客户分层和流失预警模型

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

13% 13%
75%
高中低
忠诚度中等客户偏好分类 (47496)
1% 34%
65%
保养型 机修型 保养/机修兼具型
忠诚度中等客户 多为保养偏好 占65%
忠诚度模型建模使用的指标:
一般维修自费维修次数、一般维修自费保养次数、一般维修索赔次数、实际到店时间与保养计划吻合度、来访类别为“咨询
需求”的比例。
性,最终依据购车时长,针对性细化构建2个挖掘模型。
模型结果—流失预测模型
流失预测模型
模型客户数:182321 占总客户数比例:19.07%
根据历史客户的流失特征,对客户未来的流失概率进行预 测。



50%
26% 24%
高流失倾向高 中流失倾向中 低流失倾向低
• 流失倾向高 极高8..8 %、高17.6%。
活跃度模型建模使用的指标: 事故维修自费维修次数、一般维修自费维修次数、一般维修免费维修次数、一般维修索赔次数、保养到店次数。
说明:以上是03.1.1-14.9.30年的全部客户的结果。
22..商商业业目目标标----售售后后客客户户流流失失预预测测模模型型
捕获 即将流失客户群
及时跟踪处理
流失模型—流失定义
16%
中等价值 高价值
11%
51%

中等
38%

84%
• 高流失倾向客户不同综合价值分类分布 高流失倾向客户中,中等价值客户84%,高价值 客户占比16%
• 高流失倾向客户不同活跃度分类分布 高流失倾向客户中,低活跃度客户为最多、占比 达到51%,其次为中等活跃客户、占比38%
说明:以上是03.1.1-14.9.30年的全部客户的结果。
说明:以上是03.1.1-14.9.30年的全部客户的结果。
模型结果—活跃度模型
活跃度分类模型
模型客户数:886197 占总客户数比例:92.72%
根据一定时期内客户的总到店次数及次数结构比例,将客户 分为不同的活跃等级、并对客户偏好进行评定。
活跃度高客户偏好分类 (46571)
不同综合活跃度客户分布
5% 27%
68%
20% 31% 22%
27%
全面型 保养型 机修/事故兼具型 机修型
活跃度高客户 多为全面型和保养型 两者合计占58%
活跃度中等客户偏好分类 (238628)
高活跃 中等活跃 低活跃
2% 18%
48% 32%
机修型
保养/事故兼具型 保养型
其他 含索赔、事故、
全面型
活跃度中等客户 多为机修偏好 占比近一半,达48%
定义流失目标
定义客户范围
构建初始变量
模型分析
模型结果
老定义
1年未到店的客户为流失客户。具有局限性,流失了才发现客户,无法提前挽回客 户。
新定义
在老定义的基础上做了扩展,将具有流失倾向的客户定义为流失(当前时间点倒 推12个月的到店次数,比倒推24个月降幅达到70%的客户),通过前阶段的流失 客户特征,预测未来客户流失的概率。新定义能过尽早捕获客户意图。
客户
活跃
通 所过 处对 生客 命活户周跃职期业结度、合分行客业户类以交模及易 型
根据一信定息时来期预测内客客户户的收的入总能到力店次数 及次数结构比例,将客户分为不同 的活跃等级、并对客户偏好进行评 定。
模型结果—价值模型
价值分类模型
模型客户数:856005 占总客户数比例:89.56%
根据客户总消费金额,结合消费类型,将客户分为不同 的价值等级、并对客户的售后偏好进行评定。
忠诚度分类模型 根据客户在一定时期保养到店次数与保养计划的吻合度,评
定客户的忠诚度。
模型客户数:378933 占总客户数比例:39.65%
忠诚度高客户偏好分类 (49096)
客户T-1期忠诚度分布
20% 60% 20%
保保养养型型 机机修修/事型故型 无其偏他好
忠诚度高客户 多为无特殊偏好型 占60%
1.商业目标--售后客户分层模型
价值分类模型
根通客据过户客衡忠量诚户客度总户以消当 及前 影费价 响金值 力额、 价,潜 值在 ,结价 加合值 权消、 计费类型,将 客算户客分户对为于不公同司的的综价合值价等值贡级献、并对客户的售 后偏好进行评定。
价值
忠诚
忠诚度分类模型
根据2年以上客户在一定时 期保养到店次数与保养计划 的吻合度,评定客户的忠诚 度。
总到店次数、最近12个月消费在500元以下的总到店次数等。
说明:以上是03.1.1-12.9.30年的全部客户的结果。
模型结果—流失预测结果综合分析
高流失倾向客户的综合价值及综合活跃度分布。
高流失倾向客户数:48085 占流失模型分析客户数比例:26%
Fra Baidu bibliotek
高流失倾向客户不同综合价值分类分布
高流失倾向客户不同综合活跃度分类分布
• 流失倾向中23.5% • 流失倾向低
中低27.5 %、低22.6%
0.49
0.63
高:63%以上;中:49%-63%;低:49%以下。
流失预测模型建模使用的指标:
最近24个月月均总到店次数、最近24个月月均自费维修到店次数、最近4个月总到店次数、最近4个月自费维修到店次数、
最近6个月总到店次数最近12个月总到店次数、最近6个月是否到店、最近4个月是否到店、最近4个月消费在500-1000元的
高价值客户不同偏好分布 (97971)
不同综合价值分类客户分布
11% 39%
50%
高价值 中等价值 低价值
9% 11%
21%
59%
大事故维修型 机修型 机修/事故兼具型 小事故维修型
高价值客户 多为大事故维修型
占比59%
中等价值客户偏好分类 (424087)
5% 12% 13%
44%
26%
机修/事故兼具型 事故维修型 全面型 返厂频繁型 其他
中等价值客户 多为机修/事故兼具型 和事故维修性
合计占比70%
价值聚类模型建模使用的指标:
事故维修自费维修次数、一般维修自费维修次数、一般维修自费保养次数、到店消费总金额、自费维修金额、自费保养金额、
事故维修金额。
说明:以上是2003.1.1-14.9.30年的全部客户的结果。
模型结果—忠诚度模型
建模数据范围(新定义)
当前时间点
倒推(13-24) 倒推(1-12) 未来12个月
流失预测模型共建立5个模型
预测数据范围(新定义)
1)老定义预测模型:从车型、性别、购车时长、南北方、城市类别(一二、三四线城市)5个因素中,分析预测结果的差异
性,最终依据购车时长,针对性细化构建3个挖掘模型。
2)新定义预测模型:从车型、性别、购车时长、南北方、城市类别(一二、三四线城市)5个因素中,分析预测结果的差异
相关文档
最新文档