发帖
雷达卡
我曾于2011年受命在尼日利亚拉各斯工作，为那里的一家电信巨头工作。正在进行的项目是在客户的新建Oracle数据仓库上使用SAS开发客户分析模块。我们考虑过开发以下模块。
客户流失分析
计算产品倾向
客户生命周期价值计算
客户细分
客户流失分析：定义为订户在过去三个月内未产生任何创收用途的情况下进行搅动。按照这个定义，过去在3500万总用户群中，大约有15％的用户流失了。在MSISDN级别提取了大约30个变量/属性，以分析客户流失率。SAS中的PROC LOGIT用于执行以二进制YES / NO搅动变量为目标的Logistic回归，以查找MSISDN级别的搅动倾向。将结果推送到数据仓库中的数据集市中。每月都会生成刷新的业务对象报告，其中显示了客户流失分析的汇总结果。客户员工接受了SAS Enterprise的培训，可以查询MSISDN级别的信息以防止流失。
计算产品倾向： 电信客户为订户设计和销售了各种商品。他们想了解向上销售/交叉销售的概率。选择了各种捆绑/产品，并从数据仓库中提取了指示订户是否采购产品的是/否目标变量。对于每个产品和相应的目标变量，PROC LOGIT用于运行Logistic回归，该回归生成产品的销售概率。对于“交叉销售概率”过滤器，在一个产品上使用了查找其他产品的交叉销售概率。
客户生命周期价值计算： 客户希望对订户进行评分，以便从他们在整个预期生命周期或服务提供商任职期间的价值来评估他们。假定了客户生命周期的上限，并且随着时间的推移，预期的每月收入将根据过去的数据进行线性回归。每月收入由保留时间（1-客户流失率）加权，加权时间按时间取幂，并且在计算所需的生命周期值时引入了财务折现系数。
客户细分： PROC FASTCLASS聚集了当时的3500万订户，以便于市场研究。
关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！
京公网安备 11010802022788号
