本文選題：電子商務(wù)客戶流失預(yù)測 + 三階段模型　； 參考：《中國軟科學(xué)》2010年06期

【摘要】：采用某網(wǎng)上商場的2525名客戶樣本,構(gòu)建了基于SMC和最小二乘支持向量機(jī)(LSSVM)的電子商務(wù)客戶流失三階段預(yù)測模型。首先應(yīng)用SMC模型計算出客戶活躍度,以0.5為閾值判斷出客戶流失狀態(tài),識別出正判客戶和錯判客戶;其次將訓(xùn)練樣本送入LSSVM進(jìn)行訓(xùn)練和學(xué)習(xí),進(jìn)而對測試樣本的客戶流失狀態(tài)進(jìn)行判別,然后將誤判客戶樣本輸入最近鄰分類器進(jìn)行再判斷。結(jié)果表明,與SMC模型、BP神經(jīng)網(wǎng)絡(luò)模型、LSSVM模型相比,三階段模型對測試樣本預(yù)測精度更高,是一種更有效和實用的分類方法,可為電子商務(wù)企業(yè)客戶關(guān)系管理提供一個新的方法。
[Abstract]:Using 2525 customer samples from an online shopping mall, the three phase prediction model of e-commerce customer loss based on SMC and LSSVM is constructed. First, the customer activity is calculated by using SMC model. The customer loss state is judged by the threshold of 0.5, and the customer is identified and the customer is misjudged. Secondly, the training sample is sent to the customer. The three stage model is more effective and practical than the SMC model, the BP neural network model and the LSSVM model. The results show that the three stage model is more accurate than the SMC model, the BP neural network model and the LSSVM model. Class method can provide a new method for customer relationship management in e-commerce enterprises.

【作者單位】： 北京理工大學(xué)管理與經(jīng)濟(jì)學(xué)院;五邑大學(xué)經(jīng)濟(jì)管理學(xué)院;
【基金】：國家自然科學(xué)基金項目(70471074) 廣東省自然科學(xué)基金項目(9452902001004060) 國家博士后科學(xué)基金(20100470008)
【分類號】：F713.36

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 趙宇;李兵;李秀;劉文煌;任守榘;;基于改進(jìn)支持向量機(jī)的客戶流失分析研究[J];計算機(jī)集成制造系統(tǒng);2007年01期

2 齊佳音,李懷祖,舒華英,秦良娟;SMC模型在IT分銷業(yè)的實證案例研究[J];系統(tǒng)工程理論與實踐;2004年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王爾丹;人群運動與密度估計技術(shù)研究[J];安全;2005年03期

2 馮學(xué)軍;;最小二乘支持向量機(jī)的研究與應(yīng)用[J];安慶師范學(xué)院學(xué)報(自然科學(xué)版);2009年01期

3 周德強(qiáng);馮建中;;建筑物沉降預(yù)測的改進(jìn)Verhulst模型研究[J];地下空間與工程學(xué)報;2011年01期

4 王立平;孔小梅;付夢印;王美玲;張甲文;姜明;;Temperature Drift Modeling of FOG Based on LS-WSVM[J];Journal of China Ordnance;2008年03期

5 王亮;胡靜濤;;基于LS-SVM的光刻過程R2R預(yù)測控制方法[J];半導(dǎo)體技術(shù);2012年06期

6 田盛豐;基于核函數(shù)的學(xué)習(xí)算法[J];北方交通大學(xué)學(xué)報;2003年02期

7 薛彥軼;劉曉東;;基于最小二乘支持向量機(jī)的航材備件需求建模[J];兵工自動化;2007年06期

8 高博;譚永紅;張新良;;基于在線LSSVM的超聲波電機(jī)轉(zhuǎn)速預(yù)測器[J];兵工自動化;2007年09期

9 張麗葉;鄭紹鈺;;基于LS-SVM的裝備研制費用建模與分析[J];兵工自動化;2009年02期

10 紀(jì)鳳珠;王長龍;王瑾;孫欽蕾;;基于稀疏化LS-SVM的漏磁缺陷三維輪廓重構(gòu)[J];兵工學(xué)報;2008年05期

相關(guān)會議論文 前10條

1 宋海鷹;桂衛(wèi)華;陽春華;;基于核偏最小二乘的簡約最小二乘支持向量機(jī)及其應(yīng)用研究[A];第二十六屆中國控制會議論文集[C];2007年

2 宋海鷹;桂衛(wèi)華;陽春華;;基于最小二乘支持向量機(jī)的Hammerstein-Wiener模型辨識[A];第二十六屆中國控制會議論文集[C];2007年

3 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六屆中國控制會議論文集[C];2007年

4 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六屆中國控制會議論文集[C];2007年

5 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六屆中國控制會議論文集[C];2007年

6 ;LS-SVM Based Stable Generalized Predictive Control[A];第二十七屆中國控制會議論文集[C];2008年

7 閻綱;梁昔明;龍祖強(qiáng);李翔;;一種新的提前一步預(yù)測控制算法[A];第二十七屆中國控制會議論文集[C];2008年

8 孫玉坤;王博;丁慎平;;基于模糊支持向量機(jī)的賴氨酸發(fā)酵軟測量[A];第二十七屆中國控制會議論文集[C];2008年

9 ;GA Based LS-SVM Classifier for Waste Water Treatment Process[A];第二十七屆中國控制會議論文集[C];2008年

