电信企业客户流失预测模型研究

发布时间：2017-05-20 08:07

  本文关键词：电信企业客户流失预测模型研究，由笔耕文化传播整理发布。

【摘要】：随着电信体制的改革和不断深化，国内电信行业内部各大运营商之间的竞争日趋激烈。电信运营商为了获取更多的客户资源和占有更大的市场份额，往往采取名目繁多的促销活动和层出不穷的广告宣传来吸引新客户。然而统计发现，，发展一个新客户比保持一个老客户的费用要高7倍，而如果“用户保持率”增加5%，将有望为运营商带来85%的利润增长。因此对老客户的保留直接关系到运营商的利益，无论是客户流失还是话务量流失都将对运营商的经营产生深远的影响。本文针对这一问题应用数据挖掘技术，研究流失客户的特征，从而对流失进行预测并对流失的后果进行评估，采取客户保留措施，防止因客户流失而引发的经营危机，提升电信企业的竞争力。 本文研究了数据挖掘技术在电信行业客户关系管理中的主要应用领域和相关应用情况。分析了客户流失原因，对不同的流失客户加以区分，进而给出不同的流失标准。分别用C5.0决策树、CT决策树、神经网络、支持向量机和logistic回归算法构建模型进行预测。结果表明C5.0决策树的精度最高达到90%的准确率，支持向量机次之达到80%以上。为了提高模型的可行性和对不同数据的预测精度，提出的一个综合模型。具体方法是通过增加一个置信区间将上述模型进行综合。本文提出的模型综合了多种预测方法的优点，提高了预测的准确性降低了预测风险。
【关键词】：客户流失 预测模型 C5.0决策树 神经网络
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F626;TP183
【目录】：

• 摘要2-3
• ABSTRACT3-7
• 1 绪论7-11
• 1.1 选题的背景和意义7-8
• 1.2 国内外研究现状分析8-9
• 1.3 主要研究内容、目标和方法9-10
• 1.4 论文的结构10-11
• 2 客户流失分析方法11-29
• 2.1 客户流失分析相关理论11-19
• 2.1.1 数据挖掘理论的产生与发展11-13
• 2.1.2 数据挖掘的任务13-14
• 2.1.3 数据挖掘系统组成14
• 2.1.4 数据挖掘过程14-15
• 2.1.5 数据挖掘的常用技术15-18
• 2.1.6 数据挖掘的类型18-19
• 2.2 数据挖掘技术在电信行业应用19-21
• 2.3 客户流失及其分析方法21-23
• 2.3.1 电信客户流失的类型21-22
• 2.3.2 客户流失分析方法22-23
• 2.4 客户流失分析常用算法23-29
• 2.4.1 支持向量机算法原理24-25
• 2.4.2 神经网络算法原理25-27
• 2.4.3 决策树算法原理27-28
• 2.4.4 Logistic 回归二元分类原理28-29
• 3 客户流失组合预测模型29-35
• 3.1 数据挖掘软件系统29
• 3.2 SPSS Clementine 12.0 数据挖掘系统29-31
• 3.3 SPSS Clementine 12.0 的基本操作方法31-33
• 3.4 数据流的基本操作方法33-34
• 3.5 Clementine 12.0 的主要模型34-35
• 4 电信企业客户流失预测模型应用35-48
• 4.1 商业理解35-36
• 4.2 数据理解36-37
• 4.3 模型建立37-46
• 4.4 模型评估及发布46-48
• 5 总结与展望48-50
• 5.1 论文主要工作总结48
• 5.2 展望48-50
• 致谢50-51
• 参考文献51-54
• 附录54

【参考文献】

中国期刊全文数据库 前5条

1 杜云飞;陈孟野;高永献;;基于神经网络的一种组合预测的构建与应用[J];河南工程学院学报(自然科学版);2010年02期

2 刘勇;杨超;;基于价值考虑的流失客户选择策略研究[J];经济师;2007年01期

3 朱家元;段宝君;张恒喜;;新型SVM对时间序列预测研究[J];计算机科学;2003年08期

4 汤小文,蔡庆生;数据挖掘在电信业中的应用[J];计算机工程;2004年06期

5 薛蓉娜,谢曼英,张德明;我国电信业发展的区域差异研究 下篇:电信发展的区域差异效应及协调发展分析[J];西安邮电学院学报;2000年04期

  本文关键词：电信企业客户流失预测模型研究，由笔耕文化传播整理发布。

本文编号：381021