电信客户欠费模型评估_包志强.pdf

《电信客户欠费模型评估_包志强.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第２０卷第４期西安邮电大学学报Ｖｏｌ．２０Ｎｏ．４２０１５年７月ＪＯＵＲＮＡＬＯＦＸＩＡＮＵＮＩＶＥＲＳＩＴＹＯＦＰＯＳＴＳＡＮＤＴＥＬＥＣＯＭＭＵＮＩＣＡＴＩＯＮＳＪｕｌ．２０１５ｄｏｉ：１０．１３６８２／ｊ．ｉｓｓｎ．２０９５－６５３３．２０１５．０４．０２０电信客户欠费模型评估包志强，崔妍（西安邮电大学通信与信息工程学院，陕西西安７１０１２１）摘要：针对客户恶意欠费对电信运营商造成的经济损失问题，提出一种基于ＢＰ人工神经网络的客户欠费模型，为新客户的欠费情况做出预测。以某电信运营商客户服务部数据为研究对象，ＣＲＩＳＰ－ＤＭ（跨行业数据挖掘过程标准）方法论为建模流程，采

2、集２５００个样本进行网络训练测试，在允许误差为０．００１时，预测率达到９２．３３％。实验结果表明，该模型能够较准确的预测客户欠费情况，提高了预测的有效性和实用性。关键词：ＢＰ人工神经网络；客户欠费预测；大数据中图分类号：ＴＰ１８３文献标识码：Ａ文章编号：２０９５－６５３３（２０１５）０４－００９７－０５ＴｅｌｅｃｏｍｃｕｓｔｏｍｅｒａｒｒｅａｒａｇｅｓｍｏｄｅｌｅｖａｌｕａｔｉｏｎＢＡＯＺｈｉｑｉａｎｇ，ＣＵＩＹａｎ（ＳｃｈｏｏｌｏｆＣｏｍｍｕｎｉｃａｔｉｏｎａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍ

3、ｕｎｉｃａｔｉｏｎｓ，Ｘｉ’ａｎ７１０１２１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｃｕｓｔｏｍｅｒｓ’ａｒｒｅａｒａｇｅｓｍｏｄｅｌｂａｓｅｄｏｎＢＰａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄｉｎｔｈｅｐａｐｅｒｔｏｔａｒｇｅｔａｔｔｈｅｐｒｏｂｌｅｍｏｆｃｕｓｔｏｍｅｒｓ’ｍａｌｉｃｉｏｕｓａｒｒｅａｒａｇｅｓｒｅｓｕｌｔｉｎｇｉｎｅｃｏｎｏｍｉｃｌｏｓｓｅｓｆｏｒｔｅｌｅｃｏｍｏｐｅｒａｔｏｒｓ．Ｉｔｐｒｏｖｉｄｅｓｐｒｅｄｉｃｔｉｏｎｏｆｔｈｅａｒｒｅａｒａｇｅｓｉｔｕａｔｉｏｎｆｏｒｔｈｅｎｅｗｃｕｓｔｏｍｅｒｓ．Ｂｙｕｓｉｎｇｔｈｅｄａｔａｆｒｏ

4、ｍａｔｅｌｅｃｏｍｏｐｅｒａｔｏｒｃｕｓｔｏｍｅｒｓｅｒｖｉｃｅｄｅｐａｒｔｍｅｎｔａｎｄｂｙＣＲＩＳＰ－ＤＭ（Ｃｒｏｓｓ－ＩｎｄｕｓｔｒｙＳｔａｎｄａｒｄＰｒｏｃｅｓｓｆｏｒＤａｔａＭｉｎｉｎｇ）ｍｅｔｈｏｄｏｌｏｇｙｆｏｒｍｏｄｅｌｉｎｇｐｒｏｃｅｓｓ，ａＢＰｎｅｔｗｏｒｋｍｏｄｅｌｉｓｓｅｔｕｐ．Ｉｎｔｈｉｓｍｏｄｅｌ，２５００ｓａｍｐｌｅｓａｒｅｃｏｌｌｅｃｔｅｄｆｏｒｎｅｔｗｏｒｋｔｒａｉｎｉｎｇａｎｄｔｅｓｔ，ａｎｄｗｉｔｈｔｈｅａｌｌｏｗｉｎｇｅｒｒｏｒ０．００１，ｔｈｅｍｏｄｅｌ’ｓｐｒｅｄｉｃｔｉｏｎｒａｔｅｃａｎｒｅａｃｈ９２．３３％．Ｅｘｐｅｒｉｍｅｎｔ

5、ａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｏｄｅｌｃａｎａｃｃｕｒａｔｅｌｙｐｒｅｄｉｃｔｔｈｅｎｅｗｃｕｓｔｏｍｅｒｓ’ａｒｒｅａｒａｇｅｓｓｉｔｕａｔｉｏｎａｎｄｉｍｐｒｏｖｅｔｈｅｖａｌｉｄｉｔｙａｎｄｐｒａｃｔｉｃａｂｉｌｉｔｙｏｆｔｈｅｐｒｅｄｉｃｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ＢＰａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋ，ｃｕｓｔｏｍｅｒｓ’ａｒｒｅａｒａｇｅｓｐｒｅｄｉｃｔｉｏｎ，ｂｉｇｄａｔａ随着中国４Ｇ牌照的发放，电信行业规模不断一些国外电信运营商已经在大数据领域有所突破，扩大、业务种类不断增多，与此同时如何为企业赢西班牙电信２０１２年成立了名为“动态洞察

6、”的大数得利益，避免客户恶意欠费所带来的经济损失问题据业务部门，推出首款产品ＳｍａｒｔＳｔｅｐｓ，已成功为也日益突出。尽管预付费业务的推出在一定程度零售商新店选址提供决策支持；美国Ｖｅｒｉｚｏｎ成立上改善了用户欠费问题，但传统的“先消费，后缴了精准营销部门，基于运营商收集公开场合手机用费”仍然是电信企业与用户采用的主要结算方式，户下载数据、ＡＰＰ数据，提供精准营销、移动商务等［３－４］话费拖欠造成的企业资金周转问题严重影响到电业务。合理利用大数据资源，建立一套客户欠费［１］信行业的稳步发展。运营商是互联网产业链的核评估体系，完善企业ＣＲＭ，准确地分析客户行为成［５］心以及最主

7、要的驱动力量，为用户提供网络服务的为预防欠费的有效方法。本职业务使其拥有天然的大数据资源，这为开展基目前，关于电信客户行为分析问题，常用的预［２］于用户行为分析的商业创新模式打下坚实基础。测及评价方法有Ｋ－均值聚类、贝叶斯和决策树等方收稿日期：２０１５－０５－１２基金项目：国家自然科学基金资助项目（６１２７１２７６）；陕西省自然科学基金资助项目（２０１２ＪＱ８０１１）作者简介：包志强（１９７８－），男，博士，副教授，从事数据挖掘，阵列信号处理研究。Ｅ－ｍａｉｌ：ｂａｏｚｈｉｑｉａｎｇ＠ｘｕｐｔ．ｅｄｕ．