服务业管理－建立机制 避免客户流失

建议可以从以下面向着手：

─客户获得

以银行为例，应就未来发展愿景及业务目标，更有效发掘潜在客群，同时透过市场研究、调查、心理变数资料及分析工具等，结合社群分析及非结构化资料分析技术，将客户依照财力等级、通路使用偏好、交易风险属性等进行分群，提供差异化服务。

─客户关系发展

在客户生命周期中，能与客户发展出更深入、紧密的业务关系很重要，银行可透过与客户每次往来中了解何时可以提供客户甚么服务，并及时满足需求，同时做出与其他竞争者差异化的产品与服务。一旦建立客户忠诚度，客户会较不在乎价格，更在乎银行可提供什么量身订做的客制化服务。银行可透过客户皮夹深度、行销活动效益、跨售分析、客户存续价值、客户价格敏感度等项目，决定客户关系发展的方向

─客户维系

业界较常用的客户维系策略要能分出客户类型、创造客户互动动机并改变客户往来行为，包括分析顾客心声、历史流失率、客户维系活动效益、预测可能的客户流失率、是否预测特定期间内特定产品或客户终止往来的可能性，到调整客户维系策略。

建立客户流失率分析机制

以下简要说明解决方案内容：

1.问题及目标厘清

将目前面临的问题及欲达成目标厘清，以客户流失率而言，企业的问题应在于某项业务或产品逐渐攀升的客户流失率，因此短期目标应是找出是甚么原因导致流失率提高？下一位有较高流失风险的客户是谁？中长期目标是透过预测模型采取措施，降低可能的客户流失率。

2.资料清理及细化

具有良好的资料品质是所有数据分析很重要的步骤之一，但许多企业却面临资料品质及量的不足，如：资料栏位有太多的遗失值或资料期间太短，因此模型开发过程会有大部分时间是在检视并确保资料的品质及正确性，才能进一步进行变数衍生及资料属性了解。

3.资料属性理解

每笔观察值具备大量的解释变数，供模型建置及分析使用，此阶段可初步利用多变量统计方法将资料进行分群，先了解流失客户过往的行为态样，并判断资料属性的合理性。在分群过程中，也将大量变数数量筛选至约15～20个具有较佳解释力的变数，以利后续模型建置使用。

4.模型建置

将所搜集的资料及变数进行模型配适，如多元适应性云形回归（MARS），透过统计回归模型预测那些变数对于流失率具有较高的解释力，模型常使用的变数，包括会员生效起始天数、消费／购买／往来平均间隔天数、近几个月登入／往来／活动参与次数、或来电／客诉次数。

5.行动方案

对于预测可能造成高流失率的变数及趋势，企业应采取后续行动方案，避免潜在客户流失，进一步分析变数背后的成因并思考改善及调整。在变动快速的商业环境中，客户的需求、企业的竞争，都与传统模式不同，降低客户流失率是金融、零售、电信业或其他有大量客群的企业，关注的议题，透过数据分析手法，可以协助企业深入了解拥有的客群属性，进一步在对的时间知悉客户的需求，并提供所需产品或服务，以提高客户忠诚度，同时结合企业整体发展策略，以达成预期获利目标。（本文作者为勤业众信联合会计师事务所管理顾问服务执行副总、协理、副理）