固網(wǎng)運(yùn)營(yíng)商客戶流失預(yù)警模型研究.pdf

1、隨著移動(dòng)業(yè)務(wù)分流的加重、固網(wǎng)市場(chǎng)競(jìng)爭(zhēng)的加劇，國(guó)內(nèi)的固網(wǎng)運(yùn)營(yíng)商面臨著巨大的挑戰(zhàn)，客戶流失現(xiàn)象日益嚴(yán)重。老客戶流失帶來(lái)的損失以及獲取新客戶的困難使得固網(wǎng)運(yùn)營(yíng)商意識(shí)到實(shí)施客戶流失預(yù)警以及客戶挽留的重要性。本論文針對(duì)固網(wǎng)運(yùn)營(yíng)商對(duì)客戶流失預(yù)警的迫切需求以及國(guó)內(nèi)相關(guān)研究和應(yīng)用較少的現(xiàn)象，展開(kāi)固網(wǎng)運(yùn)營(yíng)商客戶流失預(yù)警模型的研究。 本文應(yīng)用CRISP-DM數(shù)據(jù)挖掘過(guò)程方法論，結(jié)合固網(wǎng)運(yùn)營(yíng)商的業(yè)務(wù)特點(diǎn)，詳細(xì)闡述了建立固網(wǎng)運(yùn)營(yíng)商客戶流失預(yù)警模型的各個(gè)

2、步驟：商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建模和模型評(píng)價(jià)。同時(shí)，在總結(jié)固網(wǎng)運(yùn)營(yíng)商客戶流失預(yù)警數(shù)據(jù)特點(diǎn)的基礎(chǔ)上，指出了固網(wǎng)運(yùn)營(yíng)商客戶流失預(yù)警的關(guān)鍵問(wèn)題。 特征變量的構(gòu)造和特征變量的選取對(duì)客戶流失預(yù)警模型的學(xué)習(xí)效率以及最終模型的準(zhǔn)確性和穩(wěn)定性有很大影響。在分析和比較了眾多變量關(guān)系分析理論的基礎(chǔ)上，本文引入受試者操作特征曲線(ROC曲線)和信息論中的互信息量的概念來(lái)建立特征變量選取機(jī)制及具體方法：刪除無(wú)分類(lèi)預(yù)測(cè)能力的特征變量(ROC曲線的A

3、UC小于等于0.5的變量)，對(duì)于高相關(guān)的特征變量，優(yōu)先保留高分類(lèi)預(yù)測(cè)能力的特征變量，刪除低分類(lèi)預(yù)測(cè)能力的冗余變量。 建模方法是預(yù)測(cè)結(jié)果是否有效的關(guān)鍵。本文在創(chuàng)新模型TreeLogit的基礎(chǔ)上提出了mSTree-Logistic模型。該模型通過(guò)對(duì)使用多個(gè)樣本集分別訓(xùn)練出的多棵決策樹(shù)預(yù)測(cè)函數(shù)進(jìn)行邏輯回歸來(lái)得到最終的預(yù)測(cè)函數(shù)。 本文對(duì)某固網(wǎng)運(yùn)營(yíng)商一市級(jí)分公司的客戶數(shù)據(jù)進(jìn)行上述方法的實(shí)證應(yīng)用。應(yīng)用結(jié)果證明了上述方法的可行性和有效