在上一篇聚焦流失预警的文章中，我们分享了数势科技通过算法模型帮助某金融证券公司预测流失客户并发出预警的成功实践，但从本质上讲，客户流失预警的目的是用户激活，提升留存率。因此，在流失预警阶段，数字化系统不但要帮助企业找到目标人群，更要协助企业进行潜在流失场景总结，剖析流失的主要原因，进而找到差异化介入服务突破口，最后在恰到好处的时机，设计恰如其分的营销策略以提前挽留客户。

然而在数字营销实践中，机器学习算法模型虽然能够取得超越专家经验的预测效果，但一直以其“黑盒化、不可解释”的特性备受诟病，难以帮助企业定位人群流失原因。所以，数势科技以因果推断技术来辅助营销人员挖掘流失原因，提供营销策略建议，从而让企业对流失客群营销“知其然”、更“知其所以然”，助力企业实现新客价值提升和存量持续活跃的良性闭环。
 

如何对预流失客户进行分层处理？

用户各流失场景背后的心理需求是怎样的？

什么样的用户流失场景需要更高优先级、更大力度的权益策略？

 

......

第一步，数势科技采用沙普利（Shapley）算法对模型预测结果进行事后分析，实现对每个客户的流失风险重要特征呈现。

沙普利算法来源于诺贝尔经济学奖获得者沙普利教授提出的合作博弈理论，比如这样经典的场景，甲乙丙希望共同合作完成一项任务，若甲乙合作可获利10元，甲丙合作可获利8元，乙丙合作可获利7元，每人独立做可获利2元。如果三人合作可以获利20元，那么这些利益该如何公平分配？

沙普利提出一种解法，即根据每个人的边际贡献率来进行分配，由于甲的加入，原本乙独立完成只能获利2元，但由于甲的加入，获利变为10元，那么在甲乙组合中，甲的价值就是8元，当然除了甲乙组合，还有甲丙、甲乙丙组合，最终计算各种组合下的甲的边际贡献平均值。

基于这个理论，数势科技结合机器学习特点，演化出了针对“黑盒模型”的可解释性算法。例如，当为了判别用户是否会发生流失时，某个特征具有较强的区分能力，经常被选择和使用，那么我们认为该特征具有更大的贡献度。沙普利算法核心是公平合理的计算每个特征的权重，公式如下：

第二步，数势科技在阐明用户流失风险特征后，还基于多年证券行业实践积累，对主要的用户流失场景进行分类，并根据场景之间的关联性，界定优先级。如表1展示，如“用户大额资金到账，无匹配行动”或“用户大额/大幅亏损”，数势判定为“弱流失”场景；“用户对平台服务抱怨”，是“中流失场景”；如果“用户大额资金流出”，则判定为“强流失场景”，需要优先制定策略进行挽留。

表1：流失场景分类与用户心理洞察和差异化服务推荐

最后，数势科技进一步对不同流失场景做深度挖掘，洞察场景背后的用户心理活动，并提供相应的策略建议。

对于弱流失和中流失用户，数势建议证券机构能够及时采用“专属权益类”服务接入引导以激活用户活跃度，或根据AB测试不断优化App内容，提升新客留存率。比如，当用户大额亏存损时，用户可能对于资深的投资能力与平台配置服务产生怀疑和忧虑情绪，此时证券机构需要及时加强心理安抚和陪伴，针对性的提供投顾服务，稳健配置产品；或者当用户抱怨平台服务时，可能是因为已经对平台感到不满，强烈希望反馈得到回复，此时数势建议赋能证券机构投顾经理话术，提升服务质量。

而对于近期有规律性大额资金转出的强流失用户而言，他们大多是自身资金流转需求或对平台大幅失望，开始进行资金的转移，此时挽回相对较为困难。因此，数势基于算法能力前置预测出此类资金强流失客户，并将此类客户挽回定为最高优先级，协助分支机构客户经理提供强流失客户的线索商机，提前维护客户关系建立信赖感，进而预防资金流失。如，陌拜高净值潜在强流失客户、举办私享会、向客户提供1v1资产配置服务等。

以上是数势在流失预警场景中的思考和实践，目前已经在十余家头部证券机构得到验证。“流失预警”是企业基于用户全生命周期进行精细化运营的重要手段，针对用户预流失预警和激活预召回场景，数势科技提供过硬的算法和技术能力，以及丰富的行业经验与经营理念，聚焦“提升客户价值”的核心目标，提供一系列预流失人群预警的创新运营策略，助力证券公司实现业务突破式增长