基于Boosting算法的某移動(dòng)通信公司客戶離網(wǎng)分析與預(yù)測(cè).pdf

1、資源對(duì)于很多企業(yè)來(lái)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(dòng)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(yùn)營(yíng)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(duì)于公司現(xiàn)有的客戶卻沒有相應(yīng)有效的維護(hù)機(jī)制，導(dǎo)致了發(fā)展一批客戶的同時(shí)，卻失去了更多地用戶，形成了所謂的“旋轉(zhuǎn)門效應(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)客戶流失問題進(jìn)行研究分析

2、，本文選擇某移動(dòng)通信公司作為研究對(duì)象。通過對(duì)該公司內(nèi)部情況的了解以及對(duì)問題的深入分析，最終總結(jié)出問題的關(guān)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(duì)其進(jìn)行有效維護(hù)，而且操作過程耗費(fèi)資源量大，則需要引入可以對(duì)所有在網(wǎng)客戶將來(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)該公司提供的客戶基本信息及消費(fèi)信息等數(shù)據(jù)進(jìn)行了相應(yīng)

3、的數(shù)據(jù)處理，進(jìn)而概括出15個(gè)可能影響客戶流失的變量，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)，最終確定了其中的13個(gè)變量組成了模型的變量集合。通過Matlab編程建立起相應(yīng)的Boosting算法模型，并利用該模型對(duì)公司的歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)，同時(shí)對(duì)測(cè)試數(shù)據(jù)集中的999條數(shù)據(jù)(其中離網(wǎng)數(shù)據(jù)504條，未離網(wǎng)數(shù)據(jù)495條)進(jìn)行預(yù)測(cè)，得到509條離網(wǎng)數(shù)據(jù)和490條未離網(wǎng)數(shù)據(jù)，進(jìn)而計(jì)算相應(yīng)的指標(biāo)得到模型的準(zhǔn)確率為93.69％，覆