基于數(shù)據(jù)挖掘的通信客戶流失預警模型研究.pdf

1、作為客戶關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)的關注和重視?？蛻袅魇ьA警作為一種有效的客戶流失管理方法，通過構建預警模型，對潛在流失客戶進行預測分析，及時預警并采取相應挽留措施，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警模型研究，結合數(shù)據(jù)挖掘從海量數(shù)據(jù)中提取有效信

2、息的能力，通過構建模型對通信客戶的潛在流失行為進行預警研究。
　　本文在研讀了國內(nèi)外學者的研究成果之后，對近年來預警模型的構建和數(shù)據(jù)挖掘算法在模型構建中的應用進行了綜述和總結。并對客戶流失概念、數(shù)據(jù)挖掘相關理論和預警模型構建相關技術進行了介紹，奠定本文的理論研究基礎。
　　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，確保了模型構建的較高的數(shù)據(jù)質(zhì)量。
　　在關鍵特征選擇方面，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比率三種常用的關鍵特征選擇方法的效果。對比實驗結果發(fā)現(xiàn)，基于不同算法的流失預警模型在采用不同的關鍵特征選擇方法時會得到不同的預測效果，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警模型都能得到更好的預測效果。
　　在預警

4、模型構建方面，本文提出構建通信客戶流失組合預警模型。相較于一般的組合預警模型，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、支持向量機(SVM)三種數(shù)據(jù)挖掘算法構建基本通信客戶流失預警模型，利用拉格朗日函數(shù)求解得到使組合預警與各單項預警偏差最小的最佳組合流失預警模型權重，根據(jù)權重線性組合三個基本預警模型的預測結果來構建組合流失預警模型，在此基礎上得到通信客戶流