本文選題：用戶流失預(yù)測(cè) + 用戶相關(guān)性　； 參考：《中國(guó)科學(xué)技術(shù)大學(xué)》2016年碩士論文

【摘要】：近幾年隨著移動(dòng)用戶的急劇增長(zhǎng),移動(dòng)通信市場(chǎng)接近飽和,移動(dòng)用戶流失已經(jīng)成為運(yùn)營(yíng)商主要關(guān)心的問(wèn)題。通過(guò)移動(dòng)通信用戶關(guān)系管理數(shù)據(jù)(CRM)和用戶通話詳單數(shù)據(jù)(CDR)來(lái)預(yù)測(cè)移動(dòng)通信用戶流失情況受到了運(yùn)營(yíng)商的廣泛關(guān)注�，F(xiàn)在不管是在理論研究還是實(shí)際應(yīng)用,移動(dòng)用戶流失預(yù)測(cè)問(wèn)題都沒(méi)有得到很好的解決。因此進(jìn)行移動(dòng)用戶流失預(yù)測(cè)研究具有重要的現(xiàn)實(shí)意義和廣闊的研究前景。在移動(dòng)通信大數(shù)據(jù)時(shí)代將要到來(lái)的背景下,本文使用移動(dòng)用戶數(shù)據(jù)進(jìn)行用戶流失預(yù)測(cè)分析工作。在研究?jī)?nèi)容上,本文進(jìn)行了移動(dòng)用戶流失預(yù)測(cè)特征分析和移動(dòng)用戶流失預(yù)測(cè)建模兩個(gè)方面的考察。在流失預(yù)測(cè)特征分析上,本文使用多種分析方法和技術(shù)從多角度重點(diǎn)分析用戶語(yǔ)音業(yè)務(wù)相關(guān)性。利用修正阿蘭方差(MAVAR)初步分析用戶在同一基站通話到達(dá)的時(shí)間相關(guān)性,從而驗(yàn)證了用戶語(yǔ)音業(yè)務(wù)行為的長(zhǎng)時(shí)相關(guān)性及部分情況的短時(shí)相關(guān)性,并且通過(guò)分析實(shí)際通話到達(dá)過(guò)程與擬合的同均值泊松分布的卡方檢驗(yàn)值,對(duì)于用戶語(yǔ)音業(yè)務(wù)行為相關(guān)性進(jìn)行深入分析驗(yàn)證了用戶語(yǔ)音業(yè)務(wù)行為相關(guān)性。本文進(jìn)一步從異質(zhì)泊松過(guò)程的三大特點(diǎn)進(jìn)一步分析用戶語(yǔ)音業(yè)務(wù)行為是否符合異質(zhì)泊松過(guò)程特點(diǎn),并從分析結(jié)果中進(jìn)一步發(fā)現(xiàn)用戶語(yǔ)音業(yè)務(wù)行為不同時(shí)間尺度上的特點(diǎn),進(jìn)一步驗(yàn)證用戶語(yǔ)音業(yè)務(wù)相關(guān)性。在流失預(yù)測(cè)分析中,本文使用后向傳播人工神經(jīng)網(wǎng)絡(luò)(BPANN)作為移動(dòng)通信用戶流失預(yù)測(cè)的工具。根據(jù)流失預(yù)測(cè)特征分析中的結(jié)論,本文考慮用戶相關(guān)性對(duì)用戶流失行為的影響,因此選取的特征包括傳統(tǒng)的用戶靜態(tài)信息特征、用戶動(dòng)態(tài)通話行為特征、用戶相關(guān)性特征。并且根據(jù)運(yùn)營(yíng)商實(shí)際關(guān)心的用戶流失預(yù)測(cè)問(wèn)題,提出了建立分析用戶45天內(nèi)流失情況的預(yù)測(cè)模型,分析了加入用戶相關(guān)性特征前后用戶流失預(yù)測(cè)情況,發(fā)現(xiàn)加入用戶相關(guān)性特征能大大提高流失預(yù)測(cè)準(zhǔn)確度。通過(guò)初步的特征分析和定量特征重要性分析,進(jìn)一步分析選取的特征對(duì)于流失預(yù)測(cè)的影響。本文得到的移動(dòng)用戶流失預(yù)測(cè)特征分析的相關(guān)結(jié)論可以提升人們對(duì)于移動(dòng)通信網(wǎng)用戶語(yǔ)音行為的認(rèn)知,同時(shí)用戶相關(guān)性分析結(jié)果可以應(yīng)用于用戶流失預(yù)測(cè)中。本文建立的用戶流失預(yù)測(cè)模型對(duì)于運(yùn)營(yíng)商進(jìn)行流失預(yù)測(cè),采取用戶挽留措施有重要指導(dǎo)意義。
[Abstract]:In recent years, with the rapid growth of mobile users, the mobile communication market is nearly saturated, the loss of mobile users has become the main concern of operators. Using CRM and CDR) to predict the loss of mobile communication users has been paid much attention by operators. At present, the problem of mobile user churn prediction has not been solved well either in theory or in practice. Therefore, the study of mobile user loss prediction has important practical significance and broad research prospects. Under the background of the coming of big data era, this paper uses mobile user data to predict and analyze the loss of users. In the aspect of research, this