本文關(guān)鍵詞：基于數(shù)據(jù)挖掘技術(shù)的移動(dòng)客戶流失預(yù)測研究

  更多相關(guān)文章： 數(shù)據(jù)挖掘 客戶流失 Logistic回歸 決策樹 客戶流失管理

【摘要】：在大數(shù)據(jù)時(shí)代,誰能夠吸取隱藏在這些大數(shù)據(jù)后面的有用知識(shí),并把這些隱性知識(shí)利用起來,誰就有機(jī)會(huì)率先發(fā)現(xiàn)商機(jī)。數(shù)據(jù)挖掘,就是這樣一門技術(shù),它能夠從海量數(shù)據(jù)中提取人們感興趣的知識(shí)。近十幾年來,出現(xiàn)了許多數(shù)據(jù)挖掘的新方法,如神經(jīng)網(wǎng)絡(luò)、文本挖掘、支持向量機(jī)等,特別是最近幾年,數(shù)據(jù)挖掘基本概念和方法都已成型,并逐漸得到人們的認(rèn)可。數(shù)據(jù)挖掘研究正在向更深層次的方向發(fā)展! 隨著電信改革的不斷深入,近幾年通信行業(yè)在我國蓬勃發(fā)展,其產(chǎn)業(yè)結(jié)構(gòu)鏈變得越來越復(fù)雜,很多環(huán)節(jié)都影響了客戶行為,從而也賦予了客戶流失新的內(nèi)涵,使得客戶挽留與客戶保有難度加大。于是,國內(nèi)很多電信運(yùn)營商開始尋找新的方法,預(yù)測電信客戶的流失問題。基于數(shù)據(jù)挖掘技術(shù)的電信客戶流失預(yù)測研究便開始在國內(nèi)發(fā)展起來! 本文根據(jù)客戶價(jià)值與客戶生命周期理論,借助H市移動(dòng)公司的業(yè)務(wù)數(shù)據(jù),采用了Logistic回歸和決策樹的數(shù)據(jù)挖掘算法,遵循CRISP-DM標(biāo)準(zhǔn)數(shù)據(jù)建模準(zhǔn)則,逐步按照商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、模型構(gòu)建、模型評(píng)估與模型部署的步驟,對(duì)移動(dòng)客戶流失問題做了預(yù)測研究,并為移動(dòng)客戶的流失管理提供了戰(zhàn)略性策略。 全文共分為六個(gè)章節(jié)。 第一章緒論。對(duì)本文的研究背景、研究現(xiàn)狀、主要研究內(nèi)容、研究方法和創(chuàng)新點(diǎn)進(jìn)行了描述。 第二章數(shù)據(jù)挖掘概述。對(duì)數(shù)據(jù)挖掘的內(nèi)涵、數(shù)據(jù)挖掘工具、挖掘算法和建模方法論進(jìn)行了總結(jié),尤其是詳細(xì)介紹了決策樹和Logistic回歸挖掘算法；在梳理CRISP-DM數(shù)據(jù)挖掘方法論的基礎(chǔ)上,詳細(xì)講解了使用Logistic回歸建模的全過程。 第三章移動(dòng)客戶流失相關(guān)理論分析。首先對(duì)移動(dòng)客戶流失的概念進(jìn)行了界定,確定了本文研究的對(duì)象；然后介紹了與客戶流失相關(guān)的理論,即客戶價(jià)值理論和客戶關(guān)系生命周期理論；最后定性的提出了影響移動(dòng)客戶流失的原因,并分類做了闡述。 第四章移動(dòng)客戶流失實(shí)證分析。采用H市移動(dòng)公司的業(yè)務(wù)數(shù)據(jù),使用Logistic回歸和決策樹建立了移動(dòng)客戶流失預(yù)測模型,按照業(yè)務(wù)理解、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)探索、變量選擇、模型構(gòu)建與選擇、模型評(píng)估和模型結(jié)果分析的數(shù)據(jù)挖掘流程,對(duì)移動(dòng)客戶流失問題做了預(yù)測研究。其中在變量選擇時(shí),提出了使用WOE值和Ⅳ值篩選變量的新方法,通過建立的3個(gè)模型效果對(duì)比分析,可以看出用WOE值能夠?qū)ogistic回歸模型的輸入變量進(jìn)行離散化處理,并且也可以用Ⅳ值來篩選預(yù)測變量。另外,3個(gè)模型對(duì)比分析,通過查看它們的提升圖,可以得出兩個(gè)結(jié)論：第一,使用WOE值離散化變量,能夠提升Logistic回歸模型效果；第二,使用Logistic回歸比使用決策樹構(gòu)建移動(dòng)客戶流失預(yù)測模型的效果更好。 第五章移動(dòng)客戶流失管理策略。根據(jù)第三章的客戶價(jià)值理論和客戶生命周期理論,結(jié)合第四章實(shí)證分析得到的客戶流失預(yù)測模型結(jié)果,創(chuàng)新性地將潛在流失客戶分成三類,即考察期低價(jià)值客戶、穩(wěn)定期低價(jià)值客戶和退化期高價(jià)值客戶,并分別制定了客戶挽留策略和營銷策略。 第六章對(duì)全文進(jìn)行總結(jié),并為以后的研究提供了建議。 本文的創(chuàng)新之處主要有以下兩點(diǎn)： 第一,由本研究的客戶流失文獻(xiàn)綜述可知,大部分的學(xué)者在做客戶流失預(yù)測分析時(shí),只是利用了一種數(shù)據(jù)挖掘算法或者沒有實(shí)證分析,缺乏使用多種數(shù)據(jù)挖掘算法建模之間的對(duì)比分析。本文使用了Logistic回歸和決策樹兩種數(shù)據(jù)挖掘算法對(duì)比研究移動(dòng)客戶流失問題。通過模型的對(duì)比分析,更能說明模型的提升效果。 第二,在很多使用數(shù)據(jù)挖掘技術(shù)預(yù)測客戶流失的研究中,數(shù)據(jù)挖掘建模中的變量選擇過程講解不詳細(xì)透徹。本文在研究時(shí),采用了基于區(qū)分度、變量的WOE值和Ⅳ值、相關(guān)性的方法來共同篩選自變量,使得選擇輸入變量有據(jù)可依。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 客戶流失 Logistic回歸 決策樹 客戶流失管理
【學(xué)位授予單位】：西南財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：F274;F626
【目錄】：

