论文部分内容阅读
为有效规避客户欠逃费和实现差异化处置，针对具有长期定时付费特征的后付费类服务，提出混合马尔科夫与贝叶斯的客户欠费预测模型，基于全客户多要素信息增益分析，给出潜在欠费客户的欠费概率，为客户欠费预警和处置提供全面、客观、精细的决策信息，并支持客户差异化处置．首先，基于其付费特点，建立k序马尔科夫模型，计算客户的初始欠费概率；然后，融合客户基本属性、行为特征和欠费信息等要素，基于条件互信息和爬山法生成目标贝叶斯网络，对初始欠费概率予以修正，形成客户最终欠费概率；最后，基于实际数据进行实证分析，验证了该模型的有效