案例2电信客户流失(程建华

《案例2电信客户流失(程建华》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、StatisticsDepartmentofEconomicSchoolofAnhuiUniversityJianhuaChengThursday,September02,2021Email:jhcheng0724@163.comMobilePhone:13855179522ASeriesCourseofDataMining案例2—电信客户流失分析电信行业数据挖掘——客户流失研究之商业理解移动通信业是一个竞争异常激烈的行业，对于移动通信运营商来说，如何对其客户进行有效的管理，尽可能的减少客户的流失和跳网是一个紧迫的问题。在这里我们将介绍数据挖掘在移动通信业关于客户流失研

2、究中的应用。数据挖掘技术将提供功能强大的模型，可以回答“哪些客户最可能流失？”和“为什么这些客户会流失？”等问题。电信行业数据挖掘——客户流失研究之商业理解什么是流失，流失如何定义连续欠费不交？号码长期不用？二分标记变量？流失和哪些因素相关顾客年龄？性别？收入？行业？话费水平？话务质量？确定数据挖掘目标（1）对客户进行聚类分析，寻找那些流失量比较大的客户群（2）建立规则，描述那些易于流失的客户群的特征（3）建立打分模型，对客户流失可能性（概率）进行评价字段名称字段含义指标解释Customer_ID顾客IDGender性别Age年龄Connect_Date入网时间顾客生命

3、周期的开始,日期型L_O_S服务时间服务顾客时间长Dropped_Calls掉线次数在6个月内电话掉线次数PayMethod支付方式话费支付方式——预交还是后付tariff话费类型Churn是否流失二分标记变量，是或否Handset手机品牌顾客信息资料(共31769条记录，10个变量)电信行业数据挖掘——流失问题研究之数据理解字段名称字段含义指标解释Customer_ID顾客IDPeak_calls高峰时期电话数Peak_mins高峰时期电话时长OffPeak_calls低谷时期电话数OffPeak_mins_Sum低谷时期电话时长Weekend_calls周末时期电话

4、数Weekend_mins周末时期电话时长International_mins国际电话时长Nat_call_cost_Sum国内电话花费=高峰+低谷+周末花费Month月份CDR数据资料（190，614条记录，10个变量）电信行业数据挖掘——流失问题研究之数据理解字段名称字段含义指标解释tariff资费种类fixed_cost固定费用该种资费类型每月需支付固定费用Free_mins免费时长该种资费类型每月提供免费（国内）时长peak_rate高峰时期话费该种资费类型在高峰时期每分钟话费（超过免费时长部分）OffPeak_rate低谷时期话费该种资费类型在低谷时期每分钟话

5、费（超过免费时长部分）Weekend_rate周末时期话费该种资费类型在周末时期每分钟话费（超过免费时长部分）International_rate国际长途话费该种资费类型国际长途电话每分钟话费Voicemail语音信箱语信信箱收费（未用）SMS短信服务短信服务收费（未用）资费数据资料（共5条记录，9个变量）电信行业数据挖掘——流失问题研究之数据理解电信行业数据挖掘——流失问题研究之数据准备把CDR月度数据汇总成6个月的总体数据根据CDR数据生成各种不同的平均数据和组合数据归并客户信息数据、CDR数据与话费数据对客户现在付费类型的合理性进行简单分析电信行业数据挖掘——流失

6、问题研究之建模和评估Kohonen聚类Kmeans聚类C5.0建立规则C&RT决策树Logistic回归模型神经网络模型对客户进行聚类分析，并比较不同客户群流失可能性建立规则，描述那些易于流失的客户群的特征建立打分模型，对客户流失可能性（概率）进行评价结论→决策：流失概率高和低的都不管，关注中间层，范围多大？Modeler14.2文件：数据理解_观察各种因素和流失的关系如何.str文件：数据理解_各种费用比例和流失的关系.str文件：建立模型_研究不同客户群流失情况.str6.案例分析文件：建立模型和模型评估_建立对用户流失可能性进行打分的模型并评估.str建立模型：（

7、1）利用数据训练集训练模型，看模型是否合适。6.案例分析文件：建立模型和模型评估_建立对用户流失可能性进行打分的模型并评估.str建立模型（2）利用数据检验集对已经建立的模型进行查看，看预估数据与实际数据是否吻合，出错比例大概多少。理解数据挖掘应用/建模图P1aggregatecustcallP2valuecustcallplusE1exploreE2ratiosM1churnclustcustinfocdrtariffP3splittraintestM2churnpredictD1churnscore图例:数据流Model电信数据挖掘—