收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于商务智能的客户流失预测模型与算法研究

夏国恩  
【摘要】: 客户流失管理是许多行业关注的一个重要问题,近年来,以传统统计学方法和人工智能方法为基础,客户流失预测研究取得了丰富的研究成果,但尚存许多值得研究的问题。商务智能的崛起为客户流失预测的研究提供了新的思路。 本文在商务智能理论和客户关系理论框架下,对现有客户流失预测模型结构进行修订,提出了新的预测模型结构。然后,以新的预测模型结构为基础建立了客户流失策略管理模型、客户流失特征提取与属性选择方法、客户流失预测模型,对电信业的客户流失预测问题进行了实证考察,从一个新的角度加深了对客户流失的规律理解。最后,对控制客户流失的策略进行了研究。现总结如下 一、提出一种新的客户流失预测模型结构,以一种崭新的思路研究客户流失问题。根据客户数据的特点和现用预测方式的不足,采用特征提取、属性选择、预测模型设计的预测新思路来研究客户流失问题。通过对新模型结构实现算法和实证的研究,证明了新模型结构比现用模型结构更加有效。 二、应用基于企业竞争的Delta策略模型,提出一种用于电信业的客户流失管理策略模型(CMSM)。通过使用某电信企业客户流失数据集,对CMSM进行了验证。其结果表明,该模型描述了客户流失的原因且包含了与企业竞争策略相关的主要预测因子,从而使其实际应用更易控制。 三、利用特征提取和指标属性选择方法,对电信业客户流失预测进行实证分析。主要结论是 1、将核主成分分析(KPCA)引入到客户流失预测中,提出了相应的特征提取算法,将KPCA与Logistic回归结合,设计了预测模型。对某电信公司客户流失预测的实证结果表明,该方法获得的命中率、覆盖率、准确率、提升系数、命中率置信度区间、覆盖率置信度区间、整体准确率置信度区间和Kappa,高于原始属性集和主成分分析(PCA)特征提取法。这表明KPCA能提取客户数据的非线性特征,是研究客户流失预测问题的有效方法。 2、将信息增益(IG)引入到客户流失预测中,提出了相应的属性选择算法,将IG与神经网络(NN)结合,设计信息增益神经网络(IGNN)预测模型。对某电信公司客户流失预测的实证结果表明,该方法获得的命中率、覆盖率、准确率、提升系数、命中率置信度区间、覆盖率置信度区间、整体准确率置信度区间和Kappa,高于属性相关性选择法、一致性选择法、实例选择法和对称不确定性选择法,这表明IGNN具有比NN更好的预测能力和泛化能力,从而证实了该方法的有效性、可行性和可靠性。 3、客户流失预测中的属性选择是一个满意优化问题。针对已有属性选择方法较少考虑属性获取代价和属性集维数的自动确定问题,提出一种满意属性选择方法(SASM),将样本分类性能、属性集维数和属性提取复杂性等多种因素综合考虑。给出属性满意度和属性集满意度定义,设计出满意度函数,导出满意属性集评价准则,详细描述了属性选择算法。对某电信公司客户流失预测的实证结果显示,SASM获得的命中率、覆盖率、准确率、提升系数、命中率置信度区间、覆盖率置信度区间、整体准确率置信度区间和Kappa,高于属性相关性选择法、一致性选择法、实例选择法和对称不确定性选择法。证实了SASM的有效性、可靠性和实用性。 4、随着时间跨度增加,利用特征提取和属性选择方法所建立的预测模型,需重新训练,才可能得到满意的结果。 四、利用基于结构风险最小化准则的SVM方法,对电信业客户流失预测进行实证分析。主要结论是 1、应用标准SVM,研究了电信业客户流失预测问题,并以某电信公司客户流失预测为实例,与人工神经网络、决策树、贝叶斯分类器等方法进行了对比,发现,除模型整体准确率、整体准确率置信度区间略低于决策树C4.5外,该方法能获得最好的命中率、覆盖率、提升系数、命中率置信度区间、覆盖率置信度区间、Kappa,是研究客户流失预测问题的有效方法。 2、针对目前客户流失预测方法的不足,在利用训练样本中不同类个数比值来确定各类惩罚参数的基础上,改进标准的C支持向量分类机(SVC)。