论文题目: 基于数据挖掘的电信业客户流失分析与应用
论文类型: 硕士论文
论文专业: 控制理论与控制工程
作者: 沈燕卿
导师: 曹长修
关键词: 数据挖掘,客户关系管理,神经网络,聚类,时间序列
文献来源: 重庆大学
发表年度: 2005
论文摘要: 当今,随着国内电信业的改革,各运营商在企业大客户、长途业务、IP 业务、移动业务等领域展开了激烈的竞争。传统的以技术为驱动、以销售产品为目的的市场战略逐渐被以客户为中心、以满足客户需求为目的的市场战略所取代,客户资源成为了企业竞争的焦点。激烈的竞争必然导致客户处于不稳定状态,各运营商都面临严重的客户流失问题。大量而频繁的客户流失延长了企业利润回收的周期,给企业造成了巨大的损失。在这种形势下,如何防止客户流失、实施客户保持工作,已成为运营商关注的焦点之一。如何根据客户的特性和客户行为预测客户的流失,并结合竞争环境的变化制定有效的客户挽留和赢回策略并实现赢利,是电信运营企业正常运营的重要任务,也是电信客户研究咨询领域的一个重要课题。论文首先对客户价值作了初步的探讨,将客户价值分析引入客户流失预测和控制;同时,根据客户背景资料、消费/支付数据、行为资料及相关推导指标等历史数据,本文将RBF神经网络、最近邻聚类、时间序列等多种数据挖掘技术应用于客户流失研究,针对目前相关研究中存在的问题,给出了客户流失研究中涉及的主要问题的解决方案,包括客户描述、属性规约、流失原因分析以及流失预测与控制策略等,重点解决流失模型的建立问题,并利用基于梯度下降的误差纠正算法监督学习模型参数,提高模型训练和预测的精度及可靠性;最后利用训练后的模型对每个客户的流失可能性进行预测以及生成公司可能流失的客户列表。通过对实际案例的应用,作者对模型的有效性和可操作性进行了验证,取得了良好的效果,证明其具有相当的实际意义;同时,对电信企业的市场战略实施也具有现实的指导意义。
论文目录:
中文摘要
英文摘要
1 绪论
1.1 论文选题及其研究意义
1.2 国内外研究现状与发展趋势
1.3 本文研究的主要内容、目标和方法
1.4 论文的组织
2 理论基础
2.1 数据挖掘技术
2.1.1 数据挖掘技术(DM)简介
2.1.2 数据挖掘任务
2.1.3 数据挖掘对象
2.1.4 数据挖掘流程
2.1.5 数据挖掘的方法
2.1.6 结束语
2.2 RBF 神经网络
2.2.1 人工神经网络的特点和基本原理
2.2.2 人工神经网络的分类
2.2.3 RBF 神经网络结构
2.2.4 RBF 网络参数选取
2.3 聚类技术
2.3.1 分裂法(Partitioning methods)
2.3.2 层次法(Hierarchical methods)
2.3.3 基于密度的方法(Density-based methods)
2.3.4 基于网格的方法(Grid-based methods)
2.3.5 基于模型的方法(Model-based methods)
3 客户价值与客户分类
3.1 客户价值内涵
3.2 客户价值的具体表现
3.3 客户价值评估
3.3.1 客户价值评估理论模型
3.3.2 客户价值评价体系和模型
3.3.3 电信客户价值评估模型
3.4 基于客户价值的客户分类
3.4.1 改进的k 平均算法
3.4.2 度量标准化
3.4.3 对象与簇中心之间的距离
3.4.4 平方误差准则
3.4.5 引入权重
3.5 结论
4 客户流失分析与建模
4.1 客户流失分析背景
4.2 客户流失的定义和类型
4.2.1 客户流失类型
4.2.2 客户流失分析目的
4.2.3 客户流失指标
4.3 数据准备
4.3.1 数据抽取
4.3.2 数据清洗及转换
4.3.3 属性规约
4.4 客户流失预测模型
4.4.1 模型分析
4.4.2 RBF 神经网络预测模型
4.4.3 时间序列预测
4.5 模型仿真及应用
4.6 减少客户流失实施客户保持
5 结论和展望
5.1 论文工作小结
5.2 今后研究工作思路
致谢
参考文献
独创性声明
学位论文版权使用授权书
发布时间: 2005-11-07
参考文献
- [1].基于昆明电信的客户流失分析[D]. 高敏.昆明理工大学2005
- [2].移动通信行业中的客户流失问题研究[D]. 毛露.北京邮电大学2011
- [3].复杂网络特征分析及其在电信客户流失分析中的应用[D]. 张战胜.北京邮电大学2007
- [4].基于SVM的客户流失预测研究[D]. 贺建军.昆明理工大学2009
- [5].基于支持向量机的移动电信行业客户流失预测研究[D]. 赵卫华.昆明理工大学2006
- [6].基于数据挖掘的离网趋势客户套餐推荐研究[D]. 杨冬.浙江大学2007
- [7].移动通信经营分析系统的构建与客户流失分析[D]. 方坤.南京航空航天大学2004
- [8].河北网通决策分析系统小灵通客户流失预测子系统建设[D]. 郝辉.北京邮电大学2008
- [9].基于数据挖掘的移动通信用户行为分析技术研究[D]. 李翌雯.北京邮电大学2018
- [10].基于Boosting算法的某移动通信公司客户离网分析与预测[D]. 张玮.合肥工业大学2009
相关论文
- [1].基于数据挖掘的电信客户流失和保留研究[D]. 陶秋香.华东师范大学2007
- [2].基于数据挖掘的电信客户流失成因研究[D]. 马莉.华东师范大学2006
- [3].基于数据挖掘的电信客户流失模型分析与设计[D]. 陈黎力.大连海事大学2007
- [4].数据挖掘在电信客户流失预测中的应用研究[D]. 孟玉明.中南大学2007
- [5].基于数据挖掘的电信企业客户流失模型研究[D]. 刘延民.电子科技大学2005
- [6].基于数据挖掘的电信企业客户行为分析研究[D]. 全昌文.电子科技大学2005
- [7].数据挖掘技术在电信客户流失中的研究与应用[D]. 赵雪清.大连海事大学2005
- [8].基于CRM数据挖掘的电信客户细分模型分析与设计[D]. 谭军.重庆大学2005
- [9].数据挖掘在电信客户流失中的应用研究[D]. 吴志勇.电子科技大学2006
- [10].利用数据挖掘实现电信业的客户流失预测分析[D]. 王平.西南交通大学2003