网络客户流失预测算法研究

发布时间：2017-07-01 21:22

  本文关键词：网络客户流失预测算法研究，，由笔耕文化传播整理发布。

【摘要】：互联网的迅速发展以及大数据时代的来临,促使企业改变营销模式,由传统的线下模式向网络营销发展,即电子商务。网络购物以其便利性获取大量客户的同时,平台用户的不稳定性增强,即客户流失率非常高。企业收益的提高可以通过发展新客户来获得,但发展新客户往往需要付出较大的代价。相对来说,保留老客户所需代价更小,而获得的收益更大。因此,电子商务企业需要对其用户进行有效的管理,减少用户的流失率,才能在激烈竞争中占据优势地位,保持较快较好的发展。网络客户与电信、金融等行业客户具有显著的不同。电信、金融行业的客户属于契约客户,流失客户很容易界定,而网络客户,如电子商务网站客户,则属于典型的非契约客户,客户状态很难预测,客户流失率相对更高。国内外研究客户流失问题起步较早的行业是电信、金融等行业,成果丰富。当前国内外在网络客户流失预测方面研究成果较少,主要运用的研究方法包括传统统计学方法、基于统计机器学习方法以及自组织方法三种。本文对网络客户流失预测进行基于客户价值以及客户评论情感两方面的研究。主要研究工作如下：1、本文在客户生命周期理论基础上,结合网络购物实际业务需求,给出一种网络流失客户定义,根据流失客户定义,区分客户为流失客户与非流失客户。在客户价值理论基础上,选取RFM模型并进行属性衍生,得到客户首次购买时间、客户最近购买时间、客户购买频率、客户购买金额以及客户评分五个指标,作为构建流失预测模型的主要属性。通过在多种预测分类算法上的验证与比较,发现基于客户价值的特征选择具有较好地预测效果,基于客户生命周期给出的流失客户定义能够较为准确的区分客户类别。2、网络客户在购物的过程中,并不能与企业进行面对面的交流,企业获取客户反馈的渠道也较为匮乏,客户评论作为企业接收客户反馈的主要途径,对于企业改进服务,保持客户具有重大意义。考虑到客户评论文本在客户购物过程中的影响以及所表达出的客户个人情感倾向对客户流失的影响,本文在基于客户价值理论构建的模型中融入客户评论情感,作为预测模型的一个新的属性,结合之前获取的五个属性,构建了包含六个主要属性的新预测模型。为验证新模型的预测效果,与SVM、神经网络等多种常用的预测分类算法进行对比试验,检测新模型的预测效果。实验结果表明,融入客户评论情感的新预测模型的表现要优于旧模型。因此,客户评论情感是识别流失客户的一个重要特征,能够有效提升模型的预测效果。
【关键词】：网络客户流失 客户价值 客户生命周期 客户评论情感 支持向量机
【学位授予单位】：广西师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F274;F724.6
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第1章 绪论8-13
• 1.1 研究背景和意义8
• 1.1.1 研究背景8
• 1.1.2 研究意义8
• 1.2 网络客户流失研究概述8-11
• 1.2.1 网络客户流失原因9-10
• 1.2.2 网络客户流失预测方法10
• 1.2.3 流失客户挽留策略10-11
• 1.3 研究内容11-12
• 1.4 论文结构12-13
• 第2章 基于客户价值的网络客户流失预测研究13-25
• 2.1 基于客户价值的特征选择13-15
• 2.1.1 客户价值13-14
• 2.1.2 特征选择14-15
• 2.2 基于客户生命周期的流失客户定义15-17
• 2.2.1 客户生命周期15-16
• 2.2.2 流失客户定义16-17
• 2.3 预测算法研究17-18
• 2.4 预测模型结构18-20
• 2.4.1 获取客户数据18-19
• 2.4.2 数据预处理19
• 2.4.3 客户流失定义19
• 2.4.4 属性选择19
• 2.4.5 建立预测模型19-20
• 2.4.6 模型评价20
• 2.5 实验结果与分析20-24
• 2.5.1 数据描述20-21
• 2.5.2 模型评价指标选择21
• 2.5.3 预测算法选择21-22
• 2.5.4 实验结果分析22-24
• 2.6 本章小结24-25
• 第3章 融入用户评论情感的网络客户流失预测研究25-35
• 3.1 商品评论文本情感分析理论研究25-27
• 3.1.1 商品评论情感分析25-26
• 3.1.2 客户评论情感打分26-27
• 3.2. 预测模型结构27
• 3.2.1 评论情感打分27
• 3.2.2 数据分析27
• 3.3 实验结果与分析27-34
• 3.3.1 数据抽取27-28
• 3.3.2 基本统计分析与RFM客户价值分析28-29
• 3.3.3 数据抽样29-30
• 3.3.4 模型评价指标选择30
• 3.3.5 实验结果分析30-34
• 3.4 本章小结34-35
• 第4章 总结35-38
• 4.1 全文总结35
• 4.2 网络客户流失预测未来研究讨论35-38
• 4.2.1 深度学习在网络客户流失预测研究中的应用前景36
• 4.2.2 网络客户流失预测研究中的大规模数据问题36-37
• 4.2.3 网络客户流失挽留策略37-38
• 参考文献38-42
• 攻读硕士学位期间的科研情况42-43
• 致谢43-44

