1、毕业论文（设计）外文翻译题目客户流失问题研究一、外文原文标题CUSTOMERCHURNANALYSISACASESTUDY原文ABSTRACTCUSTOMERVALUEANALYSISISCRITICALFORAGOODMARKETINGANDACUSTOMERRELATIONSHIPMANAGEMENTSTRATEGYANIMPORTANTCOMPONENTOFTHISSTRATEGYISTHECUSTOMERRETENTIONRATECUSTOMERRETENTIONRATEHASASTRONGIMPACTONTHECUSTOMERLIFETIMEVALUE,ANDUNDERSTANDIN
2、GTHETRUEVALUEOFAPOSSIBLECUSTOMERCHURNWILLHELPTHECOMPANYINITSCUSTOMERRELATIONSHIPMANAGEMENTCONVENTIONALSTATISTICALMETHODSAREVERYSUCCESSFULINPREDICTINGACUSTOMERCHURNTHEGOALOFTHISSTUDYISTOAPPLYLOGISTICREGRESSIONTECHNIQUESTOPREDICTACUSTOMERCHURNANDANALYZETHECHURNINGANDNOCHURNINGCUSTOMERSBYUSINGDATAFROMA
3、PERSONALRETAILBANKINGCOMPANY1INTRODUCTIONTHESUBJECTOFCUSTOMERRETENTION,LOYALTY,ANDCHURNISRECEIVINGATTENTIONINMANYINDUSTRIESTHISISIMPORTANTINTHECUSTOMERLIFETIMEVALUECONTEXTACOMPANYWILLHAVEASENSEOFHOWMUCHISREALLYBEINGLOSTBECAUSEOFTHECUSTOMERCHURNANDTHESCALEOFTHEEFFORTSTHATWOULDBEAPPROPRIATEFORRETENTIO
4、NCAMPAIGNTHEMASSMARKETINGAPPROACHCANNOTSUCCEEDINTHEDIVERSITYOFCONSUMERBUSINESSTODAYCUSTOMERVALUEANALYSISALONGWITHCUSTOMERCHURNPREDICTIONSWILLHELPMARKETINGPROGRAMSTARGETMORESPECIFICGROUPSOFCUSTOMERSPERSONALRETAILBANKINGSECTORISCHARACTERIZEDBYCUSTOMERSWHOSTAYSWITHACOMPANYVERYLONGTIMECUSTOMERSUSUALLYGI
5、VETHEIRFINANCIALBUSINESSTOONECOMPANYANDTHEYWONTSWITCHTHEPROVIDEROFTHEIRFINANCIALHELPVERYOFTENINTHECOMPANYSPERSPECTIVETHISPRODUCESASTABILEENVIRONMENTFORTHECUSTOMERRELATIONSHIPMANAGEMENTALTHOUGHTHECONTINUOUSRELATIONSHIPSWITHTHECUSTOMERSTHEPOTENTIALLOSSOFREVENUEBECAUSEOFCUSTOMERCHURNINTHISCASECANBEHUGE
6、THISPAPERWILLPRESENTACUSTOMERCHURNANALYSISINPERSONALRETAILBANKINGSECTORTHEGOALOFTHISPAPERISTWOFOLDFIRSTTHECHURNINGCUSTOMERSAREANALYZEDINBANKINGCONTEXTTHESECONDOBJECTIVEISAFORECASTOFCHURNINGCUSTOMERSBASEDONALOGISTICREGRESSIONMODELAFTERTHEINTRODUCTIONTHISPAPERHAS6SECTIONSTHEBACKGROUNDFORCUSTOMERLIFETI
7、MEVALUECONCEPTISPRESENTEDINTHECHAPTER2THEREISALSOALITERATUREREVIEWABOUTTHECUSTOMERCHURNINCLUDEDINTHECHAPTER2THEMETHODSUSEDINTHISSTUDYAREPRESENTEDINTHECHAPTER3WHILEACLOSERLOOKATTHECASEDATAISTAKENINTHECHAPTER4THEFOCUSOFTHISCASESTUDYISDESCRIBEDINTHECHAPTER5ALLTHERESULTSOFTHECHURNPREDICTIONAREPRESENTEDI