通过以某电信公司客户流失预测为实例,与标准C-SVC、人工神经网络、决策树、贝叶斯分类器等方法进行了对比,发现,除模型整体准确率、整体准确率置信度区间略低于ANN,Logistic回归和贝叶斯分类器外,该方法能获得较好的正确率、命中率、覆盖率、提升系数、命中率置信度区间、覆盖率置信度区间、Kappa,是研究客户流失预测问题的有效方法; 3、利用简易SVM方法所建的客户流失预测模型,在模型评价结果相当的条件下,其运算花费的时间较小: 4、通过对“拒真纳伪”两类错误在客户流失预测中不同影响分析比较,采用SVM作为预测模型,并利用某电信公司实际数据对两类错误的平衡控制进行了研究。实验结果表明,选取一个适当的损失比例系数,预测模型能在控制两类错误的前提下,有效地减少期望损失函数值,这在实际应用中具有反映问题本质的现实意义。 5、随时间跨度的增加,预测模型应该重新训练才能得到满意的效果。 五、结合客户关系管理理论,从客户价值和客户满意的角度提出了客户流失分类表;然后通过对客户流失进行受力分析,发现导致客户流失的为推力和引力;最后通过引入拉力策略和阻力策略来控制客户流失。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 夏国恩;陈云;金炜东;;电信企业客户流失预测模型[J];统计与决策;2006年20期
2 李霖;李曼;;基于SVM的银行客户流失预测分析——以某商业银行VIP客户流失为例[J];生产力研究;2010年09期
3 李彩霞;;基于移动客户数据流失预测模型的比较分析研究[J];硅谷;2009年18期
4 赵敏;吴文福;张亚秋;;玉米籽粒特征提取及主成分分析[J];农业机械;2011年20期
5 夏国恩;;基于核主成分分析特征提取的客户流失预测[J];计算机应用;2008年01期
6 夏国恩;金炜东;;基于支持向量机的客户流失预测模型[J];系统工程理论与实践;2008年01期
7 琚春华;郭飞鹏;卢琦蓓;;基于支持向量机的纺织行业客户流失分析研究[J];计算机应用研究;2008年11期
8 蒋国瑞;司学峰;;基于代价敏感SVM的电信客户流失预测研究[J];计算机应用研究;2009年02期
9 宋芳;;基于GA-SVM模型的福建省城镇登记失业率预测[J];科技和产业;2009年09期
10 赵立志;李辉;陈海东;魏士勇;;支持向量机在说话人识别系统中的应用[J];China's Foreign Trade;2011年14期
11 曾文;彭辉;;支持向量机在手写签名的应用研究[J];中国高新技术企业;2009年15期
12 夏国恩;唐婵娟;;创新客户流失预测模型结构[J];经济导刊;2009年11期
13 张稳;张丽丽;;基于GA-SVM的银行客户流失预测分析[J];计算机与数字工程;2010年04期
14 全林;姜秀珍;赵俊和;汪东;;基于SVM分类算法的选股研究[J];上海交通大学学报;2009年09期
15 张能福;蒋正权;;基于支持向量机的信用评级分析[J];现代管理科学;2007年08期
16 赵天昀;;多分类SVM在企业竞争情报自动分类中的应用[J];现代情报;2008年10期
17 杜丽霞;;基于SVR算法的预测研究[J];自动化与仪器仪表;2010年03期
18 张根明;向晓骥;;基于支持向量机的上市公司财务预警模型研究[J];科技管理研究;2007年04期
19 田艳君;毛月华;李克;;运用“支持向量机”对客流量的预测研究[J];时代金融;2007年04期
20 雷辉;邓彦龙;李根军;钟君君;;基于支持向量机的工程项目风险预测[J];北方经济;2006年20期
中国重要会议论文全文数据库 前10条
1 梁德成;王德吉;邱道尹;栗卫军;;卷烟焦油预测研究[A];2009年中国智能自动化会议论文集(第五分册)[东南大学学报(增刊)][C];2009年
2 郭小荟;马小平;;基于EMD近似熵特征提取和支持向量机的故障诊断方法[A];中国自动化学会控制理论专业委员会D卷[C];2011年
3 朱晓霞;孙同景;陈桂友;;基于支持向量机理论的两级指纹分类实现方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
4 蔡蕾;朱永生;;基于稀疏性非负矩阵分解和支持向量机的轴心轨迹图识别[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
5 牛强;王志晓;陈岱;夏士雄;;基于支持向量机的Web文本分类方法[A];2006年全国开放式分布与并行计算学术会议论文集(一)[C];2006年
