关注点：如何挽留曾经创造价值的客户？
当客户不再满意银行的服务或产品的时候，将会产生离开的念头，从而逐步向离开客户阶段迁移。客户是银行最大的资源，特别是那些曾经创造价值的客户，一旦离开将给银行带来很大损失，因此如何挽留曾经创造价值的客户便成为这一阶段所关注的焦点，特别是对现阶段中国信用卡行业的发展状况来说，客户挽留的重要性特别突出。
·鉴于市场激烈的竞争
随着信用卡市场竞争的日益激烈，各家银行不断推出新产品，提供新服务，努力获取客户的青睐，这使客户的选择越来越多。越是优质的客户其手中所持的信用卡越多，同时客户也变得越来越精明了，哪家银行提供的优惠越多、服务越好，就会转向使用哪家银行的产品，导致客户关系非常不稳定，使得客户流失成为每一家银行在激烈争夺客户资源之后必然面临的一个问题。
·基于成本/收益的考察
从成本和收益两方面来看，就成本而言，目前在国内信用卡市场上，获得一个新客户的成本大约是挽留一个老客户的5倍，甚至更高；而从收益来看，据调查数据显示，“用户保持率”增加5%就有望为银行带来85%的利润增长。对目前国内信用卡行业发展而言，客户获取成本极高，而实现赢利，特别是持续赢利显得非常困难，因而实施客户挽留既是成本上的节约，更是实现长期赢利的需要。
实施目标：建立预警机制，有效实施挽留
√ 结合经验，全面总结客户流失原因
√ 建立模型，准确预测客户流失动向
√ 考察价值，科学制定客户挽留策略
客户流失原因
客户流失定义
在分析客户流失原因以及后续建立预测模型之前，都需要对信用卡业务中的客户流失定义有一定的了解。对于日常的业务运作而言，客户流失通常是指客户销户或销卡；但是对于分析来说，由于目前市场竞争的激烈性，简单地将客户流失等同于销卡或销户显然是不合适的，而应该考察客户是否还在持续使用卡片，是否还有账户超存，否则就认为是“无声的流失”，与直接销户的客户别无二致。在实际分析过程中，每家银行可以根据自身的业务需求及从模型评估的有效性等因素进行相应的客户流失定义。
客户流失原因
这里所指的客户流失原因，仅是通过经验及主观判断所总结的各种可能的信号。至于这些信号中，哪些才是真正导致客户流失的主要因素，影响程度有多大，还需通过后续的建模分析确立，因此本部分仅作为模型分析的前期准备。
流失信号主要可以通过如下角度进行总结和提取：
状态型信号
·客户开户时间有多长？
银行对客户生命周期各个阶段的管理力度和效果都将通过客户流失的时间体现出来。例如：
综上所述，不同的管理状况将导致客户集中在某一个客户时长后流失。因此，客户开户时间是现有管理策略下客户流失的一个重要信号。
·客户进件渠道为哪个？
各种进件渠道所获得的客户质量以及用卡意愿会存在一定的差异性，因此导致客户流失比率也有很大的不同。这种差异性既存在于不同类别的渠道之间，也存在于相同类别的不同渠道之间，例如同样是分行渠道，每个分行所获得的客户流失率也不同；均为委外公司，其所获取的客户流失率也可能差异很大。
·客户是否使用过银行的其他产品？
一般认为，如果客户正在使用或使用过本银行的其他产品，则该客户与本银行之间已经有了一定的关系基础，这种关系基础将决定这些客户和其他通过使用本行信用卡与银行初次建立关系的客户在流失率上存在一定的差异。因此，是否有使用银行的其他产品，也可以作为区分和识别客户流失可能性大小的一个重要信号。
事件型信号
·客户是否即将被收取年费？
年费对于那些用卡意愿较低的客户是非常敏感的，因此这些客户经常会因为年费的收取而离开银行。图15.1为需要收取年费客户的流失率的考察结果。
在所有需要收取年费的客户中，主动通过积分兑换减免年费的客户流失率低于通过银行进行年费冲减的客户，流失率最高的为年费未被冲减的客户。由此可见，是否收取年费可能是客户流失的重要导火索，特别是对于那些用卡意愿很低的客户。而通过积分计划的客户，由于在积分活动中付出了努力，流失率更低。
·客户是否最近进行过投诉、处理情况如何？
