携程网客户流失的危机分析

发布时间：2023-10-02 00:13

　　随着我国网民规模的不断扩大,在线旅行预订市场具有巨大潜力可挖。由于在线旅行预订市场用户的不断增长,说明其逐渐受到国民的青睐和关注。据统计,携程网占据了中国在线旅行预订市场50%以上的市场份额。研究中国领先的综合性在线旅行预订服务公司,找出影响其用户流失的关键因素,提出解决方案,防止客户流失引发的经营危机具有重要意义。同时,论文在一定程度上丰富了国内在在线旅行预订市场这一领域的研究内容。本文在梳理客户流失相关理论基础上,首先利用数据挖掘方法中的随机森林算法、XGBoost算法及C4.5算法构建携程网客户流失的模型,并对这些模型的性能进行评估。其次,根据构建的最优模型,分析影响携程网客户流失的关键因素。最后,根据分析的结果提出了减少携程网客户流失的对策建议。本文主要工作如下:1.梳理客户关系管理、客户流失相关理论及数据挖掘方法中分类器算法的相关理论。通过梳理上述相关理论,发现数据挖掘方法中适合预测客户流失的算法主要有随机森林算法、XGBoost算法及C4.5算法。2.对携程网客户流失数据进行描述性分析及数据预处理。首先,对流失客户与非流失客户的关系、访问时间点(h)与客户流失(label)...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景
    1.2 研究目的及意义
        1.2.1 研究目的
        1.2.2 研究意义
    1.3 研究内容及思路
        1.3.1 研究内容
        1.3.2 研究思路
    1.4 研究现状
        1.4.1 国外研究现状
        1.4.2 国内研究现状
        1.4.3 国内外研究情况简要概述
2 客户流失相关理论及数据挖掘概述
    2.1 客户关系管理理论
    2.2 客户生命周期理论
    2.3 客户流失理论
    2.4 数据挖掘概述
3 数据预处理及描述性分析
    3.1 数据来源及说明
    3.2 客户流失数据描述性分析
    3.3 数据预处理
4 客户流失模型构建与结果分析
    4.1 基于随机森林算法构建客户流失模型
        4.1.1 决策树模型及随机森林算法概述
        4.1.2 模型性能评估方法
        4.1.3 基于随机森林算法构建客户流失模型
    4.2 基于XGBoost算法构建客户流失模型
        4.2.1 XGBoost算法概述
        4.2.2 基于XGBoost算法构建客户流失模型
    4.3 基于C4.5算法构建客户流失模型
        4.3.1 C4.5算法概述
        4.3.2 基于C4.5算法构建构建客户流失模型
    4.4 模型结果分析
5 携程网客户流失危机分析及对策
    5.1 影响携程网客户流失的关键因素
    5.2 减少携程网客户流失的相关对策
6 总结与展望
参考文献
致谢
攻读硕士学位期间科研成果



本文编号：3849715