知道何时开始担忧行销中的风险函数和存活分析法

2019/8/271第8章知道何時開始擔憂：行銷中的風險函數和存活分析法2019/8/272大綱•挽留曲線–計算顧客半衰期–顧客生命週期–函數與統計方法•危險模式–危險模式定義–從危險至存活–成比危險模式•實務上的危險模式2019/8/273存活分析•顧客何時會流失•顧客何時下一次再度造訪網站•顧客何時會轉換至另一個顧客區隔•顧客何時會增進它的顧客關係2019/8/2748.1顧客挽留•客戶關係管理的目標－吸引新客戶（Acquiring）保留有價值的客戶（Retain）增加客戶重複購買的機率（Expand）要達成目標，需要倚靠行銷、銷售、與服務等流程的整合。不只是「觀念」的建立，且需要「科技」幫忙2019/8/2758.1.1挽留曲線告訴我們什麼–可以挽留顧客多久?–明確的時間點有利於挽留曲線的繪製－e.g.合約•簡易:ISP,雜誌等•複雜:網站,零售業,郵購業2019/8/276顧客半衰期(Half-Life)‏•定義:顧客何時會走掉原有的一半•顧客生命週期中位數(MedianCustomerLifetime)–不容易受極端值(Outlier)影響•利用半衰期的觀念可發現顧客半衰期就是顧客只剩一半的時間2019/8/277從挽留曲線中找出平均生命週期計算某一單位時間之生命週期計算平均平均生命週期原始資料2019/8/278平均生命週期的應用•比較顧客價值–假設顧客每年價值約3000元–(6.1-3.7)*3000=7200–平均至10年則1年多出720元2019/8/2798.1.2把挽留視作遞減•將挽留視作顧客的遞減•物理放射性物質半衰期•缺點：物理之衰變為指數遞減模式,但顧客流失不遵守指數遞減2019/8/2710半衰期的缺點–無法提供資訊回答『某一時點或時間的顧客價值』–只能反映位於50%的人的生命週期長度–需要估算總體顧客的平均生命週期長度2019/8/2711母數統計適配•利用已知的函數適配–線性–拋物線–指數•在定義的區間內能找出適當的函數•要預測定義區間之外的值便會失效•需要大量的資料才有可能找出適當的適配8.2危險模式•顧客挽留曲線的缺點–雖然有用容易理解，但難以利用現行函數，母數或理論來描述它的行為•危險模式-並不嘗試去使用任何已知的函數去適配它,只是單純的讓歷史資料來決定未來的方向2019/8/27138.2.1基本原理•危險模式基本原理–無母數統計–顧客存活至時點t，經歷至時間t+1的可能性•可類推至不同會齡期間顧客流失的比例•特色–取較短時間間距能突顯其優點–因為它假設同期間的顧客性質相近–常用單位為天或週，非年8.2.2應用危險模式•定義–將計算的機率套用在不同群體的顧客上，以推算他們經過某段期間的存活率•可以根據顧客維持曲線及顧客平均生命週期來計算可能的生命週期長度•較佳預測力的原因–輸入的變數就是過去的顧客行為–觀察相似條件的顧客來計算危險率應用危險模式(續)•區隔顧客的方式–會齡–銷售通路或地理區–強制流失與自願流失•強制流失與商業規則的嚴格度有關，不適合用來進行存活率的計算•危險模式是將歷使資料彙整一張巨大的對照表，本身沒有任何函數或是方程式結構8.2.3觀測點的重要性•危險模式於現實可能面臨的複雜狀況–顧客首次交易日期不一–不同的流失因素–Etc...