電信客戶流失預測的研究.pdf

1、客戶流失是許多商業(yè)部門都極其反感的問題。每個行業(yè)都渴望建立和保持一個忠實的客戶群。在無線通信行業(yè)中，有許多因素會導致客戶較容易地流失到競爭對手，這些因素包括激烈的競爭、新技術的出現(xiàn)、低轉(zhuǎn)向成本、新競爭對手的引入。使獲得新客戶的成本增高的這一實際情況進一步加劇了客戶流失問題。
　　電信數(shù)據(jù)集通常有數(shù)百個描述電話詳單和和客戶資料的屬性。然而，并不是所有的屬性都具有重要的預測意義，因此有必要選擇最佳的流失預測器，以便提高預測模型的性能。

2、此外，流失通常是一個稀有事件，即正類樣本是少數(shù)類。在這項研究中使用的數(shù)據(jù)集中，例如，流失客戶占總客戶的5.6％，其余都是非流失客戶。提出了類不平衡問題，這削弱了一些像決策樹的數(shù)據(jù)挖掘算法的學習。
　　在這項工作中，針對不同的特征子集對客戶流失預測的影響進行了研究。數(shù)據(jù)集包含電話詳單、客戶資料。完整的屬性集被分解成多個子集，這些子集分別是網(wǎng)內(nèi)電話、國際電話、網(wǎng)外電話、增值業(yè)務服務電話、客戶通話活動信息、客戶資料。然后評估這些屬性子集

3、，來確定他們對預測的重要性。接下來，派生出新的屬性分為三類:合同的相關屬性、電話模式屬性、電話模式變化屬性。這樣的分類為理解這些屬性提供了一個簡單的框架。
　　合同相關屬性描述的特征是指客戶與公司的各種協(xié)議或合同，這類屬性中派生了“任期”屬性，它說明了客戶使用該公司服務的時間。電話模式屬性所描述的特征是指客戶通話模式的趨勢，這類屬性集包含總呼叫持續(xù)時間、總電話數(shù)量和總語音電話數(shù)。假設當總電話數(shù)越高，呼叫持續(xù)時間越長，客戶就不太可能

4、會流失。電話模式變化屬性所描述的特征是指客戶電話模式的變化。這類屬性包含使用分鐘的變化，使用頻率的變化，影響范圍的變化，用戶活動的改變，呼叫網(wǎng)外電話持續(xù)時間的改變，呼叫網(wǎng)外電話所占的百分比，語音電話打出的百分比。客戶呼叫模式的改變量可以是正或是負。對于一些屬性如使用頻率的變化，如果改變量是正的，這說明用戶在后續(xù)的月份中有比較多的電話，因此不太可能在短期內(nèi)流失。另一方面，對于影響范圍的變化，如果改變量是負的，這意味著用戶在后續(xù)的月份中電話

5、數(shù)比較少，因此客戶可能早晚會流失。
　　提取了屬性之后，將他們組合起來形成一個子集被稱為“新屬性”，并將它添加到原始數(shù)據(jù)集中。然后對所有的子集進行評估。在第一組實驗中，將所有的子集進行測試并比較它們的預測性能。在第二組實驗中，對修改后的數(shù)據(jù)集和原始數(shù)據(jù)集中的所有子集進行測試，以確定是否添加新屬性后的流失預測率會比原始數(shù)據(jù)集的流失預測高。由于每個子集的屬性維數(shù)比較高，所以采用信息增益濾波器的方法來給每個子集的屬性按重要性進行排序，每

6、個子集選擇排在前面的60個屬性。
　　采用C4.5、樸素貝葉斯分類器和貝葉斯網(wǎng)絡三種預測技術通過十倍交叉驗證來評價屬性。在這種技術下，數(shù)據(jù)集在每一次迭代中被分為十份，數(shù)據(jù)集中的九份用作訓練集來構(gòu)建預測模型，剩余的一份作為測試集，執(zhí)行十次迭代。在每種預測技術下，采用TPR和FPR的平均值來生成ROC曲線。從ROC曲線中計算出AUC值，用它作為評價標準選出流失預測的最好的特征子集。實驗結(jié)果表明，提出的屬性的預測性能比原始屬性子集要好。

7、
　　為了解決類不平衡的問題，本論文研究了兩種抽樣方法。在第一個實驗中，采用了欠抽樣，方法的原理是將訓練集中的多數(shù)類進行剔除直到得到理想的樣子數(shù)量。在保持少數(shù)類數(shù)量不變的情況下，對多數(shù)類從它的10％到100％進行抽樣。在第二組實驗中，運用SMOTH方法對少數(shù)類樣本進行過抽樣，SMOTE是對少數(shù)類進行合成，形成訓練集，從而對少數(shù)類進行過采樣控制。在這組實驗中，少數(shù)類樣本以100％到1000％進行過抽樣來產(chǎn)生連續(xù)的數(shù)據(jù)點。在第三組實驗