隨著我國網(wǎng)民規(guī)模的不斷擴(kuò)大,在線旅行預(yù)訂市場具有巨大潛力可挖。由于在線旅行預(yù)訂市場用戶的不斷增長,說明其逐漸受到國民的青睞和關(guān)注。據(jù)統(tǒng)計(jì),攜程網(wǎng)占據(jù)了中國在線旅行預(yù)訂市場50%以上的市場份額。研究中國領(lǐng)先的綜合性在線旅行預(yù)訂服務(wù)公司,找出影響其用戶流失的關(guān)鍵因素,提出解決方案,防止客戶流失引發(fā)的經(jīng)營危機(jī)具有重要意義。同時(shí),論文在一定程度上豐富了國內(nèi)在在線旅行預(yù)訂市場這一領(lǐng)域的研究內(nèi)容。本文在梳理客戶流失相關(guān)理論基礎(chǔ)上,首先利用數(shù)據(jù)挖掘方法中的隨機(jī)森林算法、XGBoost算法及C4.5算法構(gòu)建攜程網(wǎng)客戶流失的模型,并對這些模型的性能進(jìn)行評估。其次,根據(jù)構(gòu)建的最優(yōu)模型,分析影響攜程網(wǎng)客戶流失的關(guān)鍵因素。最后,根據(jù)分析的結(jié)果提出了減少攜程網(wǎng)客戶流失的對策建議。本文主要工作如下:1.梳理客戶關(guān)系管理、客戶流失相關(guān)理論及數(shù)據(jù)挖掘方法中分類器算法的相關(guān)理論。通過梳理上述相關(guān)理論,發(fā)現(xiàn)數(shù)據(jù)挖掘方法中適合預(yù)測客戶流失的算法主要有隨機(jī)森林算法、XGBoost算法及C4.5算法。2.對攜程網(wǎng)客戶流失數(shù)據(jù)進(jìn)行描述性分析及數(shù)據(jù)預(yù)處理。首先,對流失客戶與非流失客戶的關(guān)系、訪問時(shí)間點(diǎn)(h)與客戶流失(label)...

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景
    1.2 研究目的及意義
        1.2.1 研究目的
        1.2.2 研究意義
    1.3 研究內(nèi)容及思路
        1.3.1 研究內(nèi)容
        1.3.2 研究思路
    1.4 研究現(xiàn)狀
        1.4.1 國外研究現(xiàn)狀
        1.4.2 國內(nèi)研究現(xiàn)狀
        1.4.3 國內(nèi)外研究情況簡要概述
2 客戶流失相關(guān)理論及數(shù)據(jù)挖掘概述
    2.1 客戶關(guān)系管理理論
    2.2 客戶生命周期理論
    2.3 客戶流失理論
    2.4 數(shù)據(jù)挖掘概述
3 數(shù)據(jù)預(yù)處理及描述性分析
    3.1 數(shù)據(jù)來源及說明
    3.2 客戶流失數(shù)據(jù)描述性分析
    3.3 數(shù)據(jù)預(yù)處理
4 客戶流失模型構(gòu)建與結(jié)果分析
    4.1 基于隨機(jī)森林算法構(gòu)建客戶流失模型
        4.1.1 決策樹模型及隨機(jī)森林算法概述
        4.1.2 模型性能評估方法
        4.1.3 基于隨機(jī)森林算法構(gòu)建客戶流失模型
    4.2 基于XGBoost算法構(gòu)建客戶流失模型
        4.2.1 XGBoost算法概述
        4.2.2 基于XGBoost算法構(gòu)建客戶流失模型
    4.3 基于C4.5算法構(gòu)建客戶流失模型
        4.3.1 C4.5算法概述
        4.3.2 基于C4.5算法構(gòu)建構(gòu)建客戶流失模型
    4.4 模型結(jié)果分析
5 攜程網(wǎng)客戶流失危機(jī)分析及對策
    5.1 影響攜程網(wǎng)客戶流失的關(guān)鍵因素
    5.2 減少攜程網(wǎng)客戶流失的相關(guān)對策
6 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間科研成果



本文編號：3849715