8、NTHECHAPTER6ANDCONCLUSIONSOFTHISSTUDYARELEFTFORTHECHAPTER7THEANALYSISPARTOFTHISPAPERWASCONDUCTEDBYUSINGBOTHMATLAB20ANDSPSS21SOFTWARE2THENEEDFORCUSTOMERCHURNPREDICTIONOURCASEDATAINTHISPAPERWASPROVIDEDBYACOMPANYOPERATINGINARETAILBANKINGSECTORINPERSONALRETAILBANKINGACOMPANYMUSTOPERATEONALONGTERMCUSTOME
9、RSTRATEGY,YOUNGCUSTOMERSARERECOGNIZEDASBEINGUNPROFITABLEINTHEEARLYSTAGEINLIFECYCLEBUTWILLBECOMEPROFITABLELATERONSOASTHECUSTOMERRELATIONSHIPSLAST,MAYBEDECADES,THECOMPANYMUSTADDRESSTHEVALUEOFAPOTENTIALLOSSOFACUSTOMERTHECUSTOMERLIFETIMEVALUEANALYSISWILLHELPTOFACETHISCHALLENGE21THECUSTOMERLIFETIMEVALUEC
10、ONCEPTTHECUSTOMERLIFETIMEVALUEISUSUALLYDEFINEDASTHETOTALNETINCOMEFROMTHECUSTOMEROVERHISLIFETIME13THISTYPEOFCUSTOMERANALYSISISDONEUNDERSEVERALTERMSCUSTOMERVALUE,CUSTOMERLIFETIMEVALUE,CUSTOMEREQUITY,ANDCUSTOMERPROFITABILITYTHEUNDERLYINGIDEAINLTVCONCEPTISSIMPLEANDMEASURINGTHELIFETIMEVALUEISEASYAFTERTHE
11、CUSTOMERRELATIONSHIPISOVERTHECHALLENGEINTHISCONCEPTISTODEFINEANDMEASURETHECUSTOMERLIFETIMEVALUEDURING,OREVENBEFORE,THEACTIVESTAGEOFCUSTOMERRELATIONSHIPMOSTLTVMODELSSTEMFROMTHEBASICEQUATION,ALTHOUGHTHEREAREALSOMANYOTHERLTVMODELSHAVINGVARIOUSAPPLICATIONAREASTHECOMPONENTSOFTHEBASICLTVMODELARE3THECUSTOM
12、ERNETPRESENTVALUEOVERTIMEREVENUEANDCOSTRETENTIONRATEORLENGTHOFSERVICELOSDISCOUNTFACTOREACHCOMPONENTCANBEMEASUREDORESTIMATEDSEPARATELYANDTHENCOMBINEDFORTHELTVMODELTHEBENEFITSOFBETTERUNDERSTANDINGTHECUSTOMERLIFETIMEVALUEARENUMEROUSTHECOMPANYCANMEASURETHEPRESENTANDTHEFUTUREINCOMEFROMTHECUSTOMERSTHECOMP
13、ANYCANALSOFOSTERCUSTOMERRETENTIONANDLOYALTYWHICHWILLLEADTOHIGHERCUSTOMERPROFITABILITYTHELTVANALYSISCANALSOHELPTHECOMPANYONTHEIRCUSTOMIZATIONOFPRODUCTSANDSERVICESTHISUNDERSTANDINGOFTHECUSTOMERVALUEHELPSTHECOMPANYTOFOCUSONREVENUEPRODUCTIVECUSTOMERSANDYIELDTHECUSTOMERSEGMENTWITHPOTENTIALNEGATIVEIMPACTS
14、TOTHEREVENUEANDLAST,THECUSTOMERLIFETIMEVALUEISNOTAFIXEDVALUEITCANBEINFLUENCEDBYMARKETINGEFFORTS22CUSTOMERCHURNTHEFOCUSONCUSTOMERCHURNISTODETERMINATETHECUSTOMERSWHOAREATRISKOFLEAVINGANDIFPOSSIBLEONTHEANALYSISWHETHERTHOSECUSTOMERSAREWORTHRETAININGTHECHURNANALYSISISHIGHLYDEPENDENTONTHEDEFINITIONOFTHECU
