基于数据挖掘的客户流失预测研究

《基于数据挖掘的客户流失预测研究》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、学校代码10530学号200902080235分类号C93密级硕士学位论文基于数据挖掘的客户流失预测研究学位申请人赵冬伟指导教师付畅俭副教授学院名称商学院学科专业管理科学与工程研究方向管理信息系统二〇一二年五月二十九日TheStudyofCustomerChurnPredictionBasedonDataMiningCandidateZhaoDongweiSupervisorA.P.FuChangjianCollegeBusinessSchoolofXiangtanUniversityProgr

2、amManagementScienceandEngineeringSpecializationManagementInformationSystemDegreeMaster’sDegreeUniversityXiangtanUniversitythDateMay29,2012湘潭大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和

3、集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期：年月日导师签名：日期：年月日摘要在竞争日趋激烈化的电信行业，运营商之间对于客

4、户的竞争也越来越激烈，在新市场难以拓展的情况下就要求运营商不仅要关注新客户的获得，与此同时更要关注如何保持住现有的客户，降低客户的流失率。因此越来越多的企业开始对客户行为特征进行深入分析，并通过一定的技术方法建立客户流失预测模型，使用该模型对客户的流失倾向进行预测，并取得了良好的效果。数据挖掘作为一种先进的算法和技术被越来越广泛的应用，在客户流失预测方面也发挥着重要的作用。针对客户流失进行的工作属于客户关系管理的范畴。随着管理理念，市场形势和人们消费观念的变化，对客户的行为研究越来越受到企业的重

5、视。根据客户的行为数据对客户的流失倾向进行预测，有利于企业有时间应对发生的变化，有针对性的实施挽留措施。此外，根据预测结果及时总结可能导致客户流失的因素还有助于企业发现自身存在的问题。因此建立这样的客户流失预警机制对于企业有着重要的意义。本文的主要目标就是建立一个移动客户的客户流失预测模型。在研究过程中，本文首先收集和整理了关于客户关系管理和数据挖掘的理论知识，为后续的实证研究做好理论准备。这些理论知识主要涉及了客户关系管理中的客户流失管理和客户价值分析方面；在数据挖掘理论方面综述了常见的应用于

6、客户流失预测的主要算法；之后详细介绍了本文研究的模型框架，即首先取得客户样本作为研究对象，之后对经过数据预处理的客户数据采用两种方法建立流失预测模型：一是直接采用logistic回归模型，二是将客户价值考虑进来，首先使用RFM模型区分不同价值的客户，再使用K-means聚类方法将客户分类，之后对每个客户类使用logistic模型进行建模预测；本文最后以唐山市某移动分公司的实际客户数据进行实证研究，研究结果表明相对于没有考虑客户价值的流失预测模型来说，考虑客户价值的客户流失预测模型具有高的准确率。

7、本文将理论与实际相结合，建立了一个客户流失预测模型。该模型具有科学性和可操作性，可以实现较高的预测水平。关键词：客户流失预测；数据挖掘；客户价值分析；logistic回归模型；RFM模型IAbstractInthetelecommunicationindustry,thecompetitionforcustomerismoreandmorefiercelybetweenthecarriers.Asthemarketexpansionbecomemoreandmoredifficult，itreq

8、uirescarrierspaymoreattentiononthemaintainingexistingcustomers.Howtolowdownthecustomerchurnrateshouldputthecorepositionofthecustomerrelationshipmanagement.So,moreandmoreenterprisesbegintoanalysiscustomerbehaviorfeaturesin-depthbycertaintechnicalmetho