基于数据挖掘技术的电信流失客户预测系统研究

发布时间：2017-07-28 07:51

第 1 章 引 言

1.1 电信流失客户预测的研究背景及意义

客户的在网时间越久，那么他对电信企业所带来的的价值也就越高。目前电信已出现‘增量不增收’的现象，因此，降低客户的流失率，不光是电信，也是所有通讯运营商在市场竞争中的关键所在。就现在的市场情况，电信运营商需要将眼光更多的看向老客户，投入更多的精力在老客户的维系，降低客户流失，提高客户的满意度及忠诚度，提升客户价值，增加客户对企业的贡献度，企业的经济效益才能不断的持续增长。

...............

1.2 电信流失客户预测的研究现状及问题

现今，数据挖掘技术已经得到了广泛普及，海外的一些先进国家的电信企业已走向了商业智能化。美国 MCI 技术骨干人员能将数据挖掘技术运用得十分娴熟，这样一方面可以降低信息技术外包成本，同时也可以针对市场中存在的变化，而快速作出具有实际性和可行性的市场营销战略；意大利的 TelecomItalia Mobile 运用业务关联挖掘技术对客户的交易行为进行分析，来获取不同商品间存在的潜在联系，由此挖掘客户可能的隐性行为，有利于增强客户交叉销售。并且，像全球上一些较为先进知名的移动通讯公司，比如美国第三大移动运营商 Sprint 公司、法国主要的电信公司 France Telecom、美国第二大移动运营商 American Telephone & Telegraph、比利时移动通讯公司和加拿大移动通讯公司等[8]都已经使用了数据仓库系统。

...............

第2章 流失客户预测涉及的相关理论基础

2.1 客户生命周期概述

客户的生命周期，是我们开展对于电信客户的流失预测的一个必要前提，只有了解客户生命周期，才能理解客户流失的过程，并在客户流失前做好预警和挽留，才能保证企业的利润在不流失的前提下持续稳步增长。客户作为企业的一项重要资源，是具有生命周期和价值的，客户在不同的时期所呈现出来的价值也不一样[16-19]。客户与企业之间不同旳关系阶段构成了客户生命周期，而根据客户与企业之间不同旳关系阶段，我们又可以将客户的生命周期分为五个时期，分别是：获取期、提升期、稳定期、衰退期、流失期。而衰退期就是客户潜在流失的时间区域，，这个阶段也正是本次课题的主要研究内容。

...............

2.2 数据挖掘理论

伴随科技的迅猛发展，数据也日益膨胀起来，现在的数据非常容易受到许多外界因素的侵扰，若想要从这些大量的数据中获取有价值的信息，难度系数可想而知，数据挖掘的产生就是为了解决这样的难题而衍生出来的技术。数据挖掘可以将数据进行清洗、选择、集成以及变换后，再对数据建模，同时对模型进行分析，挖掘数据和数据间存在且不易被发现的联系，再将信息进行传递。数据挖掘还能够利用过去的数据对今后做出预测和分类，对现在正在进行的实践活动进行指导，以达到预想的效果。

...............

第 3 章电信流失客户预测模型的实现...............22

3.1 流失客户预测的商业理解 ...............22

3.2 流失客户预测数据理解...............23

第 4 章电信流失客户预测系统的实现 ...............36

4.1 系统技术架构...............36

4.2 系统模块设计...............38

第 4 章电信流失客户预测系统的实现

4.1 系统技术架构 

C/S 结构（客户端/服务器）和 B/S 结构（浏览器/服务器）作为目前数据库领域的两大技术，已在很多领域被大范围的使用。我们从 4 个方面对二者进行了比较：1、在客户端方面C/S 结构是两层结构，通过将任务分配到 Client 端和 Server 端，充分合理的利用两端硬件环境，基本上早期的软件系统都是以此作为设计标准。而 B/S作为一个三层结构的软件相比较 C/S 来讲，它不需要在不同的客户机上安装不同的客户应用程序，只需简单安装浏览器软件，这也是现在当今软件首选的结构。

...............

4.2 系统模块设计

本课题最后的生成的流失客户预测系统，是面向电信企业内部的业务管理人员，因此该系统需要操作简单，可靠实用，我们将系统分为用户管理、客户信息管理、流失客户预测、流失客户告警几个模块，下面对几个模块进行简单介绍：1、用户管理：模块功能包含用户的信息管理，具体有用户信息的添加、修改和删除，密码的设置和修改，用户信息的编辑以及用户权限的设置等。2、客户信息管理：模块功能包含流失预测目标客户的基本信息和行为信息的添加、编辑和修改。3、流失客户预测：模块功能包含流失客户预测指标的添加、编辑，修改和指标评分。4、流失客户告警：模块功能包含告警条件的添加、编辑。

...............

结论

在客户关系管理的环节中，流失客户的预测和分析是相当重要的，现在也逐渐被各行各业的管理层所重视。本课题数据资料采用的是电信企业后台中的客户资料和行为数据，利用 SPSS Modeler 作为工具，综合使用神经网络和决策树算法，以此来构建流失客户的指标权重体系，并在上述的基础上，将流失客户预测模型建立起来。然后再利用 Jave 语言，JSP 技术和 SQL server 数据库，最终开发出以 B/S 结构为基础的流失预测系统原型。结合本文所做的研究来看，大致总结出以下两点结论：1、采用数据挖掘软件 SPSS Modeler，建立流失客户预测模型，在分析和评估所建模型后可以得出的结论是，通过神经网络和决策树综合搭建的模型，预测效果会比期中任何一个单一模型预测结果更为精准。2、流失客户预测系统，是在流失客户预测模型的基础上来开发的，预测系统能够将客户流失的概率和分值更为直观的呈现出来，为后续电信企业中对流失客户的管理，提供有价值的参考依据。

参考文献（略）

本文编号：582771