论文部分内容阅读
随着全业务运营的到来,各运营商对市场和客户的争夺越来越激烈,而为企业贡献较高价值的中高价值客户,由于其对企业服务能力与业务特征相对最了解,也成为了各大运营商抢挖的对象。中高价值客户为企业贡献了巨大价值,同时为企业带来丰富的社会关系和强大的社会影响力,因此中高价值客户的保有对于企业发展具有至关重要的战略意义,加强中高价值客户的保有,已成为全业务环境下企业市场竞争的重点和亟待解决的一个重要课题。
根据目前中高价值客户保有方面存在的问题,本文进行了中高价值客户流失预测及客户满意度评价算法的研究。
在构建客户流失预测模型时,在研究了数据挖掘相关的分类算法的基本思想和工作原理及客户流失预测的一些方法后,为了克服传统方法泛化能力不高、无法解决的非线性、高维和局部极小等实际问题,本文采用了支持向量机算法进行中高价值客户流失预测模型的构建。同时,鉴于惩罚常数C和核函数参数g对于分类器的精度及泛化能力的影响显著,采用遗传算法对这两个参数进行了优化选择。
对于客户满意度评价,首先,采用层次分析法确定客户满意度评价层次模型,并求得各层要素的权重。然后,使用灰色聚类法把多位客户对某一运营商的评分数值进行聚类分析。通过该方法,对一个运营商的简单评分会转化成分析该运营商在既定灰类下的分类情况。得到的结果虽然不是运营商的最终评分,但却能在一定程度上反映客户对运营商的评价结果。如果要体现在同一分类下,客户满意度影响因素之间的优劣程度,本文采用的是模糊评价方法。客户满意度的分类情况可以看作是模糊综合评价方法中的隶属度矩阵,然后由灰类阀值可以计算出客户满意度的最终评分。依据最终评分的大小,就可以区分同一分类下,客户满意度的等级。