客户价值聚类与流失预测系统的设计与实现
发布时间：2021-11-25 08:00
进入21世纪以来,各式各样的商业体发展迅猛,由此为企业带来了巨大的客户增长与留存,但与此同时空前的客户数量也为企业带来了难题,如何区分不同的客户群体,对不同的客户群体该进行怎样的定制服务以及如何能在客户流失之前精确预测,而这几个问题对于企业来说无论如何都是不可避免的,本论文就是在这一前提下讨论如何利用机器学习与深度学习知识解决这一类型问题。在客户量很大的时候,我们需要区分客户的客户群体,来更好地进行精准销售与推广。数据采用现实真实数据,必然会有误差与偶然因素掺杂,所以在进行主要步骤之前需要进行数据清洗与预处理。在没有事先进行客户群体标注的这一无监督问题上采用聚类算法,结合经济学中应用最为广泛的RFM价值分析的理论方法筛选出的客户特征作为聚类算法主要的特征输入,然后利用雷达图等分析手段将聚类算法输出的不同客户群体予以数据分析与数据可视化,最后利用深度学习中的神经网络预测客户流失情况,给出即将流失的客户名单供企业进行具体的操作。整个工程采用流程化处理方法,使用python2.7为开发环境,Scikit-learn为开发框架进行工程开发。通过使用机器学习与深度学习等技术挖掘出了潜在价值客户与...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
RFM关系模型
中 科 技 大 学 硕 士 学 位 论 文本的比例。nski-Harabaz 指数（Calinski-Harabaz Index）：真实类别不知道时，可以采用 Calinski-Harabaz 聚类指数，后所有簇的样本距离簇心的距离之和。网络络是由多个神经元构成，而每个神经元都是一个Logistic[38]初的神经网络一般有三个模块或层次[39]，分别为输入层、络的结构如图 2-1 所示。
图 2-2 神经网络简化图层的多个节点神经元用一个大圆圈来表示，这样层与层之，可以看到每一层的输入都是上一层的输出，彼此依赖。们的目标是()()ij Jl z，所以上式可以写成： zzJ()，我们定义zJ() 为每一层的残差，于是有：出层：aaayayayzaaJzJLLLlLLLLL ()()()()()()()()())(1)1(1)(( )( )
【参考文献】：
期刊论文
[1]基于CART和自适应Boosting算法的移动通信企业客户流失预测模型[J]. 张玮,杨善林,刘婷婷. 中国管理科学. 2014(10)
[2]基于ANP和K-means聚类的客户价值分类模型及应用[J]. 罗彪,闫维维,万亮. 计算机应用. 2013(10)
[3]融入个体活跃度的电子商务客户流失预测模型[J]. 琚春华,卢琦蓓,郭飞鹏. 系统工程理论与实践. 2013(01)
[4]基于改进RFM模型的电子商务客户细分[J]. 徐翔斌,王佳强,涂欢,穆明. 计算机应用. 2012(05)
[5]基于优化初始中心点的K-means文本聚类算法[J]. 张世博. 计算机与数字工程. 2011(10)
[6]结合近邻和密度思想的K-均值算法的研究[J]. 王春风,唐拥政. 计算机工程与应用. 2011(19)
[7]K均值算法改进及在网络入侵检测中的应用[J]. 刘长骞. 计算机仿真. 2011(03)
[8]基于粗糙集理论-神经网络-蜂群算法集成的客户流失研究[J]. 罗彬,邵培基,罗尽尧,刘独玉,夏国恩. 管理学报. 2011(02)
[9]基于SMC-RS-LSSVM的电子商务客户流失预测模型[J]. 朱帮助. 系统工程理论与实践. 2010(11)
[10]基于K-means和PCA的商业银行客户价值细分模型研究[J]. 曹国. 财会通讯. 2010(27)
硕士论文
[1]K均值算法研究及其应用[D]. 朱建宇.大连理工大学 2013
[2]基于MapReduce的聚类算法的并行化研究[D]. 李应安.中山大学 2010
[3]深圳烟草客户价值评价体系设计和研究[D]. 杨慧.浙江大学 2007
本文编号：3517723
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
RFM关系模型
中 科 技 大 学 硕 士 学 位 论 文本的比例。nski-Harabaz 指数（Calinski-Harabaz Index）：真实类别不知道时，可以采用 Calinski-Harabaz 聚类指数，后所有簇的样本距离簇心的距离之和。网络络是由多个神经元构成，而每个神经元都是一个Logistic[38]初的神经网络一般有三个模块或层次[39]，分别为输入层、络的结构如图 2-1 所示。
图 2-2 神经网络简化图层的多个节点神经元用一个大圆圈来表示，这样层与层之，可以看到每一层的输入都是上一层的输出，彼此依赖。们的目标是()()ij Jl z，所以上式可以写成： zzJ()，我们定义zJ() 为每一层的残差，于是有：出层：aaayayayzaaJzJLLLlLLLLL ()()()()()()()()())(1)1(1)(( )( )
【参考文献】：
期刊论文
[1]基于CART和自适应Boosting算法的移动通信企业客户流失预测模型[J]. 张玮,杨善林,刘婷婷. 中国管理科学. 2014(10)
[2]基于ANP和K-means聚类的客户价值分类模型及应用[J]. 罗彪,闫维维,万亮. 计算机应用. 2013(10)
[3]融入个体活跃度的电子商务客户流失预测模型[J]. 琚春华,卢琦蓓,郭飞鹏. 系统工程理论与实践. 2013(01)
[4]基于改进RFM模型的电子商务客户细分[J]. 徐翔斌,王佳强,涂欢,穆明. 计算机应用. 2012(05)
[5]基于优化初始中心点的K-means文本聚类算法[J]. 张世博. 计算机与数字工程. 2011(10)
[6]结合近邻和密度思想的K-均值算法的研究[J]. 王春风,唐拥政. 计算机工程与应用. 2011(19)
[7]K均值算法改进及在网络入侵检测中的应用[J]. 刘长骞. 计算机仿真. 2011(03)
[8]基于粗糙集理论-神经网络-蜂群算法集成的客户流失研究[J]. 罗彬,邵培基,罗尽尧,刘独玉,夏国恩. 管理学报. 2011(02)
[9]基于SMC-RS-LSSVM的电子商务客户流失预测模型[J]. 朱帮助. 系统工程理论与实践. 2010(11)
[10]基于K-means和PCA的商业银行客户价值细分模型研究[J]. 曹国. 财会通讯. 2010(27)
硕士论文
[1]K均值算法研究及其应用[D]. 朱建宇.大连理工大学 2013
[2]基于MapReduce的聚类算法的并行化研究[D]. 李应安.中山大学 2010
[3]深圳烟草客户价值评价体系设计和研究[D]. 杨慧.浙江大学 2007
本文编号：3517723
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3517723.html
