(xiàn)睡眠客戶對于企業(yè)的客戶管理工作非常重要，論文采用logistic回歸模型對睡眠客戶進(jìn)行分析，發(fā)現(xiàn)睡眠客戶的特征，進(jìn)而改善客戶關(guān)系管理工作，提升客戶價(jià)值。

2 數(shù)據(jù)處理

2.1 數(shù)據(jù)來源

論文數(shù)據(jù)來自于某第三方支付平臺歷史交易數(shù)據(jù)，對一些涉及商業(yè)機(jī)密的數(shù)據(jù)，如交易金額等進(jìn)行線性變換，對用戶個(gè)人隱私信息進(jìn)行剔除。

2.2 數(shù)據(jù)預(yù)處理

在建立模型之前，對重復(fù)數(shù)據(jù)進(jìn)行了預(yù)處理。首先從業(yè)務(wù)的角度上，對用戶的交易是主動(dòng)性交易與被動(dòng)性交易進(jìn)行整理，從業(yè)務(wù)的角度上理解主動(dòng)交易更能反映用戶的行為，所以數(shù)據(jù)刪除被動(dòng)交易記錄。對文本字段轉(zhuǎn)換成數(shù)值字段，時(shí)間字段轉(zhuǎn)換成標(biāo)準(zhǔn)時(shí)間格式，即數(shù)據(jù)處理中截取、清洗、轉(zhuǎn)換。

2.3 確定高價(jià)值客戶

從業(yè)務(wù)的角度上，歷史活躍度很低的用戶，對企業(yè)的認(rèn)可度可能更小，對這樣的用戶營銷收益不高。所以建立模型時(shí)，要考慮確定什么樣的用戶是高價(jià)值用戶。高價(jià)值的用戶有一定的活躍度，而活躍度主要表現(xiàn)在交易次數(shù)上。而為了確定有價(jià)值用戶的規(guī)則，篩選出在歷史交易時(shí)期沒有睡眠的用戶，計(jì)算這些用戶在6個(gè)月中的歷史交易情況，并對整體用戶的分布趨勢進(jìn)行匯總統(tǒng)計(jì)分析，數(shù)據(jù)處理結(jié)果如表1所示。

3 logistic回歸模型在睡眠客戶預(yù)測中的應(yīng)用與分析

3.1變量選取

對于本次建立的睡眠用戶，預(yù)測模型的變量選取，主要是客戶屬性變量與客戶交易行為變量。其中客戶屬性變量有：CUSTOMER_NO，用戶實(shí)名等級，注冊時(shí)間；客戶交易行為變量有：交易金額，交易類型，交易時(shí)間，每次交易前余額，每次交易后余額，交易類型（涉及商業(yè)機(jī)密數(shù)據(jù)，所以將金額數(shù)據(jù)進(jìn)行線性變換處理），還有一些衍生變量。

3.2 變量處理

原始數(shù)據(jù)繁雜冗余，不能直接用于建模。數(shù)據(jù)處理過程包括缺失處理、變量類型轉(zhuǎn)換、日期型變量處理、錯(cuò)誤變量處理、異常值處理、相關(guān)性變量處理、變量選擇。其中缺失值處理的方法是，當(dāng)交易數(shù)據(jù)為缺失時(shí)，用零來代替，代表沒有發(fā)生交易，是一個(gè)合理的解釋。所以，本文的原始變量缺失則用零代替。變量的刪減的方法是，刪除變量是一個(gè)非常慎重的問題，但是若是存在較強(qiáng)相關(guān)性的情況下，logistic 回歸結(jié)果是不滿意的。因?yàn)樽兞窟^多，一次性進(jìn)行變量相關(guān)性分析結(jié)果，顯得過于繁雜，不利于找出其中的規(guī)律。為此，先進(jìn)行變量重要性分析，將變量相關(guān)性分成兩階段進(jìn)行。第一個(gè)階段，先分析三個(gè)維度中變量的相關(guān)性分析。第二階段，在完成第一階段分析之后，剩余的變量全在一起分析變量相關(guān)性。

3.3 模型建立

按上面的分析，對變量進(jìn)行選取及變量的處理后，進(jìn)入建模階段。實(shí)驗(yàn)所選變量主要體現(xiàn)用戶交易行為變化、最近交易行為、用戶身份特征來擬合用戶是否會進(jìn)入睡眠狀態(tài)。將整理好的數(shù)據(jù)按50%比例隨機(jī)抽樣，分別得到訓(xùn)練集和測試集。實(shí)驗(yàn)?zāi)Ｐ褪腔赟AS軟件中的PROC LOGISTIC過程來實(shí)現(xiàn)的。選取逐步回歸估計(jì)的方式，模型估計(jì)結(jié)果如表2所示。logistic 回歸分析的極大似然估計(jì)分析，如表3所示。

