基于数据挖掘的电信客户流失模型的建立与实现_贾琳.pdf

《基于数据挖掘的电信客户流失模型的建立与实现_贾琳.pdf》由会员分享，可在线阅读，更多相关《基于数据挖掘的电信客户流失模型的建立与实现_贾琳.pdf（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、计算机工程与应用!#$#%引言目前，随着电信体制改革的深化，电信业内运营商之间的竞争也日趋激烈，在行业中获得一个新客户的开支越来越大，因而保持原有的客户的工作也越来越有价值。电信企业保存着客户的相关信息，呼叫数据及计费等大量的数据，如何正确地分析利用这些数据发现有用的知识，向用户提供更好的服务，从而提高客户的忠诚度，防止客户流失（转向其他的运营商）成为电信企业关注的首要问题。数据挖掘就是从大量的数据中自动获取有用信息和知识的过程，它可以把企业分散的数据集中起来获取所需的知识，因此非常适用于电信这样的数据密集型行业。使用这种技术可以针对电信企业建立有关客户流失的预测模型，从而分析出客户流失的主要

2、原因并且采取相应措施有效地挽留有流失倾向的客户。当前市场上比较成熟的数据挖掘工具包括&()*+,-,./+0.)+,，&1&23+4+)*.)+，560 5)*+33.7+)*0.)+,等，在文中采用了&系统来实现客户流失模型，并且讨论了模型实现过程，对模型结果进行评价。!数据挖掘的应用步骤数据挖掘又称数据库中的知识发现（8)9:3+;7+,?.)*A/+，8$9G N+=Q$，R)SQ9K IFH）;?*15/：*4.).)7，2K/*94+,D=QK,)，&/?/*+4基金项目：甘肃省自然科学基金资助项目（编号：U&!D!HDFH）%MH!#$#计算机工程与应用%客户流失模型的建立和实现客

3、户流失模型需要完成以下功能：（&）分析流失客户的特征，导致客户流失的因素及流失客户在这些因素上的分布情况。（!）得出潜在的流失客户群。在模型的建立和实现过程中，采用了(系统，(系统全称)*)+,)+-,(.*/0,+,0,)12，最早由北卡罗来纳大学的两位生物统计学研究生编制，并于&345年成立了(软件研究所，正式推出了(软件。(发展到今天已经成为一个由三十多个专用模块组成的大型集成式软件包，(67.)1898+,1:+.18（7:）是(中功能非常强大的数据挖掘环境，它集成了数据获取工具、数据抽样工具、数据筛选工具、数据转换工具、数据挖掘数据库、数据挖掘过程等多种工具，并且图形化的模块可以使整

4、个挖掘过程组成一个处理的流程图。根据“消费者过去的行为是今后消费倾向的最好说明”这一原则，模型建立在已知数据的基础上。在模型的建立过程中使用了联通公司三个月的数据，遵循7:(方法逐步处理数据，建立模型，评价结果，得出有用的模式。%$&数据处理由联通公司得到的原始数据首先要通过7;（7=)8*-)，;8*.,/*)1，*?）工具完成数据抽取，转换和装载，将来自不同数据库的数据在类型、格式、编码规则等方面集成和规范化，最后将这些数据导入数据仓库。建模所需的数据由(通过编程从数据仓库中抽取，得到的数据集中变量（如市话呼叫次数、市话费等）个数高达&%个，因此建模过程中首先要确定模型的目标变量并且确定哪

5、些变量应用到模型，对于客户流失影响不大或者与目标变量有直接联系的变量不能应用到模型中，如郊县呼叫次数，过路呼叫次数等。*29/+.（取样）过程中按照目标变量的比例选取了%个客户。在建模过程中，为了避免出现模型的过适应问题，将样本数据进行分割，;8*+.+.：#A，B*/+?*)+.：%A，;1,)：%A。%$!模型的选择(提供了决策树、神经元网络、统计回归（线性回归和+,)+-回归）等多种建模方法，由于支持多种模型，所以7:允许用户比较不同模型并且利用评估结点选择其中最合适的。在客户流失模型中采用了+,)+-回归，神经元网络两种方法建模，+,)+-回归模型结果如图!所示，神经元网络建立模型如图

6、%所示。图%神经元网络模型使用神经元网络也可以产生很好的预测模型，但是这种模型的结果做预测分析时，很难对客户流失原因有很深入的理解，更得不到如何处理客户流失的线索，因此比较两种方法，采用了+,)+-回归预测模型。%$%模型评价及结果分析根据图!可以看出，通过建模能够分辨出一个&A的客户群，并且可以预测这个群体中流失客户约占!A，如果不应用模型可以预测出其中的C$5A，因此通过建模对流失客户的预测能力提高了近#倍，基于这个分析结果，有针对性地营销活动较之广泛的营销活动可以带来#倍的销售额增长率。应用+,)+-回归模型还可以分析哪些因素对于客户流失有影响，如图#所示。从图中可以看出，市话费用，电信

7、公司制定的用户套餐的优惠策略对客户影响很大，其他如性别，非工作呼叫次数等因素对模型也有影响。+D)E8+?1公司利用数据挖掘技术中的分类回归树建立客户流失模型F!G，客户群的提升率可以达到C，并且可以发现一&H5计算机工程与应用!#$#电子商务的应用打下了一个坚实的基础。（收稿日期：!%年&月）参考文献$()*+,-./0+1/23 4200+.5+$6+-7+.89:,32./9+;+11:?0，*+:+.:1A 21*:A:/-B.2A.+88-17 B.28,+.:/CDEF$G9:.7-11?-.+,2./9+H+5/.21:5 4200+.5+I2.J:1A K.2?,-/9+()*

8、+,-./0+1/234200+.5+，!L!$6:M$N=6-17 O17?8/.:-)/-17-.78 32.H+5/.21:5 4200+.5+DPF$Q12+7A+-17 O132.0-/:21 8C8/+0，!；!（#）：#RST#US%$V2.C8 W0+-C+1J2，*:+/+.X+18+$)5-Y+*25?0+1/O1/+A.-/:21 X2.V!V H+5/.21:5 4200+.5+$),+5:-:88?+23 H+5/.21:5 4200+.5+E+L8+-.59 P2?.1-21 V!V E+8+-.59，!（上接%U页）些有用的模式，如拨打客户服务热线的顾客忠诚度较高

9、，不太可能转向其他供应商等，这些模式在建模的过程中具有很高的参考价值。#结束语数据挖掘技术现已成为学术研究和商业应用的热点，并且出现了许多数据挖掘工具，)Z)H1/+.,.:8+=:1+.支持该系统的统计模块，并且可伸缩性、预测准确性和处理时间上都有很好的性能，针对电信这样的数据密集和竞争激烈的行业，使用了)Z)H=处理客户流失的问题，并且取得了较好的结果。可以预见，随着市场经济体制的完善和数据库的广泛应用，数据挖掘技术必将在更多的行业中应用。（收稿日期：!%年%月）参考文献$美国)Z)软件研究所$)Z)产品白皮书$8-8$520!$贺奇，郑岩等$构建面向4E=的数据挖掘应用D=F$人民邮电出版社，!%$廖里，余英泽等$数据挖掘和数据仓库及其在电信业中的应用DPF$重庆邮电学院学报，!；!（#）#$郝先臣，张德干等$数据挖掘工具和应用中的问题DPF$东北大学学报，!；!（!）&$陈卫华，朱仲英等$数据挖掘在4E=中的应用DPF$微电脑应用，!；S（）RS