基于數(shù)據(jù)挖掘的通信客戶流失預(yù)警模型研究.pdf

1、作為客戶關(guān)系管理中很重要的一部分，客戶流失管理正越來越受到企業(yè)的關(guān)注和重視?？蛻袅魇ьA(yù)警作為一種有效的客戶流失管理方法，通過構(gòu)建預(yù)警模型，對潛在流失客戶進行預(yù)測分析，及時預(yù)警并采取相應(yīng)挽留措施，可以有效減少不必要的客戶流失，一定程度上減少企業(yè)損失。通信運營企業(yè)有數(shù)量龐大的客戶群，因此擁有豐富的客戶數(shù)據(jù)，同時對客戶流失預(yù)警管理有強烈的需求。在這樣的背景下，本文提出了基于數(shù)據(jù)挖掘的通信客戶流失預(yù)警模型研究，結(jié)合數(shù)據(jù)挖掘從海量數(shù)據(jù)中提取有效信

2、息的能力，通過構(gòu)建模型對通信客戶的潛在流失行為進行預(yù)警研究。
　　本文在研讀了國內(nèi)外學者的研究成果之后，對近年來預(yù)警模型的構(gòu)建和數(shù)據(jù)挖掘算法在模型構(gòu)建中的應(yīng)用進行了綜述和總結(jié)。并對客戶流失概念、數(shù)據(jù)挖掘相關(guān)理論和預(yù)警模型構(gòu)建相關(guān)技術(shù)進行了介紹，奠定本文的理論研究基礎(chǔ)。
　　在模型數(shù)據(jù)準備方面，本文以某市通信運營企業(yè)客戶數(shù)據(jù)為實證研究對象，主要從無用特征刪除、缺失值填充、數(shù)據(jù)離散化、非均衡數(shù)據(jù)均衡化四個方面進行方法探討和實際操

3、作處理，確保了模型構(gòu)建的較高的數(shù)據(jù)質(zhì)量。
　　在關(guān)鍵特征選擇方面，針對通信客戶數(shù)據(jù)的特征維度高的特點，對比分析了卡方檢驗、主成分分析以及Fisher比率三種常用的關(guān)鍵特征選擇方法的效果。對比實驗結(jié)果發(fā)現(xiàn)，基于不同算法的流失預(yù)警模型在采用不同的關(guān)鍵特征選擇方法時會得到不同的預(yù)測效果，相比較而言，F(xiàn)isher比率篩選更優(yōu)化特征子集的能力比卡方檢驗和主成分分析更強，對于基于不同算法的流失預(yù)警模型都能得到更好的預(yù)測效果。
　　在預(yù)警

4、模型構(gòu)建方面，本文提出構(gòu)建通信客戶流失組合預(yù)警模型。相較于一般的組合預(yù)警模型，本文加入了基于Fisher比率的特征選擇步驟，根據(jù)各單項預(yù)警模型的最佳特征子集優(yōu)化訓練集。選用C5.0決策樹、BP神經(jīng)網(wǎng)絡(luò)、支持向量機(SVM)三種數(shù)據(jù)挖掘算法構(gòu)建基本通信客戶流失預(yù)警模型，利用拉格朗日函數(shù)求解得到使組合預(yù)警與各單項預(yù)警偏差最小的最佳組合流失預(yù)警模型權(quán)重，根據(jù)權(quán)重線性組合三個基本預(yù)警模型的預(yù)測結(jié)果來構(gòu)建組合流失預(yù)警模型，在此基礎(chǔ)上得到通信客戶流