近年来,随着国内电信行业的分割,三大电信运营商忙于开拓市场,抢夺更多的市场份额,而对已有客户的流失管理却得不到应有的重视。随着客户流失率的不断增加,特别是高价值客户的流失,电信企业出现“增量不增收”的局面。因此,如何准确有效地进行客户流失预测,并且制定科学合理的客户挽留策略进行客户挽留,从而最大程度地降低客户的流失率,已成为目前电信运营商急需解决的重要问题。这对于提升客户保持率,降低运营成本,提高经营绩效,最终实现电信企业从“以产品为中心”向“以客户为中心”的战略转移,具有至关重要的意义。本文的研究就是把营销学中的客户价值理论和数据挖掘技术紧密结合,并且运用到电信企业的客户流失分析中。本文以某市的中国联通的客户历史数据作为研究对象,利用SPSS公司的Clementine 12.0数据挖掘软件,采用CRISP-DM标准,建立了多个客户流失预测分类模型对电信企业的客户进行预测。例如,建立了C5.0模型,神经网络模型,贝叶斯模型等等。然后,根据模型的数值化评价指标和图形化评价指标对多个客户流失预测模型进行了比较分析,进而形成相对最优的模型。在建模过程中,充分考虑了电信企业客户流失分析时的数据集不平衡特点,采用数据抽样的方法,有效地解决了数据集不平衡的问题。最后,本文还从经济成本的角度出发,采用误分类成本控制技术对模型进行改进,然后使用模型预测出可能的流失客户名单。同时,本文根据电信行业的特点,建立一套切实可行的电信企业的客户价值评价指标体系。然后,根据专家经验,使用改进的层次分析法,得到客户价值评价指标的权重,进而得到每位客户的相对客户价值。与传统的客户流失分析相比较,它更加客观地衡量客户价值的高低,使得电信企业相关部门可以更加有效地制定客户挽留措施,更加有针对性地进行客户挽留工作,进而减少客户挽留成本。本文的研究结果,不仅对于中国联通解决当前的客户流失问题具有实际参考价值,而且对于我国电信企业的客户挽留工作,提供了有益的借鉴。