本文關鍵詞： 物流企業(yè) 客戶流失預測 半監(jiān)督學習 協(xié)同訓練 非均衡數(shù)據(jù)分類　出處：《合肥工業(yè)大學》2017年碩士論文　論文類型：學位論文

【摘要】：隨著物流行業(yè)競爭的加劇,各物流企業(yè)提供的服務質量越來越高,且差異越來越小,客戶的選擇也越來越多,所以客戶流失是每個物流企業(yè)都不得不面對的難題。由于客戶流失會給物流企業(yè)帶來巨大的損失,因此,客戶流失問題受到了企業(yè)界和學術界的廣泛關注。目前,已有大量的客戶流失預測方法來解決該問題,主要分為傳統(tǒng)分類方法和非均衡數(shù)據(jù)分類方法。雖然這兩種方法已經(jīng)取得了較好的預測效果,但這些方法往往需要大量的有標記客戶數(shù)據(jù)。而在物流企業(yè)的客戶流失預測中,獲取大量的有標記客戶數(shù)據(jù)代價昂貴。因此,如何綜合利用有標記客戶數(shù)據(jù)和無標記客戶數(shù)據(jù)來對物流企業(yè)的客戶流失進行預測,成為當前亟待解決的問題。半監(jiān)督學習是一種能夠有效利用有標記數(shù)據(jù)和無標記數(shù)據(jù)進行學習的方法。因此,本研究將半監(jiān)督學習中的Co-training方法應用到物流企業(yè)客戶流失預測問題中,來解決其存在的數(shù)據(jù)非均衡分布和獲取有標記客戶數(shù)據(jù)代價昂貴的問題。首先,本研究系統(tǒng)分析了客戶流失預測和半監(jiān)督學習的研究現(xiàn)狀,分析了目前客戶流失預測和半監(jiān)督學習研究中存在的問題。其次,本研究對客戶流失預測、物流企業(yè)中的客戶流失預測和數(shù)據(jù)挖掘的基礎理論進行了系統(tǒng)研究,分析了客戶關系管理概述、客戶流失概念及類型和客戶流失預測過程,以及物流企業(yè)客戶關系管理的特點、物流企業(yè)客戶流失的主要原因和物流企業(yè)客戶流失預測的兩類錯誤,還分析了數(shù)據(jù)挖掘概述和數(shù)據(jù)挖掘中的兩類分類方法。然后,在此基礎上,針對客戶流失預測中存在的數(shù)據(jù)非均衡分布和半監(jiān)督學習問題,本研究將Co-training方法應用到客戶流失預測中,并構建了基于半監(jiān)督學習的客戶流失預測模型。最后,以物流企業(yè)為應用背景,基于本研究提出的模型,本研究開發(fā)了面向物流企業(yè)的客戶流失預測原型系統(tǒng)。通過將本研究提出的客戶流失預測模型應用到實際應用場景中,來對模型的有效性和實用性進行驗證。實驗結果表明,本研究提出的模型在實際應用中取得了較好的預測效果。通過本研究,一方面,從客戶流失預測研究中存在的問題入手,將Co-training方法應用到客戶流失預測問題中,構建了基于半監(jiān)督學習的客戶流失預測模型,豐富和完善了客戶流失預測的理論研究體系;另一方面,將提出的客戶流失預測模型應用到物流企業(yè)中,開發(fā)了面向物流企業(yè)的客戶流失預測原型系統(tǒng),為準確地預測物流企業(yè)的客戶流失提供了行之有效的方法。
[Abstract]:With the logistics industry competition, service quality and the logistics enterprise is higher, and the difference is more and more small, customers choose more and more, so the loss of customers is a problem that every logistics enterprises have to face. Because of the loss of customers will bring huge losses to the logistics enterprises so the customer churn problem has been widespread business circles and academic circles. At present, there are a large number of customer churn prediction method to solve this problem, mainly divided into the traditional classification methods and imbalanced data classification methods. Although these two methods have achieved good prediction results, but these methods often require a large amount of labeled data. And the customer in logistics enterprises the customer churn prediction, access to a large number of labeled customer data is expensive. Therefore, how to use customer data marked and unmarked customer data to logistics The loss prediction of enterprise customers, has become an urgent problem to solve. Semi supervised learning is an effective use of labeled data and unlabeled data to learn the method. Therefore, this study will prediction problem of semi supervised Co-training learning method applied to the logistics enterprise customer churn, to solve the existing data balanced distribution and access to customer data marked expensive problems. Firstly, this study analyzes the research status of customer churn prediction and semi supervised learning, analyzes the problems of customer churn prediction and semi supervised learning problems in the research. Secondly, the research of customer churn prediction, the basic theory of logistics enterprise customer churn prediction and data mining is studied and analyzed CRM, customer churn prediction process and loss of the concept and types of customers, and Flow characteristics of enterprise customer relationship management, two kinds of error causes of customer churn prediction of logistics enterprise and logistics enterprise customer churn, analyzes two classification methods overview of data mining and data mining. Then, on this basis, according to the customer churn prediction in the presence of data distribution and non balanced semi supervised learning problems in this study, the Co-training method is applied to the customer churn prediction, and the construction of the semi supervised learning based customer churn prediction model. Finally, taking the logistics enterprise as the background, this study based on the proposed model, this study developed for logistics enterprise customer churn prediction system. The forecast model will be applied to practical application in the scene the loss to the customer, the validity and practicability of the model is verified. The experimental results show that the application of the model proposed by this study in practice Get a better prediction result. Through this research, on the one hand, the customer churn prediction research in the existing problems, the Co-training method is applied to the prediction of customer churn, based on semi supervised learning model of customer churn prediction, enrich and improve the customer churn prediction theory research system; on the other hand, the customer churn prediction model is applied to the logistics enterprise, development oriented logistics enterprise customer churn prediction prototype system provides effective method for accurate prediction of customer churn of logistics enterprises.

