几乎每一个公司在获取一个新客户所投入的成本都远大于保持一个上等客户的成本。KownServce（ISP，如中国的163）所面临的一个难题是，它每月经历每月8%的行业平均磨损（客户减少）率；这意味着如果他拥有100万客户，则每月会有8万的客户离它而去。替换这些客户的成本为每个200美金或者一共1600万，这也是着手磨损管理程序的主要动机。
KownServce要做的第一件事就是准备用来预测哪些客户会离开的数据。KownServce需要从客户数据库中选择变量并（可能）进行转换。KownServce的大多数用户是进行拨号连接，所以KownServce知道每一个客户连接到Web需要多长的时间。KownServce也知道客户计算机的传输的数据量、一个用户所用有的Email账号的数量、Email信息发送和接收的数量以及客户的账单历史。另外，KownServce还有客户拨号时提供的人口统计数据。
KownServce要做的第一件事就是需要识别哪些是“上等”客户。这并不是数据采集问题，而是通过计算得出的商业定义（如收益率或生命周期价值）。KownServce建立模型来剖析能带来收益的客户和不能带来收益的客户。KownServce不仅用这一模型来提高客户的保持力，还用它来识别哪些客户现在不能带来收益但将来却可以。
接着KownServce建立模型来预测哪些可以带来收益的客户会离开。在大多数数据采集问题中，决定如何使用哪些数据和怎样将现存数据结合起来是模型开发中最大的难题。例如：KownServce需要关注如每月使用的时间系列数据，模型中宁愿使用三个月中每月的平均数量而不采用原始的时间系列数据。KownServce也计算出三个月的平均数量的改变，并将它作为预测的依据。这些依据中一部分是非常好的，如下降的使用，它们是出现需要处理的问题的预兆；另外一些依据如服务请求的数量和它的平均数量的改变预示着客户满意度出现问题。
预测谁将出现离开是不够的。基于模型产生的结果，KownServce确定可能的计划和可以诱使客户留下的提议。例如一部分离开者由于超过固定费用下的可用量一大截的使用（上网）而需要支付次超过的得那一部分真实的费用；KownServce给这一部分用户提供较高费用的服务，但却包含更多的捆绑时间。也有一些客户被提议使用更多的磁盘空间来存放个人主页。KownServce建立模型来预测度一个特殊的用户需要提供更有效的提议。
总的说来，项目需要三个模型。一个模型用来确定离开用户，第二个模型用来选择可以带来收益的潜在的离开者来进行“饲养”，第三个模型为这些潜在的离开者匹配最适宜的提议。得到的结果是KownServce的客户离开率由8%下降到7.5%，这为KownServce每月减少获取客户的成本为$1,000,000。
KownServce发现自己的数据采集投资是有回报的——它改善了客户关系，并且引人注目地提高了收益。 |
