資源對(duì)于很多企業(yè)來(lái)說(shuō)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(guò)程中必須要考慮的問(wèn)題之一,移動(dòng)通信行業(yè)由于其行業(yè)的特殊性,問(wèn)題尤其顯得突出。目前許多運(yùn)營(yíng)商仍然將大量的精力及資源投入到發(fā)展新客戶(hù)中去,而對(duì)于公司現(xiàn)有的客戶(hù)卻沒(méi)有相應(yīng)有效的維護(hù)機(jī)制,導(dǎo)致了發(fā)展一批客戶(hù)的同時(shí),卻失去了更多地用戶(hù),形成了所謂的“旋轉(zhuǎn)門(mén)效應(yīng)”,這種情況不僅使得運(yùn)營(yíng)商未從中獲益,而且造成了運(yùn)營(yíng)商內(nèi)部的資源浪費(fèi)。為了對(duì)移動(dòng)通信行業(yè)客戶(hù)流失問(wèn)題進(jìn)行研究分析,本文選擇某移動(dòng)通信公司作為研究對(duì)象。通過(guò)對(duì)該公司內(nèi)部情況的了解以及對(duì)問(wèn)題的深入分析,最終總結(jié)出問(wèn)題的關(guān)鍵在于該公司的客戶(hù)數(shù)據(jù)量龐大,客戶(hù)行為存在許多不確定性,很難對(duì)其進(jìn)行有效維護(hù),而且操作過(guò)程耗費(fèi)資源量大,則需要引入可以對(duì)所有在網(wǎng)客戶(hù)將來(lái)行為進(jìn)行預(yù)測(cè)的機(jī)制�；谝陨峡紤],本文總結(jié)了該公司客戶(hù)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(shí)間的界定等方面對(duì)該公司提供的客戶(hù)基本信息及消費(fèi)信息等數(shù)據(jù)進(jìn)行了相應(yīng)的數(shù)據(jù)處理,進(jìn)而概括出15個(gè)可能影響客戶(hù)流失的變量,然后利用了直方圖檢驗(yàn)和卡方檢驗(yàn)對(duì)變量的預(yù)測(cè)能力做出了相應(yīng)的檢驗(yàn),最終確定了其中... 

【文章來(lái)源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

身份證信息是否完整對(duì)應(yīng)的客戶(hù)離網(wǎng)率

圖 3-2 離網(wǎng)客戶(hù)的年齡分布據(jù)圖 3-2 的離網(wǎng)客戶(hù)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(wèn)題，一般初中以下不會(huì)辦理身份證，即可以將認(rèn)為是 6-23 歲。另外，考慮到有一部分客戶(hù)在數(shù)據(jù)庫(kù)中是沒(méi)有身則這些客戶(hù)的年齡也相應(yīng)地缺失了，則本文將這部分客戶(hù)作為一年齡段進(jìn)行對(duì)比分析。經(jīng)過(guò)相應(yīng)地?cái)?shù)據(jù)處理，得到如下圖 3-3 所

圖 3-2 離網(wǎng)客戶(hù)的年齡分布據(jù)圖 3-2 的離網(wǎng)客戶(hù)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(wèn)題，一般初中以下不會(huì)辦理身份證，即可以將認(rèn)為是 6-23 歲。另外，考慮到有一部分客戶(hù)在數(shù)據(jù)庫(kù)中是沒(méi)有身則這些客戶(hù)的年齡也相應(yīng)地缺失了，則本文將這部分客戶(hù)作為一年齡段進(jìn)行對(duì)比分析。經(jīng)過(guò)相應(yīng)地?cái)?shù)據(jù)處理，得到如下圖 3-3 所

【參考文獻(xiàn)】：
期刊論文
[1]基于Boosting RBF神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)[J]. 黨長(zhǎng)青,劉潔,牛分中.  計(jì)算機(jī)工程與應(yīng)用. 2008(15)
[2]Boosting算法在基因表達(dá)譜樣本分類(lèi)中的應(yīng)用[J]. 劉全金,李穎新.  計(jì)算機(jī)工程與應(yīng)用. 2008(14)
[3]基于Boosting RBF神經(jīng)網(wǎng)絡(luò)的人體行為識(shí)別[J]. 葉銀蘭.  計(jì)算機(jī)工程與應(yīng)用. 2008(13)
[4]Boosting算法及其在中醫(yī)亞健康數(shù)據(jù)分類(lèi)中的應(yīng)用[J]. 李霞,何麗云,劉超.  中國(guó)衛(wèi)生統(tǒng)計(jì). 2008(02)
[5]基于boosting算法的交通事件檢測(cè)[J]. 孫熙,李夏苗.  交通運(yùn)輸系統(tǒng)工程與信息. 2007(05)
[6]一種基于Boosting的油田水淹層識(shí)別算法[J]. 尚福華,易雄鷹.  西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(01)
[7]Boosting算法及其在化學(xué)數(shù)據(jù)挖掘中的應(yīng)用[J]. 姚志湘,楊錦瑜,張倩,劉雪穎,陳曉偉.  廣西工學(xué)院學(xué)報(bào). 2006(04)
[8]基于數(shù)據(jù)挖掘的移動(dòng)通信客戶(hù)消費(fèi)行為分析[J]. 劉蓉,陳曉紅.  計(jì)算機(jī)應(yīng)用與軟件. 2006(02)
[9]電信行業(yè)客戶(hù)流失分析的決策樹(shù)技術(shù)[J]. 郭彥偉.  科技和產(chǎn)業(yè). 2005(11)
[10]南京移動(dòng)客戶(hù)流失分析[J]. 蔣正君.  江蘇通信技術(shù). 2005(06)

碩士論文
[1]兩類(lèi)Cox風(fēng)險(xiǎn)模型的破產(chǎn)問(wèn)題的研究[D]. 楊圣舉.天津工業(yè)大學(xué) 2007



本文編號(hào)：2973540