数据挖掘在电信客户流失中的应用

《数据挖掘在电信客户流失中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨工业大学管理学硕士学位论文摘要随着数据挖掘技术的不断发展，人们越来越关心它在各个领域的应用，它是利用已有的历史数据通过建立模型的方法找出隐含的业务规则。电信行业是典型的数据密集行业，而且目前电信运营商们都在经历着不同程度的客户流失，所以运用数据挖掘技术找出电信流失客户的特征显得尤为重要。本文的研究目的就是应用数据挖掘技术发现流失客户的特征，建立流失预测模型，应用模型预测流失客户名单，针对流失客户制定有效的挽留策略。本文的主要工作包括以下几个方面：首先从业务角度，对电信行业的业务流程和电信客户流失原因进行分析，将客户流失原因和电信行业的业务系统相接合，总结出与客户流失相关的数据

2、资料，完成从商业角度向数据角度的转换。然后从技术角度，总结了数据挖掘技术的理论与方法。详细描述了神经网络挖掘算法和决策树算法的原理及过程，为后面章节的实际建模打下铺垫。接着在前面的基础上又介绍了电信行业客户流失模型建立的原则，探讨了数据挖掘过程的标准化模型。详细描述了CRISP-DM标准数据挖掘过程的6个阶段，并结合电信行业自身的特点，论述了商业理解、数据理解、数据准备、建立模型、模型评估、模型应用这六个阶段的工作。最后又详细探讨了流失客户的挽留价值，详细描述了电信客户生命周期各个阶段的特点，分析客户流失的原因，针对流失客户制定有效的客户挽留策略。关键词数据挖掘；客户流失；跨行业的

3、标准数据挖掘流程；分类回归树；挽留价值-I-哈尔滨工业大学管理学硕士学位论文AbstractWiththedevelopmentofdataminingtechnology,peoplebecomemoreandmoreinterestedinitsapplicationinvariousfields.Dataminingistofindoutthehiddenbusinessrulesthroughtheestablishmentofthemodelbyusinghistoricaldata.Thetelecomindustryisatypicaldata-intensivein

4、dustry,andcurrentlytelecomoperatorsaresufferingdifferentdegreesofcustomerschurn.Therefore,itisparticularlyimportanttousedataminingtoidentifythecharacteristicsofthechurncustomer.Thepurposeofthispaperistodetectthecharacteristicsofthelostcustomer,establishchurnpredictionmodel,establishthelostcust

5、omerlistbyusingthemodel,andmakesaneffectivedetainmentstrategyagainstthechurncustomers.Themaincontentsofthispaperincludethefollowingaspects:Firstly,fromthebusinessview,thispaperanalysesthebusinessprocessoftelecomindustryandthereasonofcustomerchurn.Thenthispapercombinesthereasonofcustomerchurnan

6、dthetelecombusinesssystem,achievingtheconversionfromcommerceviewtodataview.Secondly,fromthetechnicalview,thispapersummarizesthetheoryandmethodofdatamininganddescribesthealgorithmofneuralnetworkanddecisiontreeindetail.Then,thispaperdescribestheprinciplesofestablishingthemodelofthetelecomindustr

7、ycustomerchurn,anddiscussesthestandarddataminingprocess.ThispaperdescribesthesixstagesofCRISP-DMstandarddataminingprocess,anddiscussesthebusinessunderstanding,dataunderstanding,datapreparation,modelbuilding,modelevaluation,andmodelimple