3.4 模型評估

評價(jià)logistic回歸模型結(jié)果好壞，主要有K-S曲線、ROC曲線等方法，圖2、圖3是本次實(shí)驗(yàn)所建立模型的K-S曲線、ROC曲線。ROC 曲線橫坐標(biāo)為（1-特異度），縱坐標(biāo)為靈敏度。特異度是實(shí)際上屬于非目標(biāo)事件的觀測中被正確分類的比例；靈敏度十實(shí)際上屬于目標(biāo)事件的觀測被正確分類的比例；K-S統(tǒng)計(jì)分布是用來衡量模型的辨識能力。sleep=0（非睡眠）曲線是模型預(yù)測值小于某個(gè)值時(shí)sleep=0（非睡眠）的累計(jì)觀測數(shù)占比分布；sleep=1（睡眠）曲線是模型預(yù)測值小于某個(gè)值時(shí)sleep=1（睡眠）的累計(jì)觀測數(shù)占比分布；D值在0 到1 之間，D 值越大，模型的辨識能力越強(qiáng)。此模型兩條曲線的最大垂直距離，即K-S 統(tǒng)計(jì)值D=0.625，說明該模型辨識能力較好。

4 結(jié)語

通過對變量的標(biāo)準(zhǔn)化系數(shù)比較各變量的影響程度。最后一次交易后余額，最近三月消費(fèi)次數(shù)，最近三個(gè)月消費(fèi)筆數(shù)占比，最近三個(gè)月交易金額占個(gè)月總交易額百分比，最近三個(gè)月轉(zhuǎn)賬筆數(shù)占比，實(shí)名等級0，最近三月轉(zhuǎn)賬金額占比與最近4-6個(gè)月轉(zhuǎn)賬金額占比變化比例的標(biāo)準(zhǔn)化系數(shù)分別是-0.8781，-0.4041，0.3305，-0.2005，0.1773，0.1382，0.1036，即這些變量的影響程度呈現(xiàn)遞減趨勢。

從實(shí)際業(yè)務(wù)角度上驗(yàn)證，JinePChange3（最近三月轉(zhuǎn)賬金額占比與最近4-6個(gè)月轉(zhuǎn)賬金額占比之差）越大，表示最近三月轉(zhuǎn)賬金額增加，Pred 值變大，睡眠可能性增加。NumPercent32（最近三個(gè)月消費(fèi)筆數(shù)占比）越大，表示最近三月消費(fèi)相對增加睡眠可能性增加。NumPercent33（最近三月轉(zhuǎn)賬筆數(shù)占比）越大，表示最近三月轉(zhuǎn)賬相對增加睡眠可能性增加。Sum3P6（最近三個(gè)月交易金額占六個(gè)月總交易額百分比）越大，表示最近的交易相對之前更活躍，睡眠可能性降低。RealName等于0，表示非高級實(shí)名用戶，相對高級實(shí)名用戶睡眠可能性更大。Num32（最近三月消費(fèi)次數(shù)）越大，表示消費(fèi)頻率較大，用戶更不容易進(jìn)入睡眠。AfterAmt（最后一次交易后余額）越大，表示用戶的粘性更大，更不容易進(jìn)入睡眠狀態(tài)。

論文利用logistic回歸模型，建立客戶睡眠客戶預(yù)測模型，建模步驟分為變量分析、變量變換、模型建立評估。從ROC、KS曲線上可以看出，模型效果擬合較好。實(shí)驗(yàn)中也有一些不足之處，首先是數(shù)據(jù)收集還存在不足，根據(jù)行為分析，對用戶的行為特征除交易行為，還有個(gè)人偏好、性別、年齡、消費(fèi)能力、學(xué)歷等因素未考慮，直接影響到模型預(yù)測的精度，有待今后進(jìn)一步完善。

參考文獻(xiàn)

[1]趙小寧，李鳳霞.因子分析法和聚類分析法在網(wǎng)上銀行客戶滿意度研究中的應(yīng)用[J].時(shí)代金融，2015（3）.

[2]李凡.數(shù)據(jù)挖掘技術(shù)的研究與應(yīng)用[D].西安電子科技大學(xué)，2002.

[3]杜建軍，李海玉，馬蓉等.數(shù)據(jù)預(yù)處理與決策樹在客戶行為分析中的應(yīng)用[J].信息技術(shù)，2008（12）.

[4]蔣斌.數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的運(yùn)用[J].云南大學(xué)學(xué)報(bào)（自然科學(xué)版），2006 （12）.

[5]郭立碩，王兆剛，李星.基于因子分析和聚類分析上市房地產(chǎn)公司的財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)[J].中小企業(yè)管理與科技，2015（1）.