15、STOMERCHURNTHEBUSINESSSECTORANDCUSTOMERRELATIONSHIPAFFECTSTHEOUTCOMEHOWCHURNINGCUSTOMERSAREDETECTEDEXAMPLEINCREDITCARDBUSINESSCUSTOMERSCANEASILYSTARTUSINGANOTHERCREDITCARD,SOTHEONLYINDICATORFORTHEPREVIOUSCARDCOMPANYISDECLININGTRANSACTIONSONTHEOTHERHANDFOREXAMPLEINFINNISHWIRELESSTELECOMINDUSTRYACUSTO
16、MERCANSWITCHONECARRIERTOANOTHERANDKEEPTHESAMEPHONENUMBERINTHISCASETHEPREVIOUSCARRIERWILLGETTHESIGNALRIGHTATTHECHURNINGMOMENTTHECUSTOMERCHURNISCLOSELYRELATEDTOTHECUSTOMERRETENTIONRATEANDLOYALTYHWANGETAL14DEFINESTHECUSTOMERDEFECTIONTHEHOTTESTISSUEINHIGHLYCOMPETITIVEWIRELESSTELECOMINDUSTRYTHEIRLTVSUGGE
17、STTHATCHURNRATEOFACUSTOMERHASSTRONGIMPACTTOTHELTVVALUEBECAUSEITAFFECTSTHELENGTHOFSERVICEANDTHEFUTUREREVENUEHWANGETALALSODEFINESTHECUSTOMERLOYALTYASTHEINDEXTHATCUSTOMERSWOULDLIKETOSTAYWITHTHECOMPANYCHURNDESCRIBESTHENUMBERORPERCENTAGEOFREGULARCUSTOMERSWHOABANDONRELATIONSHIPWITHSERVICEPROVIDER14CUSTOME
18、RLOYALTY1CHURNRATEMODELINGCUSTOMERCHURNINPUREPARAMETRICPERSPECTIVEISNOTAPPROPRIATEFORLTVCONTEXTBECAUSETHERETENTIONFUNCTIONTENDSTOBE“SPIKY”ANDNONSMOOTH,WITHSPIKESATTHECONTRACTENDINGDATES18ANDUSUALLYONTHEMARKETINGPERSPECTIVETHESUFFICIENTINFORMATIONABOUTTHECHURNISTHEPROBABILITYOFPOSSIBLECHURNTHISENABLE
19、STHEMARKETINGDEPARTMENTSOTHAT,GIVENTHELIMITEDRESOURCES,THEHIGHPROBABILITYCHURNERSCANBECONTACTEDFIRST2TABLE1EXAMPLESOFTHECHURNPREDICTIONINLITERATUREARTICLEMARKETSECTORCASEDATAMETHODSUSEDAUETAL2WIRELESSTELECOM100000SUBSCRIBERSDMELMETHODDATAMININGBYEVOLUTIONARYLEARNINGBUCKINXETAL4RETAILBUSINESS158884CU
20、STOMERSLOGISTICREGRESSION,ARDAUTOMATICRELEVANCEDETERMINATION,DECISIONTREEBUCKINXETAL5DAILYGROCERY878USABLERESPONSESMLRMULTIPLELINEARREGRESSION,ARD,ANDDECISIONTREEFERREIRAETAL10WIRELESSTELECOM100000SUBSCRIBERSNEURALNETWORK,DECISIONTREE,HIERARCHICALNEUROFUZZYSYSTEMS,RULEEVOLVERGATLAND111RETAILBANKING1
