基于粗糙集-BP神经网络的电信企业客户失风险预警研究

发布时间：2017-07-16 20:20

  本文关键词：基于粗糙集-BP神经网络的电信企业客户失风险预警研究

  更多相关文章： BP神经网络 粗糙集 客户流失风险 预警 电信企业

【摘要】：随着中国电信行业的几次重大改革，，各个电信运营商之间的竞争也日趋激烈，这都集中表现在客户资源的争夺上，拥有更多的客户资源是各运营商在竞争中获胜的关键，但是在电信行业，各个公司在去争夺新的一批客户的同时，会伴随着原来老客户的大量流失。在我国，这种问题已经引起了广大电信运营商的特别关注，并已成为其议事的核心主题，同时，也是电信各个企业急于想解决的问题，这就要求在客户流失之前，必须充分了解到客户流失的趋势，并采取合理的措施来挽留。 首先，本文对电信行业的发展现状进行了介绍，并分析了客户流失风险的概念和客户流失风险的特点，引入了粗糙集理论和神经网络理论，为建立电信企业客户流失风险预警指标体系奠定了扎实的理论基础。 其次，利用调查所得到的结果，深入分析了电信企业客户流失的成因和因素，通过对文献的查阅和学习，总结了客户流失风险预警指标体系的创建原则及方法，经过在现实情况下的调查和访谈，最后利用粗糙集属性约简算法建立了电信企业客户流失风险预警的指标体系。 然后，通过对BP神经网络算法的特点和建模步骤的分析，构建了适用于电信企业客户流失风险预警的BP网络模型，把所得到的客户流失风险指标数据进行处理然后代人到所建好的模型当中，通过网络的训练和仿真检测，证明了BP网络模型的可用性。 最后，把构建好的BP网络模型应用到中国移动M分公司，进行实证研究，得出预警结果，根据预警结果制定相关措施来提高客户的挽留率。
【关键词】：BP神经网络 粗糙集 客户流失风险 预警 电信企业
【学位授予单位】：河北工程大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F626;TP18
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-20
• 1.1 研究背景及研究意义11-14
• 1.1.1 研究背景11-13
• 1.1.2 研究意义13-14
• 1.2 国内外研究现状14-17
• 1.2.1 国外研究现状14-15
• 1.2.2 国内研究现状15-16
• 1.2.3 目前研究中存在的问题16-17
• 1.3 本文研究目标、思路和内容17-20
• 1.3.1 研究目标17
• 1.3.2 研究思路17
• 1.3.3 研究内容17-18
• 1.3.4 创新点18-20
• 第2章 相关理论基础20-37
• 2.1 客户流失理论概述20-25
• 2.1.1 客户流失概念的基本内涵20-21
• 2.1.2 客户流失的类型21-23
• 2.1.3 客户流失风险的特征23-25
• 2.2 预警管理理论25-28
• 2.2.1 预警管理概述25
• 2.2.2 预警管理的内容25-28
• 2.3 粗糙集理论概述28-31
• 2.3.1 粗糙集理论简介28-29
• 2.3.2 粗糙集理论特点29-30
• 2.3.3 属性约简的基本理论30-31
• 2.4 人工神经网络理论31-36
• 2.4.1 人工神经网络简介31-32
• 2.4.2 BP 神经网络介绍32-33
• 2.4.3 BP 神经网络理论概述33-35
• 2.4.4 BP 神经网络模型的可行性35-36
• 2.5 本章小结36-37
• 第3章 电信企业客户流失风险预警指标体系的建立37-44
• 3.1 电信企业客户流失原因分析37-38
• 3.2 影响客户流失的因素38-39
• 3.3 客户流失风险预警指标构建原则39-41
• 3.4 客户流失风险预警指标的构建方法41
• 3.5 客户流失风险预警指标体系的构建41-43
• 3.6 本章小结43-44
• 第4章 基于粗糙集—BP 神经网络客户流失风险预警模型构建44-56
• 4.1 粗糙集在本文中的应用44-46
• 4.1.1 决策表44
• 4.1.2 决策表的属性约减44-46
• 4.1.3 连续属性离散化46
• 4.2 客户流失风险预警指标的属性约简46-48
• 4.3 BP 神经网络的学习算法及流程48-50
• 4.4 BP 神经网络的构建思路50-52
• 4.4.1 BP 神经网络模型构建分析50-51
• 4.4.2 BP 神经网络模型构建步骤51-52
• 4.5 客户流失风险预警模型的 MATLAB 实现52-55
• 4.5.1 MATLAB 简介52-53
• 4.5.2 MATLAB 工具箱及其应用过程53-55
• 4.6 本章小结55-56
• 第5章 电信企业客户流失风险的实证研究56-64
• 5.1 M 公司概况56-57
• 5.2 BP 神经网络模型结构确定57-58
• 5.3 BP 神经网络模型的实证应用58-62
• 5.3.1 数据的收集与处理58-59
• 5.3.2 样本学习59-60
• 5.3.3 网络训练与仿真60-62
• 5.3.4 实例分析62
• 5.4 模型实施62-63
• 5.5 本章小结63-64
• 第6章 减少客户流失的相关对策与经营方案64-69
• 6.1 客户流失风险预警警度的表示与输出64
• 6.2 预警对策与措施64-67
• 6.2.1 较小风险等级的预警对策65
• 6.2.2 一般风险等级的预警对策65-66
• 6.2.3 较大风险等级的预警对策66
• 6.2.4 极大风险等级的预警对策66-67
• 6.3 客户经营方案67-68
• 6.4 本章小结68-69
• 结论与展望69-71
• 参考文献71-74
• 附录74-75
• 致谢75-76
• 作者简介76-77
• 攻读硕士学位期间发表的论文77-78

【参考文献】

中国期刊全文数据库 前10条

1 宋旭芒,施放;企业营销管理预警指标体系的研究[J];商业研究;2001年04期

2 陈凤洁;电信客户细分方法及应用[J];科技和产业;2005年11期

3 张利;吴华玉;卢秀颖;;基于粗糙集的改进BP神经网络算法研究[J];大连理工大学学报;2009年06期

4 颜昌沁;李坤;申云成;;基于BP神经网络的客户特征属性约简[J];电脑知识与技术;2011年11期

5 贾琳,李明;基于数据挖掘的电信客户流失模型的建立与实现[J];计算机工程与应用;2004年04期

6 芦晓红,陈世权,吴今培;基于可辨识矩阵的启发式属性约简方法及其应用[J];计算机工程;2003年01期

7 石红,沈毅,刘志言,付晋宗;关于粗糙集理论及应用问题的研究[J];计算机工程;2003年03期

8 丁云正;胡yN;;基于粗集的研究生综合测评指标的研究[J];计算机与现代化;2008年03期

9 代逸生;杨永升;;基于LVQ神经网络的电信企业客户流失预测模型研究[J];价值工程;2011年13期

10 常犁云,263.net,王国胤,263.net,吴渝,263.net;一种基于Rough Set理论的属性约简及规则提取方法[J];软件学报;1999年11期

本文编号：550411