客户向银行投诉的原因可能是多种多样的，包括产品、服务、承诺等等。造成客户投诉的原因不同，其导致的客户满意度的下降程度也不同。另一个决定在客户不满意之后去留的重要因素是银行对客户投诉的解决情况。表15.1是美国白宫对美国全国消费者统计调查中关于投诉处理情况与客户去留关系的数据。
从上述统计结果中，还可以看到一个更加严重的、潜在的客户流失信息，即不满意也未投诉客户，因此除了考察客户是否有投诉、为何原因投诉、处理结果如何以外，还应该尽量发现是否有其他客户也正在因为相同的问题而抱怨，这样的客户虽然不投诉，但流失的可能性更大。
·客户是否最近一次性将积分全部兑换？
客户决定离开银行之前，通常会尽量将其相关的利益一同带走。储存在客户账户中长久未用的积分也属于客户的利益之一，关于积分兑换情况与客户流失概率的关系也可以通过基础的统计结果进行考察，如表15.2所示。
从表15.2的基本统计结果可以看出，客户积分兑换程度直接反映出其离开的意愿大小。
·客户是否最近一次性取出卡中所有超存款项？
客户超存在信用卡账户中的款项属于其自身的财产，客户宁愿付出一定的手续费也要把其超存款项提走，可见其离开的意愿之强烈。因此，这种信号比全部兑换账户中的积分更能够预示客户的流失动向。
·客户的同事、亲属最近是否有从银行流失？
同样出自美国白宫关于消费者的调查统计，在客户不满意后，也许他/她不会投诉，但是却可能将这种不满意向16～20人进行诉说和抱怨。由此可见，一旦一个客户不满意银行的产品或服务等而决定要离开银行，与之有关系的客户也可能因为倾听了他/她的抱怨和诉说而导致满意度下降，甚至也决定离开银行。通过基本数据的考察，在客户关系网络中，如果一个客户离开，与其有关系的人中，配偶和同事的离开概率最大。
·客户最近是否有通过电话银行、手机银行、网上银行或手机上行短信与银行接触过？
客户如果通过一定的渠道或方式与银行主动进行接触或联系，很大程度上说明该客户仍然有继续使用信用卡的意愿，甚至某些通过电话银行的投诉也是这样，客户并非决定不再用卡，大多数情况下是希望通过问题的解决更好地继续使用。因此，如果投诉立即被解决，绝大多数客户仍然会继续使用该产品。与之相反，如果客户很长时间都未通过上述各种渠道与银行联系，则可能说明该客户已经不再使用该银行的信用卡了。
·客户最近是否有对相关的市场活动有反应？
如果一个客户对银行所有相关市场活动均无动于衷，说明要么该客户根本就不想再使用银行的产品，要么就是银行所推出的活动都不是客户所期望的。无论哪一种情形，都说明客户的满意度在下降，甚至不存在了，要么已经发生了无声的流失，要么正准备离开。
行为型信号
在客户流失分析中所采用的行为变量，主要包括对客户近期的用卡行为及行为变化趋势进行描述的RFM【近期性--Recency、频次性--Frequency、货币价值性--Monetary】类变量。包括：
·客户最后一次交易时间【R】
·客户最近一段时间内的月均交易频次【F】
·客户最近一段时间内的月均交易金额【M】
在考察RFM类信息时，通常会对上述三类指标进行综合考察，按照每一类指标对客户进行排序，将每一类变量的排序结果分成等份，一般选择5等份，每一等份给予一个编号【1～5】，再将不同指标所得的编号进行组合就可以得到125组客户。如图15.2所示，认为每一组内的所有客户对所要考察的目标具有类似的属性。
依据上述RFM的组合结果，并结合经验，可以很直观地了解到“111”组合的客户，即最近一次用卡距今很近，最近一段时间月均消费频次、交易金额很高的客户，其流失倾向很小；相反，“555”组合的客户，即很久没有用卡，最近一段时间内的月均交易频次和金额都很低的客户，流失的可能性很大，甚至已经无声地离开了。
·客户最近一段时间内与之前相同时长相比交易频次的变化程度
·客户最近一段时间内与之前相同时长相比交易金额的变化程度
