建模的統(tǒng)計學(xué)問題

在上面討論的邏輯回歸模型和風(fēng)險模型中，每一個協(xié)變量（交換變量、產(chǎn)品特征、客戶特征、營銷溝通變量）的系數(shù)是不因客戶而異的，這就意味著模型排除了客戶間的異質(zhì)成分。換言之，基本假設(shè)是協(xié)變量對數(shù)據(jù)中的所有客戶流失的影響都是一樣的，這種假設(shè)可能站不住腳。舉例來說，價格敏感度高的客戶對產(chǎn)品價格上漲的反應(yīng)比價格敏感度低的客戶要強烈，因此，與價格敏感度低的客戶相比，價格敏感度高的客戶應(yīng)該有一個（在量值上）更大的價值系數(shù)。同樣，客戶對營銷溝通的反應(yīng)可能也不盡相同，所以為每位客戶確定不同的系數(shù)值是有必要的。研究人員通過使用先進的估算技術(shù)，如貝葉斯和隨機系數(shù)的方法提出了上面這個問題，這兩種方法分別根據(jù)客戶的差異使用了不同的系數(shù)。

干預(yù)策略

當公司計算出每位客戶的流失概率后，決定誰應(yīng)成為其干預(yù)措施的目標就迎刃而解了（如圖9—3所示）。

圖9—3顯示了案例研究中提到過的3位電信公司的客戶流失傾向?？蛻鬉在預(yù)期的12個月內(nèi)的流失傾向為0。客戶B在前6個月內(nèi)的流失傾向為，之后，這個值穩(wěn)步上升，直至在第12個月達到。相比之下，客戶C的流失概率在預(yù)測時期內(nèi)持續(xù)上升并接近。很明顯，公司沒有失去客戶A的危險。然而，如果公司不采取任何干預(yù)策略，就會失去客戶B和客戶C。干預(yù)的時機取決于客戶流失的概率是否達到預(yù)先確定的值（通常為）。

我們是否應(yīng)該干預(yù)

當我們知道客戶何時會流失后，應(yīng)作出的下一個重要決定就是是否應(yīng)該對客戶流失進行干預(yù)。例如，我們是否應(yīng)該對上述客戶B和客戶C進行干預(yù)，避免其流失呢？對這個問題的答案取決于客戶是否值得保留，此時，CLV便可發(fā)揮重要的作用。如以上章節(jié)解釋的那樣，CLV可以很好地幫助我們了解客戶對于公司的價值，因為CLV的計算考慮了客戶的預(yù)期收入貢獻和服務(wù)客戶所耗成本。在保留客戶的情況下，CLV是指公司預(yù)期可以從被保留住的客戶身上得到的凈貢獻，因此，任何審慎的公司都應(yīng)該將其資源投資在保留CLV值為正的客戶身上。如果客戶的CLV值為負，那么公司為該客戶提供服務(wù)的花費遠比客戶為公司帶來的收入要多。舉例來說，如果為一位不使用信用卡的客戶保存客戶記錄、生成和處理賬單及郵寄資料的總費用為每月15美元，則信用卡公司正在將資源消耗在不會給公司帶來任何收入（CLV為負值）的客戶身上，維系這類客戶是毫無意義可言的。因此，當考慮應(yīng)把資源投資在維系哪些客戶身上時，公司的第一準則就是所選定的客戶的CLV值必須為正。如圖9—3所示，如果客戶B的CLV值為負，公司就不應(yīng)該為維系這位客戶而浪費資源。

雖然當客戶的CLV值為負時，可以直截了當?shù)刈鞒鱿鄳?yīng)決策，但是當客戶能為公司帶來收益或者其CLV值為正時，我們就很難決策了。一個盈利的公司可能擁有大量CLV值為正但有可能流失的客戶。此外，這些客戶的實際CLV值有可能存在巨大的差異，他們中的一些可能CLV值大，而其他的CLV值可能很小，因此，花費同等數(shù)額去保留所有的客戶是沒有意義的。在這種情況下，做出決定的關(guān)鍵不在于是否要挽留，而是何時介入，以及在每位客戶身上投入多少。下面我們將首先解決何時進行干預(yù)的問題。