通信市场趋于饱和导致客户资源稀缺,客户流失是不可避免的。但是,通过数据挖掘方法预测出欲离网的客户,再设计并落实积极有效的营销方案,企业仍然可以减少客户流失的数量。本文针对中国移动通信公司客户数据建立距离判别模型、支持向量机、神经网络等模型,对可能会流失的客户进行预测识别,为通信公司的客户管理和系列决策提供理论和方法支持。主要工作概述如下:1.对数据进行缺失值处理、异常值处理,获得分析所需要的干净数据。2.利用k-means聚类、基于随机森林的影响因素分析、逻辑回归分析等方法,探索中国移动通信公司流失客户的行为特征。3.本文用在网时长、月花费、个体的度、联系强度、个体信息熵、个体度的变化率6个自变量构建距离判别模型,判别准确率为85.59%。4.构建支持向量机模型,判别准确率为85.46%;用粒子群算法优化后准确率达到87.55%;用网格搜索法优化后准确率达到88.96%。5.构建神经网络模型,判别准确率为85.95%,用adaboost算法优化后准确率达到97.95%。本文将分类预测模型应用于中国移动通信公司流失客户的识别研究中,并不断优化模型以寻求更高的准确度,体现了较大的实用性;并且运用多种数据分析方法探索客户流失的规律和特征,基于此,有针对性地提出挽留策略和营销策略。