發(fā)布時間：2021-01-12 21:03

　　資源對于很多企業(yè)來說是非常有限的,如何合理利用有限的資源是企業(yè)發(fā)展過程中必須要考慮的問題之一,移動通信行業(yè)由于其行業(yè)的特殊性,問題尤其顯得突出。目前許多運營商仍然將大量的精力及資源投入到發(fā)展新客戶中去,而對于公司現(xiàn)有的客戶卻沒有相應有效的維護機制,導致了發(fā)展一批客戶的同時,卻失去了更多地用戶,形成了所謂的“旋轉門效應”,這種情況不僅使得運營商未從中獲益,而且造成了運營商內部的資源浪費。為了對移動通信行業(yè)客戶流失問題進行研究分析,本文選擇某移動通信公司作為研究對象。通過對該公司內部情況的了解以及對問題的深入分析,最終總結出問題的關鍵在于該公司的客戶數(shù)據(jù)量龐大,客戶行為存在許多不確定性,很難對其進行有效維護,而且操作過程耗費資源量大,則需要引入可以對所有在網(wǎng)客戶將來行為進行預測的機制。基于以上考慮,本文總結了該公司客戶流失產(chǎn)生的六條基本原因,并采用了逐步篩選的方法,分別從身份證信息是否完整、數(shù)據(jù)時間的界定等方面對該公司提供的客戶基本信息及消費信息等數(shù)據(jù)進行了相應的數(shù)據(jù)處理,進而概括出15個可能影響客戶流失的變量,然后利用了直方圖檢驗和卡方檢驗對變量的預測能力做出了相應的檢驗,最終確定了其中... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

身份證信息是否完整對應的客戶離網(wǎng)率

圖 3-2 離網(wǎng)客戶的年齡分布據(jù)圖 3-2 的離網(wǎng)客戶的年齡分布，我們可以發(fā)現(xiàn)將年齡大致可以：0-23 歲、24-30 歲、31-46 歲、47-60 歲、61 歲以上，其中 0-23一些值得考慮的問題，一般初中以下不會辦理身份證，即可以將認為是 6-23 歲。另外，考慮到有一部分客戶在數(shù)據(jù)庫中是沒有身則這些客戶的年齡也相應地缺失了，則本文將這部分客戶作為一年齡段進行對比分析。經(jīng)過相應地數(shù)據(jù)處理，得到如下圖 3-3 所

圖 3-2 離網(wǎng)客戶的年齡分布據(jù)圖 3-2 的離網(wǎng)客戶的年齡分布，我們可以發(fā)現(xiàn)將年齡大致可以：0-23 歲、24-30 歲、31-46 歲、47-60 歲、61 歲以上，其中 0-23一些值得考慮的問題，一般初中以下不會辦理身份證，即可以將認為是 6-23 歲。另外，考慮到有一部分客戶在數(shù)據(jù)庫中是沒有身則這些客戶的年齡也相應地缺失了，則本文將這部分客戶作為一年齡段進行對比分析。經(jīng)過相應地數(shù)據(jù)處理，得到如下圖 3-3 所

【參考文獻】：
期刊論文
[1]基于Boosting RBF神經(jīng)網(wǎng)絡的入侵檢測[J]. 黨長青,劉潔,牛分中.  計算機工程與應用. 2008(15)
[2]Boosting算法在基因表達譜樣本分類中的應用[J]. 劉全金,李穎新.  計算機工程與應用. 2008(14)
[3]基于Boosting RBF神經(jīng)網(wǎng)絡的人體行為識別[J]. 葉銀蘭.  計算機工程與應用. 2008(13)
[4]Boosting算法及其在中醫(yī)亞健康數(shù)據(jù)分類中的應用[J]. 李霞,何麗云,劉超.  中國衛(wèi)生統(tǒng)計. 2008(02)
[5]基于boosting算法的交通事件檢測[J]. 孫熙,李夏苗.  交通運輸系統(tǒng)工程與信息. 2007(05)
[6]一種基于Boosting的油田水淹層識別算法[J]. 尚福華,易雄鷹.  西南民族大學學報(自然科學版). 2007(01)
[7]Boosting算法及其在化學數(shù)據(jù)挖掘中的應用[J]. 姚志湘,楊錦瑜,張倩,劉雪穎,陳曉偉.  廣西工學院學報. 2006(04)
[8]基于數(shù)據(jù)挖掘的移動通信客戶消費行為分析[J]. 劉蓉,陳曉紅.  計算機應用與軟件. 2006(02)
[9]電信行業(yè)客戶流失分析的決策樹技術[J]. 郭彥偉.  科技和產(chǎn)業(yè). 2005(11)
[10]南京移動客戶流失分析[J]. 蔣正君.  江蘇通信技術. 2005(06)

碩士論文
[1]兩類Cox風險模型的破產(chǎn)問題的研究[D]. 楊圣舉.天津工業(yè)大學 2007



本文編號：2973540