[发明专利]一种汽车企业客户流失建模与分析方法

说明书

技术领域

本发明涉及汽车运营领域，具体是一种汽车企业客户流失建模与分析方法。

背景技术

传统运营以产品为中心,在新的竞争态势下需要转换为以客户为核心。因此数据运营在企业整体经营中的作用变得越来越重要。经营时，需要逐步实现以客户为中心的企业战略，并在客户数据、洞见、渠道、营销、服务等多领域层层推进，以达到最佳效果。

汽车行业中，多家品牌已建立了大数据分析部门，并开展数据挖掘工作。其中福特设有卓越的分析部门，部门中包括负责收集数据和深度分析的200多名大数据分析专家。该分析部门利用分析所得的客户偏好结果(包括车型及配置、经销商地理区域等)，对设计、生产及物流分配进行调整。福特根据客户需求推出25个新汽车产品线，从而使福特于2009年实现连续4年亏损后的首次盈利。国内的上汽通用设有的CRM及大数据团队已为三个品牌建立了数据挖掘，并负责汇聚企业内外部的各种数据、进行多维深入分析。

整个大数据分析为企业多个品牌业务部门提供各种数据分析业务及模型服务，支持了整个销售及服务过程，有效提升了业务水平。同时包括奥迪在内的多家豪车品牌都在数据分析及数据运营上加大投入并深化数据分析的应用。

目前长安汽车正稳步走向以客户为中心的运营思路，通过甄别高潜力客户来提升营销效率、延伸客户生命周期和忠诚度、提升再购及增购比例。随着长安汽车企业客户的快速增长，运营过程中需要对资源分配进行优化，同时也需要对客户需求洞察更加深刻。客户是企业的重要资源，也是企业的无形资产，客户的流失，也就意味着资产的流失，因此进行客户流失分析是十分重要的，

但是现有技术还无法对长安汽车的高潜力客户和流失客户进行有效甄别，也就无法通过分析流失客户的特点来提升延伸客户生命周期和忠诚度、营销效率。

发明内容

本发明的目的是解决现有技术中存在的问题。

为实现本发明目的而采用的技术方案是这样的，为实现本发明目的而采用的技术方案是这样的，一种汽车企业客户流失建模与分析方法，主要包括以下步骤：

1)构建汽车企业客户流失模型需要的变量；所述变量通过降维产生。

降维方法主要包括主成分分析法、SOM网络学习算法和FCM聚类法。

1.1)主成分分析法的主要步骤如下：

1.1.1)确定分析变量，并采集所述分析变量的原始数据。

采集出n个样本，每个样本有p个变量，所述n个样本和所述p个变量构成一个n×p型矩阵。

1.1.2)对原始数据进行标准化处理，以消除量纲对数据处理的影响。

标准化处理公式：y_ij＝x_ij-x_i/s_i (1)

式中，y_ij为标准化后的变量值，x_ij为实际变量值，x_i为算术平均值，s_i为标准差，i为矩阵向量的行下标，j为矩阵向量的列下标。

处理后的数据矩阵为：

式中，n为样本个数，p为每个样本中的变量个数。

1.1.3)计算特征根和响应的标准正交特征向量。

相关系数矩阵Z为：

式中，z_ij为原变量z_i与z_j的相关系数，i为矩阵向量的行下标，j为矩阵向量的列下标，n为样本个数，p为每个样本中的变量个数。

z_ij＝z_ji (4)

式中，z_ij为原变量z_i与z_j的相关系数，i为矩阵向量的行下标，j为矩阵向量的列下标，y_ki和y_kiy_kj为标准化后的变量值，为y_ki的算术平均值，为y_ki的算术平均值，n为样本个数，整数k为任意样本，1≤k≤n。

|λE-Z|＝0 (6)

式中，λ为矩阵Z的特征值，E为单位矩阵，Z为公式(3)表示的矩阵。

根据公式(6)，可以求出矩阵Z的p个特征值，各主成分的方差贡献大小按特征根顺序递减排列。

利用每个特征值λ_j解出方程组Zb＝λ_jb对应于每个特征值的特征变量b_j。