客戶保持策略的制定，客戶的選擇，都必須抓住關鍵點，以數據分析為支持，不能憑空捏造。客戶保持中的流失預警、客戶生命周期研究、流失客戶分群、流失原因以及挽留措施和忠誠度測試，都需要客戶消費時長、ARPU值、使用次數、客戶心理特征、挽留策略偏好等數據的支持。因此，數據并不是經營分析人員所獨有，市場營銷人員，特別是客戶保持策略的制定者，更應該使用好“數據”這把利器。然而，如何能使沉寂的數據“活”出精彩，“唱”得漂亮呢？

掃清數據“舞蹈”的障礙

在現實的電信運營商的數據庫中，時常會出現這樣那樣的問題，如某個帳號的寬帶上網時長一天超過了86400秒，某個用戶某月的長途話費大于總話費，某個信息字段的數據值為空，某兩個數據之間的邏輯關系出現錯誤等等。這主要是由于數據在真實性、準確性和完整性方面存在短板所致。由于客戶保持分析中很重要的一塊是運用分群技術，如K-means、Two-steps或者神經網絡聚類，研究客戶流失原因、流失點預測以及應對策略分析等，而內部數據的錯誤將直接影響分群的結果，客戶流失預警點判斷和策略使用。因此，首先需要做的就是盡量掃去讓數據散發魅力的各種障礙。

盤活客戶反饋信息和經營數據的相互作用

電信運營商一般都會擁有自己比較完整的計費和帳務系統，從中可以獲取客戶消費行為，如客戶價值、在網年限、業務使用情況、使用次數、號碼集中度、外網呼叫次數等等；事實上，在日常工作中，運營商也經常使用這些數據來輔助分析，但他們往往會發現這些數據只是反映了客戶在行為方面的表現，卻無法捕捉客戶在心理層面的特征。這其實是缺乏一套完善的記錄客戶其它特征如職業、收入情況、促銷偏好、投訴次數、投訴內容等的系統，因此無從與這些積累的數以億計的消費記錄進行結合分析。其實客戶這些特征的獲取有許多途徑。

電信運營商一般都擁有自己的客服熱線，如電信的10000、移動的10086、網通的10060等，而這樣的區域呼叫中心（callcentre）每月收到的客戶反饋至少千萬，甚至上億，涉及的業務和服務種類過千，這些交互信息不僅時效性強，而且蘊涵著重要的商業價值。面對這樣的一塊信息瑰寶，目前許多電信運營商的做法僅僅是停留在認真對待客戶的每一起投訴和每一條建議的層面上，并沒有對這些信息進行整理、歸類、建庫，更不用說與企業內部數據相結合來挖掘客戶的消費行為周期，以預防客戶的流失，實為一件憾事。

在國內電信業中，中國移動的做法值得借鑒，他們對內外部數據結合的分析研究也頗有心得。例如專門針對營銷活動周期研究而開發的“客戶反饋—銷售業績組合曲線”，該曲線運用內部的銷售業績數據和外部的客戶反饋信息，考察營銷活動在不同時間顧客的反應，明確了營銷活動的關鍵時間點，內外部數據的結合，有助于中國移動制定各個階段的具體營銷策略，最大限度地提高營銷活動的效果。針對客戶保持，筆者建議同樣可以結合客戶反饋和客戶消費行為數據，去判斷客戶生命周期和客戶流失預警點，一般在用戶使用初期，投訴等信息反饋會相對較少，使用量相對穩定；當問題出現的時候，用戶對產品和服務的反饋會增加，使用量也維持穩定；但是當用戶的問題沒有得到解決的時候，用戶的反饋將越來越少，而使用量也逐漸降低，這就是客戶可能流失的預警信號了。單憑用戶的使用量下降來判斷用戶是否流失并不完全合適，結合客戶的反饋信息，除了增加客戶流失判斷的準確性外，還有助于挖掘客戶流失的原因，對癥下藥提出挽留方案。

另外，中國電信采用數據挖掘技術，從內部經營分析系統和其它業務系統中提取了這些客戶的背景信息、歷史產品擁有信息、過去兩年的電信業務消費信息等資料，作為流失判斷模型的訓練、測試樣本，并建立商業客戶顯性和隱性流失預警模型，輸出流失客戶名單，安排客戶經理上門走訪。實踐證明，該技術在一些地市分公司的商業客戶和大客戶流失預警研究中已經收到良好的效果。

使用內外部數據去研究客戶保持的方法還有待挖掘，關鍵是電信運營商要提高對客戶反饋信息的整理和與結合內部數據使用的關注度，才能發揮數據的真正作用。

電信行業是一個不斷流失、不斷獲取的行業，雖然客戶流失不可避免，但如果能夠適當運用基礎數據對客戶的行為、心理等方面分析，讓數據“活”起來，將可以最大限度地留住客戶，達到客戶保持目的。