基于数据挖掘方法的电信客户流失分析

发布时间：2019-07-30 12:56

【摘要】：随着数据挖掘技术的不断发展,其应用领域也不断的扩展。近来,数据挖掘逐渐应用于电信行业中的客户分析,基于数据挖掘对客户分析将会给电信运营商带来更大的经济效益。本文针对基于数据挖掘方法的电信客户流失进行研究,论文所做的主要研究工作和创新点包括以下方面:(1)考虑到预测代价与收益值的不等,针对具体的客户流失分析场景,提出了一种新的评估客户流失预测模型的指标(MPSC指标)。相对以往客户流失预测模型评估指标,新指标不是以客户流失预测模型精准性最大化为目标,而是以企业实际利益最大化为目标来选择最优的客户流失预测模型。并且,新指标在描述客户流失场景时,考虑了不同价值客户的重要程度不同,将客户进行了细分。(2)基于上述新指标,提出了一种改进的决策森林分类算法(SDF算法)。相对Bagging、Random Forest、Adboost等传统的组合性算法,新算法的构建过程不仅仅以算法的精准性为指导,还考虑了算法本身代价收益。最终导致了新算法本身的精准度上不是最佳的,但是在新评估指标上是最佳的。(3)针对客户流失问题,本文提出了一种新的客户流失分析系统框架。该系统框架有机地关联了评估指标、预测模型以及模型应用。该系统框架能够从全局角度考虑客户流失问题,以最大化企业经济利益为目标,并且不断优化评估指标和预测模型。这样,以便更好的应用预测模型,最终能够很好的解决客户流失问题。另外,对预测模型输出的客户流失名单进行了一定客户细分,以便更好的指导企业制作挽留策略。
【图文】：

的竞争位置。逡逑２．１．２数据挖掘任务逡逑图２－１呈现了数据挖掘任务以及在数据挖掘中所处的位置。主要包括聚类、逡逑关联分析、时序模式、偏差分析和分类以及统计回归等［３１］。逡逑７逡逑

逦第二章数据挖掘及其在客户关系管理中的应用方法研究２．１．３数据挖掘过程逡逑常用的数据挖掘过程的模型与标准有三种，即ＳＡＳ的ＳＥＭＭＡ标准，ＳＰＳ提出的５Ａ标准以及ＣＲＩＳＰ－ＤＭ。ＣＲＩＳＰ－ＤＭ是最具有代表性的模型，它是由业理解、数据理解、数据准备、建立模型、模型评估、模型发布六个部分组成如图２－２。以下分别就其中的各个过程进行分析。逡逑
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13

【参考文献】

相关期刊论文 前3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 陈明亮,李怀祖;客户价值细分与保持策略研究[J];成组技术与生产现代化;2001年04期

3 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

相关硕士学位论文 前6条

1 黄展辉;基于数据挖掘的电信客户流失分析[D];广东工业大学;2011年

2 冉建荣;基于混合模型的电信客户流失预测方法研究[D];电子科技大学;2009年

3 陈黎力;基于数据挖掘的电信客户流失模型分析与设计[D];大连海事大学;2007年

4 马莉;基于数据挖掘的电信客户流失成因研究[D];华东师范大学;2006年

5 孙宝刚;电信客户价值的评价与提升研究[D];北京邮电大学;2006年

6 徐振东;人工神经网络的数学模型建立及成矿预测BP网络的实现[D];吉林大学;2004年

，

本文编号：2520906