21、00CUSTOMERSMULTIPLEREGRESSIONHWANGETAL14WIRELESSTELECOM16384CUSTOMERSLOGISTICREGRESSION,NEURALNETWORK,DECISIONTREEMOZERETAL16WIRELESSTELECOM46744SUBSCRIBERSLOGISTICREGRESSION,NEURALNETWORK,DECISIONTREETABLE1PRESENTSEXAMPLESOFTHECHURNPREDICTIONSTUDIESFOUNDINLITERATURETHEMETHODSUSEDFORCHURNANALYSISARE
22、PRESENTEDINTHETABLEALONGWITHACASEDATASIZEANDMARKETSECTORINFORMATIONBUCKINXETALMEASURESTHELOYALTYANDCHURNRATEDIFFERENTLYINRETAILSETTINGTHELOYALCUSTOMERSARETHOSEWHOSHOPFREQUENTLYANDATTHESAMETIMEEXHIBITAREGULARBUYINGPATTERN4INTHISRETAILSETTINGTHECUSTOMERCHURNISDEFINEDASCUSTOMERSWHOSWITCHTHEIRPURCHASEST
23、OANOTHERSTORETHISISHARDTODETECTBECAUSECUSTOMERSMAYSTILLHAVETRANSACTIONSINTHEPREVIOUSSTORESOBUTNIXETALCLASSIFYTHECUSTOMERAPARTIALDEFECTIVEIFHEDEVIATESFROMHISESTABLISHEDBUYINGBEHAVIOR4THISISPOSSIBLEBECAUSEINTHEIRSETTINGTHEYFOCUSONLYONLOYALCLIENTSPERSONALRETAILBANKINGSECTORISATYPICALMARKETSECTORWHEREAC
24、USTOMERISNOTREGULARLYSWITCHINGFROMONECOMPANYTOANOTHERCUSTOMERSUSUALLYGIVETHEIRBANKINGBUSINESSTOONEORTWOCOMPANIESFORLONGPERIODSOFTIMETHISMAKESCUSTOMERCHURNAPRIORITYFORMOSTCOMPANIESINTHEBANKINGSECTORGARLANDHASDONERESEARCHONCUSTOMERPROFITABILITYINPERSONALRETAILBANKING11ALTHOUGHTHEIRMAINFOCUSISONTHECUST
25、OMERSVALUETOTHESTUDYBANK,THEYALSOINVESTIGATETHEDURATIONANDAGEOFCUSTOMERRELATIONSHIPBASEDONPROFITABILITYHISSTUDYISBASEDONCUSTOMERSURVEYBYMAILWHICHHELPEDHIMTODETERMINETHECUSTOMERSSHAREOFWALLET,SATISFACTIONANDLOYALTYFROMTHEQUALITATIVEFACTORS3METHODS31LOGISTICREGRESSIONBINOMIALBINARYLOGISTICREGRESSIONIS
26、AFORMOFREGRESSIONWHICHISUSEDINASITUATIONWHENDEPENDENTISNOTACONTINUOUSVARIABLEBUTASTATEWHICHMAYORMAYNOTHAPPEN,ORACATEGORYINASPECIFICCLASSIFICATION8LOGISTICREGRESSIONCANBEUSEDTOPREDICTADISCRETEOUTCOMEONTHEBASISOFCONTINUOUSAND/ORCATEGORICALVARIABLESMULTINOMIALLOGISTICREGRESSIONEXISTSTOHANDLETHECASEOFDE
27、PENDENTSWITHMORECLASSESTHANTWOALTHOUGHLOGISTICREGRESSIONHASBEENUSEDINVARIETYOFAREAS,FOREXAMPLEINCHILDHOODADHDCONTEXT19,LOGISTICREGRESSIONHASALSOBEENUSEDINCUSTOMERANALYSISFOREXAMPLEBUCKINXETALHAVEUSEDLOGISTICREGRESSIONFORPREDICTINGPARTIALLYDEFECTCUSTOMERSINRETAILSETTING4MULTINOMIALREGRESSIONHASBEENUS
