论文部分内容阅读
当今数据挖掘技术快速发展，数据挖掘在很多领域中所起的重要作用己被越来越多的人认可，随着电信体制改革的深化，我国电信运营业的竞争日趋激烈，因此如何维持现有的客户不流失已经是电信运营商急需解决的一个课题。要保持现有的客户，电信运营商需提前预知某些客户是否有流失的可能性，进而才能采取有效的市场策略对客户加以挽留。我将基于数据挖掘的思想，通过建立客户流失预测模型对客户进行分析，得出流失客户的特征信息，从而起到指导企业决策的作用。
针对电信行业的客户流失预测，国内外的专家学者已进行了大量的研究工作。主要有采用决策树方法、神经网络方法、线性回归等方法来分析电信行业影响客户流失的一些重要因素。但现有方法存在如训练结构单一等等的问题，本文将针对现有方法的不足，对客户流失预测模型进行改进。
本文所做的工作包括以下几部分：
首先，介绍了数据挖掘的理论及其相关算法，总结分析了决策树算法和人工神经网络算法以及这两种算法性能的比较，并对数据挖掘工具SPSS Clementine软件做了详细的介绍。
其次，将山西省电信行业的无线市话小灵通历史数据为对象，从小灵通本身业务的实际情况出发，分析探讨了小灵通业务在做流失预测分析时所可能用到的数据基础和属性基础。根据其实际需求，给出数据挖掘的过程模型。
再次，针对现行大部分数据挖掘模型的单一性缺点，为了充分利用决策树和神经网络算法的优点，提出并建立了一种基于这两种算法的客户流失预测混合模型，并且通过实际的数据对该模型进行了评估，结果表明使用混合客户流失预测模型对客户流失做出了准确的预测，其模型的预报精度好于传统的单一的客户流失预测模型。
最后，利用之前建立的客户预测混合模型对山西电信L分公司做了实例分析，初步得出影响客户流失的一些重要因素，并且结合该公司的实际情况提出了客户挽留措施。
研究结果表明所建立的预测模型是科学的、基本上符合实际情况，能够给决策人员提供必要的预测信息并给出解决方案，因此，研究成果对于指导电信运营商的经营决策工作将起到重要作用。