•觀測點可以解決以上問題觀測點的重要性－圖例•左上圖–顧客存活狀態•左下表–不同顧客的會齡資訊存活流失觀測生命週期1Y52N43N34Y35N26Y17N1觀測點的重要性－圖例(續)•最後顧客的首次交易日拉齊，上表呈現出所有對應於首次交易日各時點的流失資訊顧客觀測生命週期Time0Time1Time2Time3Time4Time51Y5存活存活存活存活存活存活2N4存活存活存活存活流失排除3N3存活存活存活流失排除排除4Y3存活存活存活存活排除排除5N2存活存活流失排除排除排除6Y1存活存活排除排除排除排除7N1存活流失排除排除排除排除觀測點的重要性－圖例(續)•在各時點，顧客只可能屬於三種狀態–存活、流失、排除–排除是指不再將客戶納入計算，但不一定是流失，可能是存活但超過觀測點。•危險模式計算–分子：當期流失顧客–分母：當期所有顧客(包括流失)，扣除排除者Time0Time1Time2Time3Time4Time5存活764311流失011110排除002355危險率0.00%14.29%20.00%25.00%50.00%0.00%觀測點的重要性－圖例(續)•結論–危險模式中的時間軸是不連續的•觀測點•以特定期間作為計算間距–只允許整數值•數學的理論可以計算連續時間的危險模式•但行銷的應用上，不連續的危險模式足以堪用8.3.1危險模式範例－常數型•常數型危險模式–顧客在每個時間點流失的機率皆一致•危險率為水平線–符合指數遞減趨勢–在真實市場極為罕見8.3.2危險模式範例－浴缸型•浴缸型危險模式–開頭高，然後驟降，再緩步上升•Ex：美國人口死亡率–意義：首次交易後有較高的機率流失–發生於在有期的合約•合約初期：產品不適合或是反悔不繳費而流失•合約中：履行合約期間流失率降低•合約到期：流失率爆增年齡死亡危險率00.72%50.02%100.01%150.06%200.09%250.10%300.11%350.15%400.21%450.30%500.44%550.69%601.10%651.68%危險模式範例－浴缸型(續)8.3.3危險模式範例－真實世界•左圖是一個以訂閱/申購為交易型態的產業•初期危險率高–技術問題–交易認知問題•M雙峰–第二個月：將未付款或連續兩次無法扣款的顧客取消訂閱–第三個月優惠結束•之後漸趨穩定–忠誠度建立期間(週)‏8.4從危險至存活•繪製挽留曲線–計算同一群顧客在不同的時間點留下的人數–凹凸不平滑•繪製存活曲線–以危險模式為基礎計算–危險率高：陡降幅度大–危險率低：陡降幅度小–計算•每一段存活率(1－危險率)乘積•存活率T=(1－危險率T0)*(1－危險率T1)*.....–平滑2019/8/27268.4.2挽留與存活8.5成比危險模式•特色–觀察初始狀態如何影響危險模式–假使初使狀態與危險率關係是成正比•範例：得肺癌的機率–抽煙vs不抽煙•優點–簡化問題：比較初始狀態造成的差異•缺點–排除時間因素的影響－時間依存之共變量•EX：優惠或顧客身份的轉換–難以完美符合現實案例成比危險模式－例2019/8/27298.6實務上的危險模式•企業的處理流程會反應在真實的危險曲線中–自願流失–強制流失•顧客何時會再回來–顧客流失模型只有在顧客「離去」這個動作相當明確時，才能有效預測•顧客挽留以外的應用2019/8/27308.6.1自願流失的危險模式計算自願流失時，需包括強制流失黑圓圈的顧客是被強制流失，所以在該時點之後，則排除不納入危險模式的計算利用「排除」原則可以從包括強制流失的顧客群中計算自願流失的危險模式2019/8/27318.6.2危險模式的應用•顧客的挽留•決定顧客何時會「回頭」•顧客行為上「事件對時點」的分析•量化顧客關係的強弱–有效運用行銷資源驅使顧客朝較佳的獲利模式2019/8/2732結論•危險模式–過去---未來•存活分析–評估顧客生命週期中各項事項所造成的影響•影響顧客存流的重要因素–透過考克斯成比危險模式決定