NY移动离网客户分析预测及挽留研究

发布时间：2020-12-15 23:53

　　在全面数字化的时代,运营商的商业模式发生了巨大的变革,客户的需求也从“语音+消息”的单一需求转变为了“语音+数据业务”的多元化需求。同时互联网跨界竞争加速,OTT业务直接面向用户提供服务,运营商的价值空间在不断的压缩。处在如此复杂的大环境背景之下,企业还是应该牢牢地抓住客户这个最宝贵的资源。然而面对高度饱和的通信市场,新增速度明显大不如前,客户流失还不断加剧。对比新老客户的运营成本,保存量已经成为了运营商的重要经营理念,降低客户流失率也成为了当下亟待解决的问题。从事后评估到事先预测的方法可以及时发现具有离网倾向的用户,从用户的实际需求出发采取有针对性的挽留策略必然能够有效地控制客户流失。本论文以NY移动离网现状为背景,通过数据挖掘方法建立离网分析预测模型,本论文使用的软件是SPSS Modeler,使用的数据资料来源于NY移动企业后台数据库中存储的客户行为信息,采用C5.0决策树算法来生成可能影响用户离网的显著性变量和规则集。在以往众多学者的研究基础上,本研究将扩展加入数据业务、融合产品、竞争感染等维度的变量来进行分析。同时研究紧扣公司的业务发展重心得出模型结论,为下一步离网分析应用提... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图１－１技术路线??围绕离网客户分析预测及挽留，研究主要分为四部分：??第一部分是客户流失现状分析

ＣＲＩＳＰ－ＤＭ模型作为“跨行业数据挖掘过程标准”与１９９９年欧盟机构联合起草，通??过不断地发展，该模型已经在各种ＫＤＤ过程模型中占据领先的位置【１６］。数据挖掘??普遍采用该模型通用流程，如图２－１所示：商业理解，数据理解，数据准备，建立??模型，模型评估，结果部署１１７］。流程的每一步都有相应的阶段目标、工作任务和??实施要点，需要准确的把握步骤方法才能获得比较理想的结果。??／?商业理解数据理解?Ｘ??／??Ａ结梁部署?ｆｃｓｓｌ?＼?＊?＊?￥??丨建立襆型Ｊ??图２－１?ＣＲＩＳＰ－ＤＭ模型通用流程??７??

?６月?７月??图３－１?ＮＹ移动卜７月离网整体情况??３．２．２网龄、年龄分层离网现状??如图３－２所示，从网龄离网趋势来看：丨－７月ＮＹ移动离网用户多属于网龄??小于６个月的新增用户，且网龄小于６个月的离网用户数在７月呈现显著劣化的??趋势。??分网龄离网客户数趋势（万户）??ｊ：：；．?２．９?３．０??１５?．?玉７?…?３．０?３．１?１．８??２．０?ｅｌＬ?１７?１－７?２．３??ｉｉｌｌｌｉｉ??１月?２月?３月?４月?５月?６月?７月??ｓ网龄＜Ｓ个月?》６个月彡网龄＜１２个月?１年苳网龄＜２年?网龄＞２年??图３－２?ＮＹ移动１－７月分网龄离网情况??如图３－３所示，从年龄分层离网趋势来看：１－７月ＮＹ移动离网用户平均年??龄４２岁，离网用户群体整体偏中年客户群体。离网客户年龄多集中在［３５，５５）岁??这个年龄层次，这对于目前流量经营的战略思路下消费群体趋于年轻化是不违背??的，但是根据图示可以看出２５岁以下的离网用户趋势劣化较快，这是亟待改善??的问题。??１２??


本文编号：2919123