6 罗云林;徐文君;;基于支持向量机的航空发动机内窥损伤识别[A];2006中国控制与决策学术年会论文集[C];2006年
7 郭相科;刘进忙;曹学斌;张玉鹏;;子类独立分量分析在声目标识别中的应用[A];中国声学学会2007年青年学术会议论文集(上)[C];2007年
8 李泽辉;聂生东;陈兆学;;应用多类SVM分割MR脑图像特征选择与优化的实验研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
9 徐继伟;李建中;柳勃;杨昆;;使用支持向量机和改进特征提取方法的蛋白质分类[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
10 詹玉龙;刘明明;李邦辉;;基于支持向量机的船用主柴油机气缸盖故障诊断[A];第十五届全国大功率柴油机学术会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 夏国恩;基于商务智能的客户流失预测模型与算法研究[D];西南交通大学;2007年
2 张超;基于支持向量机的汽轮机轴系振动故障智能诊断研究[D];华北电力大学(河北);2009年
3 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
4 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
5 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年
6 董辉;基于支持向量机的岩土非线性变形行为预测研究[D];中南大学;2007年
7 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学(河北);2007年
8 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
9 张永;基于模糊支持向量机的多类分类算法研究[D];大连理工大学;2008年
10 梁力文;基于支持向量机的小波滤噪短波近红外光谱在药品定量分析中的研究[D];吉林大学;2009年
中国硕士学位论文全文数据库 前10条
1 唐孝;支持向量机(SVM)及其在心电图(ECG)分类识别中的应用[D];四川师范大学;2007年
2 蒋琳琼;基于支持向量机的货币识别研究[D];中南大学;2007年
3 罗畅;基于SVM的车牌字符识别研究[D];华中科技大学;2007年
4 王晓晶;支持向量机在脑功能模式识别和分类中的研究[D];天津师范大学;2009年
5 郭瑞勇;基于独立分量分析和支持向量机的纹理图像分类研究[D];哈尔滨理工大学;2009年
6 张淼;基于支持向量机的文本分类系统研究[D];大庆石油学院;2008年
7 陈卫;基于支持向量机的说话人识别系统研究[D];华北电力大学(河北);2005年
8 艾武;基于支持向量机的色素斑痣类皮肤症状识别研究[D];华中科技大学;2007年
9 顾海媛;面向地表分类的支持向量机(SVM)主动学习方法研究[D];南京理工大学;2009年
10 赖永标;支持向量机在地下工程中的应用研究[D];山东科技大学;2004年
中国重要报纸全文数据库 前10条
1 项建新;商务智能战火移至中国[N];中国经营报;2004年
2 ;商务智能不再“雾里看花”[N];计算机世界;2004年
3 本报记者 赵明;商务智能 IT应用系统的终结者?[N];中国经济时报;2003年
4 李军;商务智能须从领先行业入手[N];中国计算机报;2004年
5 赵钢;商务智能要挖数据“金矿”[N];中国商报;2004年
6 范华;用友领航商务智能市场[N];中国企业报;2003年
7 ;为商务智能提供全程动力[N];网络世界;2000年
8 谢卫平;商务智能:全球性热门话题[N];中华读书报;2002年
9 江心;基于分析:商务智能的生命线[N];通信产业报;2002年
10 朝夕;菲奈特软件助力商务智能应用[N];国际商报;2004年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978