【相似文献】

中国期刊全文数据库 前10条

1 刘寒冰;;客户流失原因浅析[J];饲料博览;2006年01期

2 V.库马尔;;美国公司如何避免客户流失[J];IT时代周刊;2010年11期

3 王春嬉;李雪萍;;浅议A餐馆的客户流失[J];经营管理者;2012年02期

4 严伟;如何防范客户流失[J];企业管理;2003年06期

5 范云峰;;客户流失现象分析[J];经营者;2003年05期

6 潘振明;;谁动了我的客户——印刷企业如何防范客户流失[J];印刷经理人;2003年09期

7 张丽华 ,锁磊 ,陈松青;用户满意度测评在预防客户流失中的作用[J];中国质量;2004年12期

8 张莉;;防范客户流失要怎么做[J];北方牧业;2004年10期

9 李竞明,尹柳营;客户流失的原因分析和防范[J];江苏商论;2005年05期

10 纪然 ,婉懿;如何预防老客户流失[J];中国质量与品牌;2005年04期

中国重要会议论文全文数据库 前10条

1 司学峰;蒋国瑞;李英毅;;基于数据挖掘技术的客户流失预测研究综述[A];第三届中国智能计算大会论文集[C];2009年

2 李红霞;;电信客户流失与客户保持分析[A];中国企业运筹学[C];2009年

3 张俊巍;;电信行业客户流失管理模型浅析[A];黑龙江省通信学会学术年会论文集[C];2005年

4 段巍巍;;电信客户流失预测主题建模[A];第十届中国科协年会信息化与社会发展学术讨论会分会场论文集[C];2008年

5 张海波;赵焕成;;电信移动客户流失的预测模型——基于社会网络分析的实证研究[A];21世纪数量经济学（第11卷）[C];2010年

6 苏小龙;;基于消费行为认知的固网大客户流失研究[A];中国创新与企业成长（CI&G）2013年度会议论文集[C];2013年

7 余力涛;党延忠;杨光飞;;基于迁移学习的客户流失预测模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

8 李保升;陆炜颖;吕廷杰;;移动客户流失预测模型研究[A];2006中国控制与决策学术年会论文集[C];2006年

9 柳炳祥;盛昭翰;;一种基于Rough集的客户流失风险分析方法[A];2002年中国管理科学学术会议论文集[C];2002年

10 李萍;齐佳音;舒华英;;归因理论在移动客户流失管理中的应用探讨[A];全国第八届工业工程与企业信息化学术会议论文集[C];2004年

中国重要报纸全文数据库 前10条

1 冰蓝;如何防止客户流失[N];电脑商报;2005年

2 ;揭开客户流失真相[N];计算机世界;2005年

3 吴U

本文编号：507551