• 摘要4-6
• ABSTRACT6-9
• 目錄9-12
• 1. 緒論12-19
• 1.1 研究背景12-13
• 1.2 客戶流失文獻(xiàn)綜述13-16
• 1.2.1 客戶流失國外研究13-14
• 1.2.2 客戶流失國內(nèi)研究14-16
• 1.3 主要研究內(nèi)容16-17
• 1.4 本研究的創(chuàng)新點(diǎn)17
• 1.5 研究思路17-19
• 2. 數(shù)據(jù)挖掘概述19-37
• 2.1 數(shù)據(jù)挖掘的內(nèi)涵19-20
• 2.2 數(shù)據(jù)挖掘工具20-22
• 2.2.1 IBM Intelligent Miner20-21
• 2.2.2 SPSS Clementine21
• 2.2.3 SAS Enterprise Miner21-22
• 2.2.4 其他挖掘工具22
• 2.3 數(shù)據(jù)挖掘算法22-31
• 2.3.1 關(guān)聯(lián)規(guī)則23
• 2.3.2 聚類分析23-24
• 2.3.3 決策樹24-26
• 2.3.4 Logistic回歸26-31
• 2.4 數(shù)據(jù)挖掘建模方法論31-37
• 2.4.1 CRISP-DM建模標(biāo)準(zhǔn)31-33
• 2.4.2 Logistic回歸建模過程33-37
• 3. 移動(dòng)客戶流失理論分析37-45
• 3.1 移動(dòng)客戶流失概念37-39
• 3.2 客戶流失相關(guān)理論39-43
• 3.2.1 客戶價(jià)值理論39-40
• 3.2.2 客戶關(guān)系生命周期理論40-43
• 3.3 移動(dòng)客戶流失的原因分析43-45
• 4. 移動(dòng)客戶流失實(shí)證分析45-59
• 4.1 模型的總體思路45
• 4.2 數(shù)據(jù)來源45
• 4.3 業(yè)務(wù)理解45-47
• 4.3.1 預(yù)測客戶群范圍45-46
• 4.3.2 流失客戶定義46-47
• 4.4 數(shù)據(jù)準(zhǔn)備47-50
• 4.4.1 數(shù)據(jù)描述47-49
• 4.4.2 模型時(shí)間窗口49
• 4.4.3 數(shù)據(jù)探索49-50
• 4.5 變量選擇50-53
• 4.5.1 基于區(qū)分度的篩選50
• 4.5.2 基于WOE值和IV值的篩選50-53
• 4.5.3 基于相關(guān)性的篩選53
• 4.6 模型構(gòu)建與選擇53-57
• 4.6.1 目標(biāo)客戶群的細(xì)分53-55
• 4.6.2 模型構(gòu)建55-56
• 4.6.3 模型選擇56-57
• 4.7 模型評(píng)估57-58
• 4.8 模型結(jié)果分析58-59
• 5. 移動(dòng)客戶流失管理策略59-62
• 5.1 考察期低價(jià)值客戶59-60
• 5.2 穩(wěn)定期低價(jià)值客戶60
• 5.3 退化期高價(jià)值客戶60-62
• 6. 總結(jié)與展望62-65
• 6.1 研究總結(jié)62-63
• 6.2 研究展望63-65
• 參考文獻(xiàn)65-67
• 致謝67-68
• 在讀期間科研成果目錄68

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 鳳爾銀,張陟,鄭賢鋒;Newton-Raphson方法優(yōu)化勢函數(shù)參數(shù)[J];安徽師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年03期

2 鄧森文;馬溪駿;;基于Cox模型的移動(dòng)通信行業(yè)中低端客戶流失預(yù)測研究[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年11期

3 夏國恩;;基于核主成分分析特征提取的客戶流失預(yù)測[J];計(jì)算機(jī)應(yīng)用;2008年01期

4 吳麗娜,周支立,劉斌;移動(dòng)通訊公司流失客戶信息分析[J];情報(bào)雜志;2005年05期

5 應(yīng)維云;藺楠;謝雅雅;李秀;;用LDA Boosting算法進(jìn)行客戶流失預(yù)測[J];數(shù)理統(tǒng)計(jì)與管理;2010年03期

，

本文編號(hào)：986935