无论是交易金额还是交易频次，如果最近一段时间较比之前相同时长急剧下降，则说明该客户已经有了很明显的流失动向；相反，如果客户之前的使用量一直很一般，但最近一段时间发生了明显的上升，则说明该客户的忠诚度有了明显的提高。
客户流失模型
前面对客户流失的原因进行了全面而深入的分析，分为不同类别的流失信号。在这些信号搜集以及客户流失定义的基础上，便可以通过统计分析的方法建立起能够预测客户流失概率的客户流失模型。该模型同时也可以准确地分析上述各种信号对客户流失的影响程度。
另外，对不同开户时长的客户，由于其与银行之间的关系程度不同，促成客户流失的主要动因也存在一定的差异性，并且银行从开户时长不同的客户所能获得的流失信号种类也存在一定的差异性【主要是行为型信号】，因此需要对开户时长不同的客户群体分别建立客户流失模型。
建模案例
建模目的
预测客户未来流失的概率。
建模分类
对客户流失模型，按照客户账龄建立不同的预测模型，划分依据如下：
模型1：开户0～6个月
模型2：开户6～12个月
模型3：开户12个月以上
建模素材
不同客户流失模型的建立过程中，主要涉及的素材及具体定义为：
模型Ⅰ
·风险定义【Y】
·预测变量【X】
X1：账龄多长，进件渠道，是否使用银行的其他产品
X2：是否需收取年费，是否有投诉、处理情况如何，是否一次性取出超存款项，是否有同事、亲属离开银行，是否有通过电话银行、手机银行、网上银行或手机上行短信与银行接触过，是否对市场活动作出反应
X3：最近一次消费距今???长
模型Ⅱ
·风险定义【Y】
·预测变量【X】
X1：账龄多长，进件渠道，是否使用银行的其他产品
X2：最近三个月内--是否需收取年费，是否可以冲减，是否有投诉、处理情况如何，是否一次性用完积分，是否一次性取出超存款项，是否有同事、亲属离开银行，是否有通过电话银行、手机银行、网上银行或手机上行短信与银行接触过，是否对市场活动作出反应
X3：最近一次消费距今时长，最近三个月消费频次，最近三个月消费金额，最近三个月与之前三个月相比的消费频次变化程度，最近三个月与之前三个月相比的消费金额变化程度
模型Ⅲ
·风险定义【Y】
·预测变量【X】
X1：账龄多长，进件渠道，是否使用银行的其他产品
X2：最近三个月内--是否需收取年费，是否可以冲减，是否有投诉、处理情况如何，是否一次性用完积分，是否一次性取出超存款项，是否有同事、亲属离开银行，是否有通过电话银行、手机银行、网上银行或手机上行短信与银行接触过，是否对市场活动作出反应
X3：最近一次消费距今时长，最近六个月消费频次，最近六个月消费金额，最近六个月与之前六个月相比的消费频次变化程度，最近六个月与之前六个月相比的消费金额变化程度
建模方法
建模方法及工具：建模所采用的统计分析方法主要为Logistic回归方法，选用SAS软件作为建模工具。
建模结果
在选定的建模素材的基础上，运用统计分析方法建立模型，预测出不同账龄客户未来的流失概率，同时也可以考察不同预测变量对客户未来流失情况的影响程度。举例如表15.3。
客户挽留策略
通过客户流失模型，可以对客户的流失倾向进行动态的预测，从而预测出未来一段时间内流失客户的可能性，作为实施客户挽留的重要依据。另一方面，还需要结合客户的历史价值或潜力，确定真正值得挽留的客户。对于历史价值或潜力很高的客户，投入更多的人力、物力确保挽留成功；而对于那些历史价值很低，甚至没有创造过历史价值的客户，则可以放弃，因为其留下来最大的可能性就是继续消耗银行资源而不能带来收益。
依据流失模型的预测结果，包括流失的可能性以及主导因素，并结合客户以往为银行所创造的价值或客户潜力，可以制订相应的挽留措施，如表15.4中的举例。
本章小结
客户流失将会给银行带来很大的损失，银行必须及时把握客户流失动向，做到提前预警，及时防范。因此，全面分析造成客户流失的各种原因【或称信号】，在此基础上建立符合不同账龄客户的流失预测模型，准确地预测出客户未来发生流失的可能性，从而对可能产生流失，并且潜力或历史价值较大的客户制订有效的挽留措施，尽量降低流失对银行收益的影响。
