【摘要】： 針對當(dāng)前電信行業(yè)嚴(yán)重的客戶流失問題,文章在以前研究的基礎(chǔ)上,以構(gòu)建穩(wěn)定性好、精確度高的客戶流失預(yù)測模型為目標(biāo),基于C5.0、Neural Net、Logistic和SVM四種基本算法,從以下四個方面做了深入研究,并得到一套適合于省級電信運(yùn)營企業(yè)的客戶流失預(yù)測解決方案。 采用編碼方法生成衍生變量提升客戶流失預(yù)測模型的預(yù)測效果。在以前的研究中,流失預(yù)測模型的預(yù)測變量集一般都直接來自于客戶數(shù)據(jù)庫字段或經(jīng)過簡單計算得到,這些變量不能跟蹤客戶消費(fèi)行為變化對客戶流失傾向的影響。鑒于此,本文采用編碼的方法跟蹤客戶消費(fèi)行為的變化,并生成衍生變量作為預(yù)測變量集的部分變量,通過與不含這些衍生變量的變量集數(shù)據(jù)進(jìn)行對比研究,結(jié)果表明:含有這些衍生變量的變量集的預(yù)測效果更好。 提出基于不同細(xì)分標(biāo)準(zhǔn)的客戶流失預(yù)測混合模型構(gòu)建方法。由于省級電信運(yùn)營企業(yè)客戶數(shù)達(dá)到千萬級,各個地區(qū)的營銷策略有很大差異,并且客戶的品牌、消費(fèi)額、網(wǎng)齡等都有很大的不同。由于同類客戶往往具有相同的消費(fèi)傾向,有必要選取不同的細(xì)分變量將客戶分成不同的客戶子集,從而構(gòu)建客戶流失預(yù)測混合模型。通過實(shí)證結(jié)果表明,以地區(qū)為客戶細(xì)分變量的混合模型預(yù)測效果最佳,以賬單為客戶細(xì)分變量的混合模型預(yù)測效果其次,以網(wǎng)齡和品牌為客戶細(xì)分變量的混合模型預(yù)測效果較差的結(jié)論。 提出能夠提高客戶流失預(yù)測效果的最優(yōu)模型投票(VBBA)方法。對于電信客戶流失預(yù)測問題,由于流失客戶相對于非流失客戶來說比例很小,這種比例的失衡通常會污染模型,導(dǎo)致模型預(yù)測效果大幅下降。本文提出采用最優(yōu)模型投票方法來解決此問題,通過實(shí)證研究結(jié)果表明:最優(yōu)模型投票方法優(yōu)于任何單一模型的預(yù)測效果,是一種穩(wěn)定可靠的提升客戶流失預(yù)測效果的方法。 通過對準(zhǔn)確率、命中率、收益圖、提升圖和ROC曲線等多種分類評估方法的比較分析和實(shí)證研究,結(jié)果表明:ROC曲線用于多個電信客戶流失預(yù)測模型的比較評估時,具有圖形直觀、綜合性強(qiáng)和評估結(jié)果唯一的優(yōu)點(diǎn)。因此,建議采用ROC曲線進(jìn)行電信客戶流失預(yù)測模型的評估。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2009
【分類號】：F274;F626;F224
【圖文】：

.2.2 客戶流失預(yù)測模型客戶流失預(yù)測模型是基于客戶數(shù)據(jù)倉庫數(shù)據(jù)，如客戶的基本資料、消費(fèi)行費(fèi)行為等數(shù)據(jù)，采用數(shù)據(jù)挖掘技術(shù)而構(gòu)建的預(yù)測客戶在預(yù)定時間內(nèi)停止使用產(chǎn)品或服務(wù)的可能性模型�？蛻袅魇ьA(yù)測模型一般分為兩種：預(yù)測初始客戶流失人數(shù)和預(yù)測流失目標(biāo)[2]。初始客戶流失人數(shù)預(yù)測模型這種預(yù)測模型可以預(yù)測在預(yù)定時間范圍內(nèi)流失的客戶總數(shù)，但不會確定要的個人是誰。這種模型簡單而準(zhǔn)確，其提供的信息能夠?yàn)椴煌块T的能力計算管理提供援助。生成初始客戶流失人數(shù)預(yù)測模型一般分為以下3個步驟：(1)戶流失活動（流失率）的歷史記錄進(jìn)行繪圖；(2) 對特別指示的起因進(jìn)行調(diào)查) 根據(jù)發(fā)現(xiàn)的起因預(yù)測將來的客戶群。初始客戶流失人數(shù)預(yù)測結(jié)果示例見圖 示。單位

