客户流失问题研究[开题报告]

《客户流失问题研究[开题报告]》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、毕业论文（设计）开题报告题　　目：　　　　客户流失问题研究　　　　　　　　　　　　　　一、选题的背景、意义（一）背景21世纪，随着世界经济的全球化、市场的国际化，国内各行业的市场都渐渐趋向合理且充分的竞争。在这个自由的市场内，企业处于国内外众多竞争者的态势下，要努力的创造更高的价值的同时，客户流失在不断的增加，客户的平均生命周期的不断缩短严重的影响到我国企业经济效益的提高和企业的持续发展。在激烈的市场竞争和不断变化的市场需求面前，如何最大程度的降低客户流失率，增强客户保持是各大企业都面临的问题。客户流失问题的研究也受到的各国研究者和企业的日益重视

2、。在产品高度同质化的品牌营销阶段，企业与企业之间的竞争集中地体现在对客户的争夺上。“客户就是上帝”促使众多的企业不惜代价去争夺尽可能多的客户。但是，企业在不惜代价夺取客户的过程中，往往会忽视或无暇顾及已有客户的流失情况，结果就导致出现这样一种窘况：一边是新客户在源源不断地增加，而另一方面是辛辛苦苦找来的客户却在悄然无声地流失。我们经常会在一些营销管理的书籍上看到类似以下的一组数据：企业发展一位新客户的成本是挽留一个老客户的3-10倍；客户忠诚度下降5%，则企业利润下降25%；向新客户推销产品的成功率是15%，向现有客户推销产品的成功率是50%；如

3、果将每年的客户关系保持率增加5%，则利润增长将达25%-85%；60%的新客户来自现有客户的推荐,保持现有的客户比夺取新客户的成本低的多，一般可以节约4—6倍。如何预测和解决客户流失问题，分析客户流失的原因，及客户流失的相关策略，对客户流失的管理的研究，企业越来越重视。（二）意义新客户有限的增长率与高额的开发成本，促使企业越来越重视现有客户的流失问题。对企业来说，客户的流失是不可避免的，但是，适时地对潜在的流失客户展开相应的挽留措施，还是可以把客户的流失降低到一个合理状态的。然而，诚如“20%的客户创造了80%的利润”一样，这20%的核心客户如果

4、流失，则会造成极大的影响。对于潜在的流失客户，通过对客户行为的预测分析，如果这些潜在的流失客户中有核心客户，我们需要及时的采取有效的措施，是这类客户得到保留，或将损失降到最低。对于非核心的潜在流失客户，我们通过维持这些客户保持所花费的成本与效益对比，从而企业对其进行取舍。由于不同的企业其自身的实际情况是不同的，面临的内、外部环境也是不一样的，企业需要根据自己的情况对这些流失客户和潜在的流失客户进行客户流失管理。客户流失管理的目标是要实现客户挽留率的最大化与客户流失率的最小化。客户流失管理以客户为中心，通过再造企业组织体系和优化业务流程，展开系统的

5、客户研究，最大程度地改善、提高了整个客户关系生命周期的绩效，从而提高客户的满意度和忠诚度，提高运营效率和利润收益。二、相关研究的最新成果及动态（一）国外对于客户流失及预测的研究成果1、支持向量机（Supportvectormavhine,SVM）预测模型Vapnik提出的一种基于统计学习理论的机器学习方法的SVM预测模型，它是基于结构风险最小化原则，主要思想是针对二分类问题，在高维空间中寻找一个超平面作为两类的分割，以保证最小的分类误差。针对客户流失问题，建立支持机预测模型，针对实际客户流失数据中正负样本数量不平衡而且数据量大的特点，提出带有不同

6、类权重参数的支持向量机法CW-SVM，通过调整类权重的参数改变分类面位置，提高算法分类的准确性，取得较好的客户流失预测效果。2、决策树预测模型国际上最早、最有影响的决策树方法是QuIrIldn提出的ID3算法，该算法中引入信息论中的信息增益，作为对实体中选择重要特征的度量，以信息增益最大的特征产生决策树的结点，由该结点的不同取值建立树的分枝，然后对各分枝递归使用该方法建立决策树的结点和分枝，一直到某一子集中的例子属于同一类。通过构建决策树，假设企业数据库中的很多数据属性，通过相关性分析，选出与客户流失有关的数据属性，按照属性的值分成三个子集为正例

7、集合（好）、结点（一般）、反例集（差），即不流失、一般、流失。企业经过决策树分析，发现客户流失风险产生的因素、高流失率的客户群和流失的客户的特征，从最终决策树的分析中得出客户流失的规律，从而使企业采取预测、预控措施，保留住客户，避免客户流失。3、数据挖掘对客户流失的研究数据挖掘(DabMining)是从大量存储的数据中，利用模式识别、统计和数学的技术。筛选发现新的有意义的关系、模式和趋势的方法。数据挖掘所要处理的问题就是在庞大的数据库中寻找出有价值的隐藏事件。加以分析并将这些有意义的信息归纳成结构模式以帮助企业进行科学化的决策。数据挖掘是一个循环

8、往复的过程．其挖掘过程一般分为五个阶段：（1)定义业务问题：从业务角度来理解数据挖掘的目标和要求，在转化为数据挖掘问题。（2)设计数据模