论文部分内容阅读
随着电信市场竞争的发展,电信企业之间对客户的争夺也越来越激烈。如何才能预防、减少客户流失,数据挖掘技术的蓬勃发展为解决这一类问题指明了方向。利用数据挖掘技术建立客户流失预测模型,用此模型挖掘出将要离网的客户,再根据这些客户的通话特征和业务喜好采取针对性的措施加以挽留,在客户流失之前预先采取行动,以减少或消除这些客户发生流失的可能性。在深入研究数据仓库及数据挖掘技术的基础上,对如何运用挖掘技术建立客户流失预测模型展开研究,旨在为解决电信领域客户流失问题提供决策支持,主要工作有:研究如何通过聚类算法给客户分群。客户分群作为预测的基础,为分类器提供有共同特征的用户群体,使得预测分析可以在不同的群体上进行。为了减少调整簇中心所带来的计算代价,本文采用了一种改进的k-平均算法来得到具有相似特征的用户群体;研究如何用判定树分类进行客户流失预测。分类是进行客户流失预测的重要方法,采用了判定树归纳算法。在研究了基本算法的基础上,还研究了判定树属性选择度量、判定树剪枝方法等技术;客户流失预测系统的设计实现。研究流失预测系统的总体架构,在此基础上,通过商业理解、数据选择、数据预处理、模型建立、模型评估和检验等一系列客户流失模型挖掘过程,建立较为准确的客户流失模型,为企业决策提供支持。统计分析管理系统投入运行后,一方面改变了企业以往采用人工方式分析客户流失可能性的工作模式,大大降低了企业的运行成本,提高了工作效率;另一方面很大程度的提高了分析的准确度,客户流失率明显降低。目前,使用数据挖掘技术为电信企业提供决策支持的工作还处于探索阶段。希望本文的工作能对推进数据挖掘在电信领域的进一步应用做一点贡献。