paper studies the feature analysis of mobile user churn prediction and the modeling of mobile user churn prediction. In the feature analysis of loss prediction, this paper uses a variety of analysis methods and techniques to analyze the relevance of user voice services from multiple perspectives. By using the modified Alain variance and MAVARA, the time correlation of the call arrival of the user at the same base station is analyzed preliminarily, which verifies the long time correlation of the user's voice service behavior and the short time correlation of some cases. By analyzing the actual call arrival process and the fitted Chi-square test value of Poisson distribution with the same mean value, the correlation of the voice service behavior of the user is analyzed in depth to verify the correlation of the user voice service behavior. In this paper, the characteristics of heterogeneous Poisson process are further analyzed, and the characteristics of different time scales are found from the analysis results. Further verify the relevance of user voice service. In the analysis of loss prediction, BPANN (back propagation artificial neural network) is used as a tool to predict the loss of mobile communication users. According to the conclusion of loss prediction feature analysis, this paper considers the influence of user correlation on user churn behavior, so the selected features include traditional static information feature, dynamic call behavior feature, and user correlation feature. According to the problem of user churn prediction that operators are concerned about, this paper puts forward a forecast model to analyze the loss of users within 45 days, and analyzes the forecast of user loss before and after adding the characteristics of user correlation. It is found that adding user correlation features can greatly improve the loss prediction accuracy. The influence of selected features on loss prediction is further analyzed by means of preliminary feature analysis and quantitative feature importance analysis. The results obtained in this paper can improve people's cognition about the voice behavior of mobile communication network users, and the results of user correlation analysis can be applied to user churn prediction. The prediction model of user loss established in this paper is of great significance for operators to predict the loss and to take measures to retain users.
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TN929.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 方蕾;;用戶流失引發(fā)網(wǎng)游頹勢(shì) 提升服務(wù)是唯一救命稻草[J];IT時(shí)代周刊;2006年05期