28、EDFORPREDICTINGTHECUSTOMERSFUTUREPROFITABILITY,BASEDONHISDEMOGRAPHICINFORMATIONANDBUYINGHISTORYINTHEBOOKCLUB1INTHELOGISTICREGRESSIONTHERECANBEONLYONEDEPENDENTVARIABLELOGISTICREGRESSIONAPPLIESMAXIMUMLIKELIHOODESTIMATIONAFTERTRANSFORMINGTHEDEPENDENTINTOALOGISTICVARIABLE8UNLIKETHENORMALREGRESSIONMODELT
29、HEDEPENDENTVARIABLEINLOGISTICREGRESSIONISUSUALLYDICHOTOMOUSTHEDEPENDENTVARIABLECANTAKEVALUE1WITHPROBABILITYQANDVALUE0WITHPROBABILITY1QTHELOGISTICREGRESSIONISPRESENTEDHEREASITISPRESENTEDONTHEBOOKBYJSCRAMER8THELOGISTICREGRESSIONMODELHASHISTORYINBIOLOGICALSCIENCESECTORTHENORMALREGRESSIONMODELMAYBEBRIEF
30、LYREVIVEDBYSPECIFYINGPX）X,WHEREXX1,X2,XNWHICHISTHELINEARPROBABILITYMODELITLEADSTOTHESOLUTIONESTIMATIONBYLINEARREGRESSIONMETHODSINORDERTORESTRICTTHEPXTOTHEOBSERVEDVALUESOF0AND1,COMPLEXPROPERTIESMUSTBEATTRIBUTEDTOTHEDISTURBANCEIFWEWISHTOHOLDTHEPROBABILITYPXBETWEENTHEBOUND0AND1ANDTOVARYMONOTONICALLYWIT
31、HX,WEHAVETOUSEOTHERFUNCTIONSTHANLINEARFUNCTIONSONEOFTHESEFUNCTIONSTHATMEETTHEREQUIREMENTSISLOGISTICFUNCTION,THATISTHERESULTSOFTHECONTINUOUSPROBABILITIESTHATAREPRODUCEDBYTHELOGISTICREGRESSIONMODELWILLBEDISCRIMINATEDINTOTWOGROUPSBYUSINGATHRESHOLDVALUEUSUALLYTHISTHRESHOLDVALUEIS05,ANDINTHISPAPERTHETHRE
32、SHOLDVALUEWILLSEPARATETHECHURNERSFROMNONCHURNERS32LIFTCURVEINTHISPAPERWEUSEBINARYPREDICTION,CHURNANDNOCHURNWEWILLANALYZETHEESTIMATIONRESULTSOFTHELOGISTICREGRESSIONBYUSINGLIFTCURVETHELIFTCURVEISRELATEDTOTHEROCCURVEOFSIGNALDETECTIONTHEORYANDPRECISIONRECALLCURVEINTHEINFORMATIONRETRIEVALLITERATURE16THEL
33、IFTISAMEASUREOFAPREDICTIVEMODELCALCULATEDASTHERATIOBETWEENTHERESULTSOBTAINEDWITHANDWITHOUTTHEPREDICTIVEMODELTHEFIGURE1SHOWSALIFTCURVEINDICATINGPERFECTSEPARATIONOFTYPESCHURNANDNOCHURNALLCHURNINGCUSTOMERSAREDETECTEDBYTHEPREDICTIONMODELTHEFIGUREALSOREPRESENTSASITUATIONWHERENOSEPARATIONBETWEENCUSTOMERSH
34、ASBEENDONETHISTYPEOFSITUATIONOCCURSWHENTHECHURNPROBABILITIESARERANDOMFIGURE1LIFTCURVEFORINDICATINGPERFECTDISCRIMINATIONANDNODISCRIMINATIONOFCHURNERSANDNONCHURNERSTHELIFTCURVEWILLHELPTOANALYZETHEAMOUNTOFTRUECHURNERSAREDISCRIMINATEDINEACHSUBSETTHISWILLBEEXTREMELYHELPFULINAMARKETINGSITUATIONWHEREAGROUP
