基于神經(jīng)網(wǎng)絡(luò)的客戶離網(wǎng)預(yù)警管理研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)(下面簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò))被廣泛應(yīng)用在數(shù)據(jù)挖掘、控制，人工智能等多個(gè)領(lǐng)域。本文討論將神經(jīng)網(wǎng)絡(luò)技術(shù)用于電信行業(yè)，幫助電信企業(yè)準(zhǔn)確、高效地識(shí)別出有離網(wǎng)傾向的客戶，從而及時(shí)地為該企業(yè)挽回由于客戶離網(wǎng)帶來(lái)的損失，增強(qiáng)企業(yè)的綜合競(jìng)爭(zhēng)力。 客戶離網(wǎng)前通常會(huì)表現(xiàn)出與忠誠(chéng)度高的客戶不同的行為，例如：經(jīng)常性呼轉(zhuǎn)到某一固定的號(hào)碼，或主被叫不對(duì)稱等。當(dāng)我們學(xué)習(xí)到這些可以識(shí)別用戶有無(wú)離網(wǎng)傾向的特征后，可以歸納、總結(jié)這些特征，并用使用它們來(lái)預(yù)測(cè)一個(gè)

2、用戶的行為。由于這些特征繁多，而且相互關(guān)聯(lián)，通過(guò)行業(yè)專家人工判斷的準(zhǔn)確性和及時(shí)性都得不到保障。而且這些特征并非是通過(guò)簡(jiǎn)單的線性組合來(lái)標(biāo)識(shí)用戶是否離網(wǎng)的函數(shù)，他們是各種各樣的變量，難以處理。通過(guò)神經(jīng)網(wǎng)絡(luò)技術(shù)，將預(yù)處理后的已經(jīng)離網(wǎng)和未離網(wǎng)的客戶的特征信息作為網(wǎng)絡(luò)的輸入，并給出教師信號(hào)進(jìn)行學(xué)習(xí)，將學(xué)習(xí)得到的網(wǎng)絡(luò)架構(gòu)和網(wǎng)絡(luò)節(jié)點(diǎn)連接權(quán)值存儲(chǔ)起來(lái)，用于將新一批客戶進(jìn)行分類，這就是基于神經(jīng)網(wǎng)絡(luò)的客戶離網(wǎng)預(yù)警管理的主要原理。 通常的用于進(jìn)行類標(biāo)

3、簽識(shí)別的分類數(shù)據(jù)挖掘技術(shù)有：決策樹(shù)、神經(jīng)網(wǎng)絡(luò)和粗糙集。使用神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行客戶離網(wǎng)預(yù)警的優(yōu)點(diǎn)在于其模型建立簡(jiǎn)單，識(shí)別精度高。 通過(guò)神經(jīng)網(wǎng)絡(luò)識(shí)別出客戶離網(wǎng)傾向后，還需要通過(guò)信息化的手段來(lái)管理這些離網(wǎng)客戶，指導(dǎo)客戶經(jīng)理一對(duì)一關(guān)懷，并將預(yù)測(cè)錯(cuò)誤的用戶標(biāo)識(shí)出來(lái)，用于系統(tǒng)再學(xué)習(xí)，提高識(shí)別的精度。 實(shí)踐表明，采用了這種基于神經(jīng)網(wǎng)絡(luò)的客戶離網(wǎng)預(yù)警管理后，明顯改善了電信企業(yè)客戶流失率，為電信企業(yè)挽回了巨大的損失，這在當(dāng)前競(jìng)爭(zhēng)激烈的國(guó)內(nèi)和國(guó)