2 肖勝;;準(zhǔn)確計(jì)算與解讀流失率[J];通信企業(yè)管理;2013年01期

3 馬鳳炯;;以優(yōu)質(zhì)服務(wù)推動(dòng)郵政企業(yè)持續(xù)發(fā)展[J];中國(guó)郵政;2009年09期

4 劉光遠(yuǎn);苑森淼;董立巖;李永麗;;基于進(jìn)化理論的用戶流失預(yù)測(cè)分析[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2007年02期

5 莊德尚;武艷;;新疆巴州鐵通 建立流失預(yù)警機(jī)制 減少用戶流失[J];通信企業(yè)管理;2007年12期

6 賴院根;劉礪利;;基于客戶價(jià)值的信息用戶流失預(yù)測(cè)研究[J];情報(bào)理論與實(shí)踐;2011年07期

7 ;為IPOT witter效仿FACEBOOK[J];工業(yè)設(shè)計(jì);2013年08期

8 馬會(huì)迎;;移動(dòng)互聯(lián)網(wǎng)對(duì)用戶流失的影響分析——以人人網(wǎng)為例[J];無(wú)線互聯(lián)科技;2014年04期

9 宋向東;;IP業(yè)務(wù)推動(dòng)NTT固話公司走出困境[J];通信世界;2011年05期

10 劉敏;;有線電視數(shù)字整體轉(zhuǎn)換后用戶流失問(wèn)題的探討[J];湖南農(nóng)機(jī);2012年07期

相關(guān)會(huì)議論文 前2條

1 車(chē)平;施剛;;一種基于決策樹(shù)的用戶流失預(yù)測(cè)分析方法[A];先進(jìn)制造技術(shù)論壇暨第五屆制造業(yè)自動(dòng)化與信息化技術(shù)交流會(huì)論文集[C];2006年

2 俞宙;莫麗珍;;廣東移動(dòng)天氣短信用戶流失分析及應(yīng)對(duì)[A];第31屆中國(guó)氣象學(xué)會(huì)年會(huì)S10 第四屆氣象服務(wù)發(fā)展論壇——提高水文氣象防災(zāi)減災(zāi)水平，，推動(dòng)氣象服務(wù)社會(huì)化發(fā)展[C];2014年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 梓莖;用戶流失：一個(gè)不容忽視的問(wèn)題[N];人民郵電;2003年

2 本報(bào)記者 席大偉;中電信手機(jī)用戶流失緩解 天翼彰顯發(fā)展后勁[N];通信信息報(bào);2009年

3 中興通訊 曾志　楊毅;借助大數(shù)據(jù)盤(pán)活“存量市場(chǎng)”[N];通信產(chǎn)業(yè)報(bào);2013年

4 ;用戶流失：帶號(hào)轉(zhuǎn)移政策的挑戰(zhàn)[N];人民郵電;2008年

5 ;NTTDoCoMo用戶流失加劇[N];人民郵電;2007年

6 李薇;防用戶流失,AT&T推出“免費(fèi)通信”[N];新華每日電訊;2007年

7 本報(bào)記者 于偉;美國(guó)有線和衛(wèi)星電視用戶流失加快寬帶互聯(lián)網(wǎng)替代效應(yīng)凸顯[N];通信信息報(bào);2011年

8 李雷　穆童;焦作聯(lián)通建檔維系防用戶流失[N];人民郵電;2010年

9 薛松;用戶流失 電信網(wǎng)通盼發(fā)移動(dòng)牌[N];廣州日?qǐng)?bào);2007年

10 本報(bào)記者 張韜;用戶流失股價(jià)反漲 重組預(yù)期支撐電信網(wǎng)通[N];上海證券報(bào);2007年

相關(guān)碩士學(xué)位論文 前6條

1 張迪;移動(dòng)游戲用戶流失因素分析[D];南京大學(xué);2016年

2 代曉菊;基于數(shù)據(jù)挖掘的電信LTE用戶上網(wǎng)數(shù)據(jù)的用戶流失算法研究[D];西南交通大學(xué);2016年

3 尹丹丹;移動(dòng)通信網(wǎng)用戶流失預(yù)測(cè)[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

4 王娟;聯(lián)通某地市分公司用戶流失分析及對(duì)策研究[D];北京郵電大學(xué);2010年

5 曹潔;A電信分公司移動(dòng)用戶流失分析與對(duì)策研究[D];山東大學(xué);2011年

6 楊孝成;基于決策樹(shù)的移動(dòng)通信用戶流失預(yù)警模型研究與實(shí)現(xiàn)[D];中國(guó)海洋大學(xué);2014年

本文編號(hào)：1799663