企業背景
中國某保險是一家中資的專業產險公司，憑藉集團的實力和創新理念，該集團在幾年內迅速實現了跨越式的發展。在經過了前期的快速擴張成長後，公司不斷推進信息化的行銷管理，來提升工作效率。尤其是對於車險電話銷售業務，面對大量的客戶和眾多的電話行銷團隊，如何利用分析預測來提高銷售成功率，這對於業務發展，將有很大的幫助。為解決大量的客戶訊息並達到預測新的目的，此保險公司採用SPSS Modeler，建立電話行銷回應預測模型，根據歷史名單撥號記錄，計算每位名單上客戶對電話行銷做出回應的可能性。保險公司可以根據回應率，選擇優良的電話行銷目標客戶，以提高電話銷售成功率。
面臨挑戰
本次測試希望透過研究歷史電銷記錄，瞭解客戶的現有訊息以及最終是否承保，並分析客戶特點與實際電話銷售回應之間的關係。因此藉由SPSS Modeler建構評分卡模型，對不同分群顧客進行區別銷售。
解決方案
由於客戶名單的原始數據完整性較差，且相當瑣碎，首先要使用SPSS Modeler的數據處理功能，對所有的名單進行處理和整合。將零散的客戶名單匯整在一起，再將指定時間的電銷記錄數據進行整併，與相應的客戶名單進行匹配。
圖1 數據匯整與匹配
匹配完的數據便能夠進行樣本挑選。由於電話銷售類的業務一般回應率較低，如直接對所有的樣本進行分析建模，則模型往往會被大量的非回應用戶所影響而很難成功找出回應用戶的特徵並識別出這些客戶。因此對於此類研究，我們常常需要重新調配建模樣本的比例，將所有的回應客戶和部分的未回應客戶挑選出來，作為模型建立樣本，於此基礎上樣本分割為訓練集和測試集。
圖2 訓練集及測試集
SPSS Modeler提供了多種算法來建構回應判別模型：決策樹（Decision Tree）、羅吉斯迴歸（Logistic Regression）、區別分析（Discriminate analysis）、類神經網路（Neural Network）、支援向量機（Support Vector Machine）等，對各種分類模型分別建模。通過
- 模型在測試數據集上的整體準確率；
- 模型在測試數據集上的電銷重覆率；
- 模型在測試數據集上的回應命中率；
- 模型在測試數據集上前10%和30%的提升度。
對模型進行評估，並選取最終適合該業務問題的模型。
圖3 模型建構
進行建立模型，可以預測變數的重要性，對於這些變數的分析研究，可以提供對業務模式的解釋依據，並對行銷人員的實際操作有一定的指導作用。
自動建模器可以將多種模型算法進行比較整合，通過整合可以避免單個模型的局限性從而使整體準確性更高。
圖4 模型評估
模型的主要輸出結果是將當前未開發的客戶在接到行銷電話時做出正面回應的傾向性進行得分評估。在對來源名單中的所有客戶評估分數後，再根據實際電話銷售團隊的情況，將優選的名單分派到指定的電銷人員清單中。
利用SPSS Modeler建立預測回應模型，可以對電話銷售業務模式進行優選，控制成本，並提升邊際收益。