【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F274;F253

【相似文獻】

相關期刊論文 前10條

1 范云峰;;解迷客戶流失[J];創(chuàng)新科技;2003年05期

2 劉寒冰;;客戶流失原因淺析[J];飼料博覽;2006年01期

3 V.庫馬爾;;美國公司如何避免客戶流失[J];IT時代周刊;2010年11期

4 王春嬉;李雪萍;;淺議A餐館的客戶流失[J];經(jīng)營管理者;2012年02期

5 嚴偉;如何防范客戶流失[J];企業(yè)管理;2003年06期

6 范云峰;;客戶流失現(xiàn)象分析[J];經(jīng)營者;2003年05期

7 潘振明;;誰動了我的客戶——印刷企業(yè)如何防范客戶流失[J];印刷經(jīng)理人;2003年09期

8 張麗華 ,鎖磊 ,陳松青;用戶滿意度測評在預防客戶流失中的作用[J];中國質量;2004年12期

9 張莉;;防范客戶流失要怎么做[J];北方牧業(yè);2004年10期

10 李競明,尹柳營;客戶流失的原因分析和防范[J];江蘇商論;2005年05期

相關會議論文 前10條

1 司學峰;蔣國瑞;李英毅;;基于數(shù)據(jù)挖掘技術的客戶流失預測研究綜述[A];第三屆中國智能計算大會論文集[C];2009年

2 李紅霞;;電信客戶流失與客戶保持分析[A];中國企業(yè)運籌學[C];2009年

3 張俊巍;;電信行業(yè)客戶流失管理模型淺析[A];黑龍江省通信學會學術年會論文集[C];2005年

4 段巍巍;;電信客戶流失預測主題建模[A];第十屆中國科協(xié)年會信息化與社會發(fā)展學術討論會分會場論文集[C];2008年

5 張海波;趙煥成;;電信移動客戶流失的預測模型——基于社會網(wǎng)絡分析的實證研究[A];21世紀數(shù)量經(jīng)濟學（第11卷）[C];2010年

6 蘇小龍;;基于消費行為認知的固網(wǎng)大客戶流失研究[A];中國創(chuàng)新與企業(yè)成長（CI&G）2013年度會議論文集[C];2013年

7 余力濤;黨延忠;楊光飛;;基于遷移學習的客戶流失預測模型[A];第六屆（2011）中國管理學年會——商務智能分會場論文集[C];2011年

8 李保升;陸煒穎;呂廷杰;;移動客戶流失預測模型研究[A];2006中國控制與決策學術年會論文集[C];2006年

9 柳炳祥;盛昭翰;;一種基于Rough集的客戶流失風險分析方法[A];2002年中國管理科學學術會議論文集[C];2002年

10 李萍;齊佳音;舒華英;;歸因理論在移動客戶流失管理中的應用探討[A];全國第八屆工業(yè)工程與企業(yè)信息化學術會議論文集[C];2004年

相關重要報紙文章 前10條

1 冰藍;如何防止客戶流失[N];電腦商報;2005年

2 ;揭開客戶流失真相[N];計算機世界;2005年

3 吳U，

本文編號：1533838