10 柴偉;孫先仿;喬俊飛;;有監(jiān)督的等距映射和k近鄰分類結(jié)合用于集員辨識[A];第二十九屆中國控制會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 趙瑩;半監(jiān)督支持向量機(jī)學(xué)習(xí)算法研究[D];哈爾濱工程大學(xué);2010年

2 李書艷;單點氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測及其機(jī)制研究[D];蘭州大學(xué);2010年

3 張明;電能質(zhì)量擾動相關(guān)問題研究[D];華中科技大學(xué);2010年

4 許偉;基于進(jìn)化算法的復(fù)雜化工過程智能建模方法及其應(yīng)用[D];華東理工大學(xué);2011年

5 向國齊;支持向量回歸機(jī)代理模型設(shè)計優(yōu)化及應(yīng)用研究[D];電子科技大學(xué);2010年

6 羅彬;基于MMOI方法的電信客戶流失預(yù)測與挽留研究[D];電子科技大學(xué);2010年

7 桑永勝;空間數(shù)據(jù)分析的神經(jīng)計算方法[D];電子科技大學(xué);2010年

8 渠瑜;基于SVM的高不平衡分類技術(shù)研究及其在電信業(yè)的應(yīng)用[D];浙江大學(xué);2010年

9 包鑫;穩(wěn)健回歸技術(shù)及其在光譜分析中的應(yīng)用[D];浙江大學(xué);2010年

10 甘良志;核學(xué)習(xí)算法與集成方法研究[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 曾傳華;基于顏色和紋理特征的竹條分級方法研究[D];華中農(nóng)業(yè)大學(xué);2010年

2 田文娟;基于支持向量機(jī)的人民幣序列號識別方法的研究[D];山東科技大學(xué);2010年

3 孟培培;基于3S的土地督察信息系統(tǒng)研究[D];山東科技大學(xué);2010年

4 李海清;支持向量機(jī)在金融市場預(yù)測中的應(yīng)用[D];遼寧師范大學(xué);2010年

5 李光遠(yuǎn);基于在線聚類和最小二乘支持向量機(jī)的模糊建模方法研究[D];鄭州大學(xué);2010年

6 王巧立;微生物發(fā)酵過程的建模與優(yōu)化控制研究[D];鄭州大學(xué);2010年

7 曲昆鵬;基于支持向量機(jī)的雜草識別研究[D];哈爾濱工程大學(xué);2010年

8 田向偉;基于參數(shù)優(yōu)化LSSVM在轉(zhuǎn)爐煤氣系統(tǒng)預(yù)測中的應(yīng)用[D];大連理工大學(xué);2010年

9 穆大蕓;多變量時間序列預(yù)測與儲備池優(yōu)化方法研究[D];大連理工大學(xué);2010年

10 高和東;GPU并行計算在LSSVM建模中的研究與應(yīng)用[D];大連理工大學(xué);2010年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 李建平,徐偉宣,劉京禮,石勇;消費者信用評估中支持向量機(jī)方法研究[J];系統(tǒng)工程;2004年10期

2 楊樹蓮;數(shù)據(jù)挖掘在電信行業(yè)客戶流失分析中的應(yīng)用[J];計算機(jī)與現(xiàn)代化;2005年02期

3 許建華,張學(xué)工,李衍達(dá);支持向量機(jī)的新發(fā)展[J];控制與決策;2004年05期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱幫助;;基于SMC-RS-LSSVM的電子商務(wù)客戶流失預(yù)測模型[J];系統(tǒng)工程理論與實踐;2010年11期

2 蔡冬松;靖繼鵬;;基于最小二乘支持向量機(jī)的數(shù)據(jù)挖掘應(yīng)用研究[J];情報科學(xué);2005年12期

3 張本法;楊賽楠;潘豐;;基于支持向量機(jī)的發(fā)酵過程建模研究[J];控制工程;2006年04期

4 郭輝;劉賀平;王玲;;基于最小二乘支持向量機(jī)對偶優(yōu)化問題的核偏最小二乘[J];北京科技大學(xué)學(xué)報;2006年08期

5 張國云;彭仕玉;;混沌時間序列的最小二乘支持向量機(jī)預(yù)測[J];湖南理工學(xué)院學(xué)報(自然科學(xué)版);2006年03期

6 劉瑞蘭;駱中華;蘇宏業(yè);;基于最小二乘支持向量機(jī)的復(fù)合肥裝置養(yǎng)分含量的軟測量建模[J];化工自動化及儀表;2006年05期

7 王定成;姜斌;;在線稀疏最小二乘支持向量機(jī)回歸的研究[J];控制與決策;2007年02期

8 祝曉魯;白振興;賈海燕;;自動文本分類技術(shù)研究[J];現(xiàn)代電子技術(shù);2007年03期

9 吳青;劉三陽;杜U，

本文編號：1848254