论文部分内容阅读
模具是典型的订单驱动、以客户需求为导向的产品,残酷的竞争使得模具产品的利润率在逐步下滑,而减少客户流失对维持模具企业的利润底线有着至关重要的影响。模具的设计制造是一个以知识和经验为基础的创造性过程,在此过程中模具企业在交货期、质量、售后服务等方面提供的“服务质量”是赢得客户的核心竞争力。因此,对模具企业来说,分析客户发生流失的原因从而提高自身服务质量不仅对企业的成功至关重要,也是一个有着重要现实意义的研究课题。本文以应用数据挖掘技术进行模具业的客户流失分析为研究主题,主要研究内容包括以下几个方面。首先,明确模具客户流失分析的研究思路。本文以数据挖掘作为客户流失分析的技术支撑,对模具客户细分的必要性进行分析之后,基于模具客户的当前价值和潜在价值对客户群进行了细分,并选取高价值模具客户群作为客户流失分析的对象。进一步,为了准确评估模具客户发生流失的程度,基于模具客户的订单变化情况对模具业的客户流失进行了相关定义,为下文进行客户流失分析做了理论铺垫。其次,对模具企业进行客户流失分析的方法研究。本文利用统计学的相关技术来筛选属性变量,以挑选对模具客户流失影响较大的关键属性作为模型的输入,并基于模具企业实际业务数据的特点,对数据挖掘各算法的适用性进行综合分析之后,选取决策树C4.5算法作为建模的基准算法。另外,鉴于领域知识在模具行业客户流失分析中的重要性,而传统决策树C4.5算法在建模过程中无法直接引入领域知识的不足,研究提出一种通过利用单调性约束来将领域知识应用到决策树模型中的方法,引入模具专家的领域知识来对已生成的决策树进行“剪枝”。最后,模具企业客户流失分析的案例分析。本文以某大型模具企业为研究对象,以该企业的客户信息和订单数据为分析样本,对样本数据集做进一步属性筛选和数据预处理之后,先用传统决策树C4.5算法建立客户流失预测模型,再利用本文的算法引入模具专家的领域知识对决策树模型进行剪枝,最终得到了简约后的模型。并基于模型的预测精度、可理解性和合理性三个重要指标将两个模型进行了对比分析,验证了本文提出的改进算法在模具业客户流失分析中的可行性和有效性。同时,将最终模型提取出来的规则集进行了商业解释。本文根据模具行业客户流失分析的特点,应用数据挖掘技术建立模具业的客户流失预测模型的同时,提出了一种通过添加单调性约束将领域知识引入到决策树模型的方法,不仅为模具企业进行客户流失分析提供了有效决策依据,也为数据挖掘技术在模具客户流失分析中的应用提供了借鉴。