圖 2-11 邏輯函數(shù)圖形邏輯回歸方法的優(yōu)缺點(diǎn)優(yōu)點(diǎn)：模型通常較為準(zhǔn)確；它們可處理符號和數(shù)字類型的輸入字段；它們可以給出所有目標(biāo)類別的預(yù)測概率，從而能夠輕松識別出第二最佳推測值。缺點(diǎn)：處理高維數(shù)據(jù)的效果不理想。2.3.3 數(shù)據(jù)挖掘過程模型數(shù)據(jù)挖掘需要從大量數(shù)據(jù)中抽取有價值的信息或知識以提供決策依據(jù)。成功的應(yīng)用數(shù)據(jù)挖掘技術(shù)以達(dá)到最終目標(biāo)需要分析人員對業(yè)務(wù)流程、數(shù)據(jù)集、以及分析方法都非常了解。同時數(shù)據(jù)挖掘是一個反復(fù)進(jìn)行的過程，應(yīng)用工程化的方法實(shí)現(xiàn)分析任務(wù)至關(guān)重要。與其他軟件開發(fā)過程類似，人們也提出了一些數(shù)據(jù)挖掘過程的模型或標(biāo)準(zhǔn)。SPSS 提出了 5A（Assess、Access、Analyze、Act、Automate）；SAS 提出了 SEMMA（Sample、Explore、Modify、Model、Assess）；數(shù)據(jù)挖掘特別興趣小組(SIP)提出了 CRISP-DM[17]（Cross-Industry Standard

圖 3-1 ROC 曲線范例 收益圖模型預(yù)測值及預(yù)測的置信度對所有記錄排序，將記錄分割為大數(shù)）并按由高到低順序?yàn)槊總�分位數(shù)繪制業(yè)務(wù)標(biāo)準(zhǔn)值。通過將定義為匹配，處理結(jié)果。對于流失預(yù)測問題來說，匹配即是流為流失。圖即相對于全部匹配，發(fā)生于每個分位數(shù)中的匹配百分比。其數(shù)中的匹配數(shù)量 /全部匹配數(shù)量)×100%。收益圖范例如圖 3-

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李小慶;;農(nóng)發(fā)行構(gòu)建現(xiàn)代客戶關(guān)系管理的實(shí)現(xiàn)路徑[J];農(nóng)業(yè)發(fā)展與金融;2011年06期

2 孫艷梅;;淺議銀行客戶關(guān)系管理[J];金融經(jīng)濟(jì);2011年16期

3 衛(wèi)娟;;建筑企業(yè)實(shí)施客戶關(guān)系管理必要性分析[J];中小企業(yè)管理與科技(下旬刊);2011年09期

4 王麗平;;保險客戶關(guān)系管理初探[J];經(jīng)營管理者;2011年15期

5 韋鑫;;客戶關(guān)系管理構(gòu)建旅游企業(yè)核心競爭力[J];科技信息;2011年16期

6 欒霞;;鋼鐵企業(yè)的客戶關(guān)系管理應(yīng)用探索[J];商業(yè)文化(上半月);2011年07期

7 黃任宏;;客戶關(guān)系管理(CRM)在我國汽車營銷中的應(yīng)用[J];汽車維修;2011年07期

8 王愛君;;淺議數(shù)據(jù)庫在客戶關(guān)系管理中的價值應(yīng)用[J];大家;2011年16期

9 曾鳴;田廓;;電子商務(wù)時代需要容戶關(guān)系管理[J];中國電力企業(yè)管理;2009年30期

10 王華龍;;客戶關(guān)系管理:商業(yè)銀行市場競爭的制勝之道[J];現(xiàn)代金融;2011年08期

相關(guān)會議論文 前10條

1 趙嘉;;電信客戶流失現(xiàn)象分析及挽留策略探討[A];2007中國科協(xié)年會——通信與信息發(fā)展高層論壇論文集[C];2007年

2 王永貴;;顧客價值與客戶關(guān)系管理:理論框架與實(shí)證分析[A];管理科學(xué)與系統(tǒng)科學(xué)研究新進(jìn)展——第7屆全國青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會議論文集[C];2003年

3 楊宏橋;劉慧;;基于復(fù)雜適應(yīng)系統(tǒng)的客戶關(guān)系管理研究[A];2003年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2003年

4 張英;;醫(yī)院客戶關(guān)系管理與實(shí)施[A];全國職工醫(yī)院管理學(xué)術(shù)年會暨優(yōu)秀院長表彰會資料匯編[C];2005年

5 張洋;龐德明;;CRM客戶關(guān)系管理系統(tǒng)的搭建及其應(yīng)用[A];2008通信理論與技術(shù)新進(jìn)展——第十三屆全國青年通信學(xué)術(shù)會議論文集（上）[C];2008年

6 張s

本文編號：2744607