服務業管理－建立機制 避免客戶流失

建議可以從以下面向着手：

─客戶獲得

以銀行爲例，應就未來發展願景及業務目標，更有效發掘潛在客羣，同時透過市場研究、調查、心理變數資料及分析工具等，結合社羣分析及非結構化資料分析技術，將客戶依照財力等級、通路使用偏好、交易風險屬性等進行分羣，提供差異化服務。

─客戶關係發展

在客戶生命週期中，能與客戶發展出更深入、緊密的業務關係很重要，銀行可透過與客戶每次往來中瞭解何時可以提供客戶甚麼服務，並及時滿足需求，同時做出與其他競爭者差異化的產品與服務。一旦建立客戶忠誠度，客戶會較不在乎價格，更在乎銀行可提供什麼量身訂做的客製化服務。銀行可透過客戶皮夾深度、行銷活動效益、跨售分析、客戶存續價值、客戶價格敏感度等項目，決定客戶關係發展的方向

─客戶維繫

業界較常用的客戶維繫策略要能分出客戶類型、創造客戶互動動機並改變客戶往來行爲，包括分析顧客心聲、歷史流失率、客戶維繫活動效益、預測可能的客戶流失率、是否預測特定期間內特定產品或客戶終止往來的可能性，到調整客戶維繫策略。

建立客戶流失率分析機制

以下簡要說明解決方案內容：

1.問題及目標釐清

將目前面臨的問題及欲達成目標釐清，以客戶流失率而言，企業的問題應在於某項業務或產品逐漸攀升的客戶流失率，因此短期目標應是找出是甚麼原因導致流失率提高？下一位有較高流失風險的客戶是誰？中長期目標是透過預測模型採取措施，降低可能的客戶流失率。

2.資料清理及細化

具有良好的資料品質是所有數據分析很重要的步驟之一，但許多企業卻面臨資料品質及量的不足，如：資料欄位有太多的遺失值或資料期間太短，因此模型開發過程會有大部分時間是在檢視並確保資料的品質及正確性，才能進一步進行變數衍生及資料屬性瞭解。

3.資料屬性理解

每筆觀察值具備大量的解釋變數，供模型建置及分析使用，此階段可初步利用多變量統計方法將資料進行分羣，先了解流失客戶過往的行爲態樣，並判斷資料屬性的合理性。在分羣過程中，也將大量變數數量篩選至約15～20個具有較佳解釋力的變數，以利後續模型建置使用。

4.模型建置

將所蒐集的資料及變數進行模型配適，如多元適應性雲形迴歸（MARS），透過統計迴歸模型預測那些變數對於流失率具有較高的解釋力，模型常使用的變數，包括會員生效起始天數、消費／購買／往來平均間隔天數、近幾個月登入／往來／活動參與次數、或來電／客訴次數。

5.行動方案

對於預測可能造成高流失率的變數及趨勢，企業應採取後續行動方案，避免潛在客戶流失，進一步分析變數背後的成因並思考改善及調整。在變動快速的商業環境中，客戶的需求、企業的競爭，都與傳統模式不同，降低客戶流失率是金融、零售、電信業或其他有大量客羣的企業，關注的議題，透過數據分析手法，可以協助企業深入瞭解擁有的客羣屬性，進一步在對的時間知悉客戶的需求，並提供所需產品或服務，以提高客戶忠誠度，同時結合企業整體發展策略，以達成預期獲利目標。（本文作者爲勤業衆信聯合會計師事務所管理顧問服務執行副總、協理、副理）