本站小編為你精心準備了數據挖掘視角下的電信客戶流失預測參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

【摘要】

隨著4G時代的到來，電信行業的得到了空前的發展，用戶數量快速增長，同時，電信各運營企業之間的競爭也日益激烈。面對激烈的電信市場競爭環境，以及日趨飽和的電信市場，獲取新客戶的成本比保持在網客戶要昂貴得多。加之電信技術、法律法規、攜號轉網以及競爭對手等動態市場的變化，使客戶流失到對手運營企業也更加容易。數據挖掘，作為一種新興技術手段，可以高效、低成本的實現客戶的流失預測，現已在電信、金融等行業得到了廣泛應用。

【關鍵詞】

數據挖掘;客戶流失;算法

1、引言

流失客戶，即是不想或不再使用其服務的企業原有客戶。根據流失程度可分為兩類:離網流失和業務流失，或稱為顯性流失和隱性流失。在我國，電信行業競爭日益激烈，市場容量逐漸飽和，在終端產品以及通信資費相對平穩的情況下，用戶成為電信運營商激烈競爭的焦點。如何有效地防止用戶流失、降低流失率成為各個運營商急需解決的難題。客戶流失給運營商帶來了巨大損失，而成功挽留一個即將流失的客戶比重新發展一個客戶節約大量成本。因此，利用數據挖掘技術，預測客戶流失、減少客戶流失的發生成為當下電信行業研究的重點。

2、客戶流失預測常用算法及比較

客戶流失預測常用算法。目前，常用的挖掘算法有很多，但客戶流失分析較為常用的有三種算法，分別是決策樹算法、支持向量機算法、神經網絡算法。

(1)決策樹算法當前最有影響的決策樹算法是Quinlan于1986年提出的ID3和1993年提出的C4．5。ID3只能處理離散型屬性，它選擇信息增益最大的屬性對訓練樣本進行劃分，目的是進行分枝時，使系統的熵最小，從而提高算法的精確度。C4．5是ID3算法的改進算法，不僅可處理離散型屬性，還能處理連續性屬性。C4．5采用信息增益比作為選擇分枝屬性的標準，彌補了ID3算法的不足。決策樹的優點在于，它可以生成可以理解的規則，計算量相對較小，可以處理連續和種類字段，并且可以清晰地顯示哪些字段比較重要。但決策樹對連續性的字段比較難預測，這是決策樹的一個不足。

(2)支持向量機算法支持向量機(SupportVectorMachine，SVM)由Vapnik領導的AT＆TBell實驗室研究小組于1963年提出，當時的研究尚不十分完善。直到90年代，統計學習理論的實現和由于神經網絡等較新的機器學習方法的研究在如何確定網絡結構、過學習與欠學習、局部極小點等問題時遇到一些重要困難，這個階段SVM的理論技術得到迅速發展與完善，它在解決小樣本、非線性以及高維模式識別中表現出許多特有的優勢，并能夠推廣應用到函數擬合等問題中，是一項有潛力的分類與回歸技術。SVM也存在自身不足，SVM算法對大規模訓練樣本難以實施，同時，對于多分類問題存在困難。

(3)神經網絡算法人工神經網絡(ArtificialNeuralNetworks，ANN)，也簡稱神經網絡，它是由大量簡單處理單元以某種方式互相連接而成，通過調整內部這些大量處理單元之間相互連接的關系，從而達到處理信息的目的。神經網絡中，神經元處理單元可表示為特征、字母、概念或某些有意義的抽象模式等不同的對象。神經網絡中處理單元類型可以分為三類:輸入層單元、輸出層單元和隱藏層單元。輸入層單元負責接受外部世界的數據或信號;輸出層單元實現網絡處理結果的輸出;隱藏層單元處于輸入層和輸出層單元之間，不能由系統外部觀察的單元。神經元間的連接權值反映單元間的連接強度，信息的表示和處理體現在網絡處理單元的連接關系中，可對連續的或非連續的輸入做出狀態相應，能實現復雜的邏輯操作和非線性關系信息的動態處理，因而神經網絡具有很強的邏輯運算和數值運算能力。神經元網絡的優點在于有無指導的情況下都能夠進行學習;缺點是神經網絡很難解釋而且會學習過度，另外神經網絡建模通常較費時，需要的準備工作量很大。神經網絡的著名算法是基于誤差學習的后向傳播算法，即BP算法。

3、電信客戶流失預測研究展望

以下幾方面在未來的研究中值得考慮:(1)對現有指標體系還需要進一步研究與完善，尤其是隨著4G業務的發展，指標應該進一步調整。(2)現在國內的流失預測分析，大都以“月”為單位，如果能以“周”或者“日”為單位，可以更加及時的發現流失客戶。(3)用于流失預測的算法各有利弊，找出一個在各方面性能都很好的分類算法仍然需要進一步研究。

【參考文獻】

［1］肖水清．基于CRM探討電信業的客戶流失問題［J］．現代計算機，2006(1)

［2］陳晉蘇，鄭惠莉．電信行業流失客戶挽留價值綜合評價研究［D］．南京郵電大學，2005

［3］仲繼．電信企業客戶流失預測模型研究［D］．西安科技大學，2014

［4］葉孝明，梁祺．多層前饋神經網絡在客戶流失分析中的應用［J］．物流科技，2006(29)

作者：劉在友 王麗琳 單位：中國海洋大學管理學院