35、OFCUSTOMERSARETOBECONTACTEDTHUSACOMPANYCANCOUNTHOWMANYCUSTOMERSTOCONTACTIFANEXAMPLEOF25OFPOTENTIALCHURNERSISTOBECONTACTEDORIFTHEMARKETINGEFFORTHASALIMITOF5000CUSTOMERCONTACTS,HOWMANYCHURNERSARETHENREACHED出处TEEMUMUTANENCUSTOMERCHURNANALYSISACASESTUDYMAT2108INDEPENDENTRESEARCHPROJECTINAPPLIEDMATHEMATI
36、CSR10MARCH2006二、翻译文章标题客户流失分析个案研究译文客户流失分析个案研究TEEMUMUTANEN摘要客户价值分析是一个好的市场营销和客户关系管理战略的关键。这项战略的一个重要组成部分是客户的保留率。客户保留率对客户的终身价值有着强烈冲击，因此，了解一个可能的客户流失的真正价值，将有助于其客户关系管理的公司。传统的统计方法非常成功的预测客户流失。这项研究的目的是运用LOGISTIC回归方法来预测客户流失和通过个人零售银行业务的公司数据来分析客户流失和非流失。1、引言客户保持，客户忠诚度和客户流失这些问题在很多行业被关注，这对客户生命周期价值来说是相当重要的。这些公司中有多少公司能
37、真正因为失去了客户流失而有意识，为保持适度的运动规模而努力。消费业务多元化的今天，大众营销方式是不能成功的。随着客户流失的预测，客户价值的分析将帮助更具体的客户群体制定营销方案。个人零售银行业务部门的特点是客户与公司建立很长时间的联系。客户通常不会非常频繁的切换给他们的金融业务的一个公司提供经济上的帮助。在公司的角度来看，这将产生一个客户关系管理的稳定环境。即使继续与有潜在收入损失的客户保持关系，在这种情况下客户流失是巨大的。本文将对一个客户流失的个人零售银行部门进行分析。本文的目的是双重的。首先是在银行方面进行流失客户的分析。第二个目标是在逻辑回归模型上预测客户流失。本文介绍有6个部分。为客
38、户终身价值的概念提出的背景是在第2章。还有一个关于客户的流失文献中第2章中。本研究使用的方法在第3章，而在案例资料是在第4章。本案例研究的重点是第5章中描述。所有的流失预测结果是在第6章介绍。而本研究的结论是在第7章。本文一部分分析是由MATLAB的20和SPSS21软件同时使用实施的。2、客户流失的需求预测本文中我们的案例在零售银行业的一个公司经营提供的数据。在个人零售银行业务的公司必须运行一个长期客户策略，年轻顾客被确认为在早期阶段，无利可图的生命周期，但以后会变得有利可图。因此，确定最后的客户关系甚至要几十年，该公司必须解决的一个潜在客户流失的价值。客户终身价值分析将有助于面对这一挑战。
39、21、客户终身价值的概念客户终身价值通常被定义为一个客户一生的净收益13。这种类型的客户在下面几个方面进行分析顾客价值，顾客终生价值，客户资产和客户的盈利能力。在LTV概念的潜在意识和客户关系来衡量终身价值是很简单的。这种观念的挑战是如何在终身价值期间或之前的客户关系活动阶段去衡量和定义。以HOEKSTRA等为例，按LTV概念模型定义如下大多数的LTV模型起源于基本的方程，有很多的其他的LTV模型在各个领域应用。基本的模型的组件有3随着时间推移的客户净现值（收入和费用）保持率或服务的长度贴现因子每一个组件都是可以单独的测量或估计的，然后与LTV模型相结合。更好地理解客户终身价值的好处有很多。该
40、公司可以测量从客户那得到的目前和未来的收入。该公司还可以通过客户保持和培养客户忠诚度来提高盈利能力。LTV分析还可以帮助公司定制满足消费者需求的产品和服务。客户价值的理解能帮助该公司把重点放在生产性收入和产量与可能带来的负面影响的客户群的客户收入上。最后，顾客终身价值不是一个固定值，它可以通过营销活动来影响。22、客户流失客户流失的关键是确定那些有流失危险的客户和分析能否留住这些有价值的客户。流失的分析对客户流失的定义有很高的依赖。业务部门和客户的关系影响客户流失的预测。举例信用卡业务的客户很容易使用另一种信用卡，而对以前的信用卡的公司的唯一的指标是下降的。另外一个例子在芬兰的无线电信业一个客
41、户转变另一个载体同时保留相同的电话号码，在这种情况下，承运者就能获得在流失时候的信号的权利。客户流失是指那些关系密切的客户保持率和忠诚度14。HWANG等人在竞争激烈的无线电信业定义最热门的客户流失问题。他们的LTV认为客户流失率对LTV的价值有很强的影响，因为它影响到工龄和未来的收入。HWANG等人定义客户忠诚度为客户想留在这个公司，流失率是描述那些放弃那些提供服务的供应商的固定的客户数量或比例14。客户忠诚度1流失概率在纯参数角度的客户流失模型在LTV背景下是不恰当的，因为保持功能在结束日期的数据趋向于“尖”与非光滑的钉子18。在市场营销角度有足够的信息的流失就可能是客户流失。这就使得营销
