数据挖掘在电信客户流失预测的应用

论文摘要

目前,随着电信业务的发展和体制改革地不断深化,国内电信行业内部各大运营商之间的竞争日趋激烈,各运营商之间的客户争夺愈演愈烈,每个企业都存在客户流失的问题。而运营商为了获取更多的客户资源和占有更大的市场份额往往采取“简单”的价格竞争和“此起彼伏”的广告宣传战,其弊端显而易见。为了增加收入和利润,提高客户满意度、忠诚度并为准确、及时地进行经营决策,必须充分获取并利用相关的数据信息对决策过程进行辅助支持。近几年迅速发展起来的数据挖掘技术就是实现这一目标的重要手段。本文首先对数据挖掘及关联领域的理论知识进行综述,然后对客户流失预测的数据挖掘的相关算法进行分类介绍。基于全面的理论研究,最后通过数据挖掘技术和一套比较全面的客户流失预测分析方法及手段,实现客户流失的预测的应用研究。本文在研究提高客户流失预测模型的预测效果方面,尝试建立一个客户流失预测整体框架来规范预测模型的设计,从而提高模型的预测效果。通过一些实际经验,建立起量化的数值和图形指标来衡量模型的预测效果。并通过客户流失原因的分析提出对客户挽留的建议和方案。

论文目录

• 摘要
• Abstract
• 第一章 前言
• 1.1 课题研究意义
• 1.2 国内外研究现状
• 1.3 电信客户流失预测中的应用现状
• 1.4 论文的研究内容和目的
• 1.5 论文的组织
• 第二章 数据挖掘基本概念
• 2.1 数据挖掘基础知识
• 2.2 与客户流失预测相关的数据挖掘算法
• 2.2.1 聚类算法
• 2.2.2 神经网络算法
• 2.2.3 决策树算法
• 2.2.4 关联规则算法
• 2.3 数据挖掘与OLAP、数据仓库关系
• 2.4 数据挖掘方法论
• 2.5 数据挖掘工具
• 第三章 客户流失预测分析过程
• 3.1 业务理解
• 3.1.1 业务定义
• 3.1.2 离网客户关注重点
• 3.2 数据理解
• 3.2.1 数据描述
• 3.2.2 数据探索
• 3.2.3 宽表建立
• 3.3 数据准备
• 3.3.1 数据转换
• 3.3.1.1 时间窗口选择
• 3.3.1.2 数据转换整体架构
• 3.3.2 数据变量选择
• 3.3.2.1 两样本的非参数检验
• 3.3.2.2 重要程度指标R
• 3.3.2.3 确定变量
• 3.3.3 数据抽样
• 3.3.3.1 训练集和检验集
• 3.4 建立模型
• 3.4.1 模型算法的选择
• 3.4.2 模型的调整与优化
• 3.5 评估优化
• 3.5.1 预测模型评估
• 3.5.2 打分模型评估
• 3.5.3 检验集上模型效果计算
• 第四章 流失预测与客户挽留
• 4.1 流失原因分析
• 4.2 挽留评估
• 4.2.1 目标跟进、评估
• 4.2.2 反馈调优
• 4.3 挽留策划研究
• 第五章 结论与展望
• 致谢
• 主要参考文献
• 附录
• 图版