42、部门在有限的资源下，首先与高概率的流失有联系2。表一的例子是在文学上的流失预测作者市场部门案例资料采用方法AU等人2无线电信100000个订户DMEL方法BUCKINX等人4零售业158884个客户LOGISTIC回归，ARD,决策树BUCKINX等人5杂货878可用的回复MLR,ARD和决策树FERREIRA等人10无线电信100000个订户神经网络，决策树，分层模糊神经系统，规则演化法GATLAND11零食银行业务1100个客户多元回归HWANG等人14无线电信16384个客户LOGISTIC回归，神经网络和决策树MOZER等人16无线电信46744个订户LOGISTIC回归，神经网络和决
43、策树表1给出在文献中找到的流失预测研究的例子。这些方法在流失分析的表内的数据尺度和市场部门的信息有一定的介绍。BUCKINX等人测量忠诚度和流失率在零售环境下是不同的。忠诚的客户是那些客户频繁的消费和同一时间所表现出正常的消费模式4。在零售环境下的客户流失是指客户转向另一个商店进行购买。这是很难检测到客户可能在前面的商店进行交易。BUTNIX等人如果他们从偏离既定的购买行为分类客户是有缺陷的4。这可能是因为他们设置了他们只专注于忠诚的客户。个人零售银行业务部门是一个典型的市场行业，一个客户不规则的从一个公司转移到另一个公司。在一段时期客户通常把他们的银行业务给一两家公司。这使客户流失在银行业优
44、先于大多数行业，GARLAND做了个关于个人零售银行的客户盈利的研究11。虽然他们的主要焦点是客户的价值，银行的研究还调查了以盈利能力为基础的客户关系所维持的时间和年龄。他的研究是根据客户的邮寄调查来帮助他根据定性的因素来确定客户所花费的金钱，客户满意度和忠诚度的。3、方法31、LOGISTIC回归二项（二进制）LOGISTIC回归是回归的一种形式，在一种情况是当依赖的不是一个连续变量，而这个结果可能会或可能不会发生，或在一个特定的分类类别用的8。LOGISTIC回归，可以用来预测一个连续和/或分类变量上离散的结果。多项式回归的存在是为了处理超过两个的更多的课程的情况。LOGISTIC回归已应
45、用于多种领域，例如，在儿童多动症的情况下19，回归也已经用在客户分析上了。例如BUCKINX等人，已经把LOGISTIC回归运用在零售环境中预测有缺陷的客户4。多项式回归已被用于预测客户的未来盈利能力的基础上，他们的人口统计信息和购买历史的读书俱乐部1。对LOGISTIC回归只能有一个因变量。LOGISTIC回归在提供最好可能的评估转变一个依赖的LOGISTIC的因变量8。不同于一般的回归模型中因变量，LOGISTIC回归通常是二分法可以采取的因变量为Q的概率值等于1和因变量为1Q的概率值为0。这里提到的LOGISTIC回归是JSCRAMER在一本书中提出的。LOGISTIC回归模型在生物科学
46、界有很长的历史。一般的回归模式可能通过指定而简单的复兴。PX）X,XX1,X2,XN这是线性概率模型。它导致了用线性回归的方法来解决评估。为了限制的P（X）以0和1为观测值，复杂性必须归功于干扰因素。如果我们希望概率P（X）随着X在0到1之间单调，我们必须使用比线性函数更多的其他函数。LOGISTIC函数就是满足要求的函数之一。即连续概率的结果是通过逻辑回归模型使用一个阈值在两组中进行区别而产生的。通常这个阈值是05，本文件中的阈值将把非流失客户从流失客户区分开。32、升力曲线在本文中，我们使用二进制预测“流失”和“非流失”。我们将利用升力曲线的回归来分析估计结果。该曲线是有关升降机的信号检测
47、理论和精确召回曲线中华民国在信息检索文献曲线16。该升力曲线是一个衡量预测模型计算与非预测模式得到的结果相比的一种方式。图1显示了升力曲线完美的把“流失”和“非流失”分离开所有的流失客户都被预测模型检测。这个图也代表了在客户已经进行流失的分离的一种情况。这种情况发生时，客户流失概率是随机的。图1显示了升力曲线完善了流失客户和非流失客户的区别和非区别。升力曲线有助于分析真正流失客户量在每个子集的区别。这非常情况下在市场营销的客户群是要联系帮助的。因此，一个公司可以指望有多少客户联系，如果25的潜在流失客户是与外界保持联系。或者如果营销工作的有5000名客户联系，有多少流失客户，然后达到极限。出处TEEMUMUTANENCUSTOMERCHURNANALYSISACASESTUDYMAT2108INDEPENDENTRESEARCHPROJECTINAPPLIEDMATHEMATICSR10MARCH2006
