学位论文 > 优秀研究生学位论文题录展示

电信运营企业客户流失预测与评价研究

作　者: 迟准
导　师: 梁静国
学　校: 哈尔滨工程大学
专　业: 管理科学与工程
关键词: 电信运营企业客户流失数据挖掘组合预测模型流失客户客户价值
分类号: F274
类　型: 博士论文
年　份: 2013年
下　载: 340次
引　用: 0次
阅　读: 论文下载

内容摘要

电信运营企业客户流失是一个受多因素影响的复杂问题，尤其是2008年以后我国电信业针对3G牌照的发放又进行了新一轮的电信重组，全业务运营下的三大运营企业从此展开了激烈的客户市场竞争。由于我国移动客户群体庞大，中低端客户在不同运营企业间流动性强，因此，针对客户流失的成因分析和建立客户流失预测模型具有重要的理论价值和现实意义。本文详细分析了国内外学者在客户流失领域的研究成果，探讨了客户流失的影响因素和客户流失预测的方法。通过对3G时代电信运营环境的分析，总结了国内外电信运营企业客户流失的现状，并从电信运营环境角度、运营企业流失客户数据统计分析角度深入研究了电信运营企业客户流失的成因，归纳得到客户流失成因的8种类型。据此，基于数据挖掘和客户价值的理论和方法，研究了BP神经网络算法、支持向量机算法、C5.0决策树算法在客户流失预测上的应用，为了获得更好的预测效果，构建了Lagrange组合预测模型和基于客户价值的预测模型。重点就以下问题进行了研究：在广泛研究和借鉴国内外相关数据挖掘理论及成果的基础上，探讨了电信运营企业的客户构成，深入分析了客户流失与流失客户的概念、以及客户流失的现象与特征，从而梳理给出三户关系模型。对构建模型的客户属性进行了分类，即原始属性与衍生属性。以往对电信客户流失预测的研究都是采用客户消费行为、个人信息、缴费信息等原始属性数据，这些原始属性数据很难真实地反映客户流失的行为；加入了衍生属性，如：月租标志、呼转标志、账户余额标志、充值行为标志等，其数据集能更好的预测客户流失，使得预测的命中率更高，计算的客户价值更具研究意义。通过分析客户协议数据、消费行为数据和账单数据得出与客户流失密切相关的属性集，根据获取运营企业数据的难易程度，建立了客户流失预测指标体系，并基于数据挖掘算法建立了Lagrange组合预测模型。针对客户流失预测问题的研究，选择了数据挖掘的三种经典算法（BP、SVM、C5.0）构建了单一客户流失预测模型，并通过对模型的评估显示，任意单一模型都没有最优。据此借助Lagrange函数求极值的思想构建了客户流失的组合预测模型，其预测效果比单一模型更理想。提出二维度预防客户流失的方法，即基于Lagrange的客户流失组合预测与基于客户价值的流失客户评价。根据组合预测模型预测得到的客户流失名单是否有挽留的价值，或者说是否有对这样的客户有再投入成本挽留的必要，取决于该客户对运营企业是否是有价值客户，并依据这两种途径的预测结果，再分析客户流失的根本原因。最后，通过对客户流失成因的分析，以及对客户流失预测模型的评估，提出电信运营企业降低客户流失的措施与建议。

全文目录

摘要  5-7
Abstract  7-12
第1章绪论  12-27
  1.1 选题背景、目的及意义  12-16
    1.1.1 选题背景  12-15
    1.1.2 选题目的及意义  15-16
  1.2 国内外研究现状  16-23
    1.2.1 国外研究现状  16-17
    1.2.2 国内研究现状  17-21
    1.2.3 国内外研究评述  21-23
  1.3 论文的总体思路及主要内容  23-25
  1.4 研究方法  25-26
  1.5 论文创新之处  26-27
第2章电信业运营环境及客户流失现状分析  27-47
  2.1 电信运营企业客户流失概念  27-30
    2.1.1 电信运营企业客户构成  27
    2.1.2 三户关系模型  27-29
    2.1.3 客户流失与流失客户的界定  29-30
  2.2 电信业运营环境分析  30-39
    2.2.1 市场环境  30-35
    2.2.2 技术环境  35-37
    2.2.3 监管环境  37-38
    2.2.4 政策环境  38-39
  2.3 电信运营企业客户流失现状分析  39-46
    2.3.1 国外电信运营企业客户流失现状  39-42
    2.3.2 国内电信运营企业客户流失现状  42-46
  2.4 本章小结  46-47
第3章电信运营企业客户流失成因分析及流失预测框架构建  47-69
  3.1 电信运营环境下的客户流失成因分析  47-60
    3.1.1 行业环境影响  49-53
    3.1.2 行业内竞争  53-57
    3.1.3 运营企业能力变化  57-60
  3.2 基于统计数据的客户流失成因分析  60-67
    3.2.1 客户数据的统计分析  60-62
    3.2.2 对客户网络调查的统计数据分析  62-64
    3.2.3 客户流失成因分类  64-67
  3.3 客户流失预测框架构建  67
  3.4 本章小结  67-69
第4章基于数据挖掘的客户流失组合预测  69-89
  4.1 数据挖掘模型的分类  69-70
  4.2 数据挖掘工具的选择  70-71
    4.2.1 典型的数据挖掘工具  70
    4.2.2 数据挖掘工具选择时的考虑  70-71
  4.3 数据挖掘过程  71-73
  4.4 基本模型预测分析  73-82
    4.4.1 基本模型选择  73-77
    4.4.2 数据来源  77-78
    4.4.3 基本数据结构  78
    4.4.4 数据处理  78-79
    4.4.5 基本模型建模流程  79
    4.4.6 模型评估  79-82
  4.5 组合预测模型构建  82-85
    4.5.1 组合预测模型结构  82-84
    4.5.2 基于 Lagrange 组合预测模型  84-85
  4.6 组合预测实证  85-88
    4.6.1 预测方法  85-86
    4.6.2 数据来源  86
    4.6.3 预测模型评价  86-88
    4.6.4 客户流失组合预测  88
  4.7 本章小结  88-89
第5章基于客户价值的流失客户评价  89-105
  5.1 电信运营企业客户价值构成  89-95
    5.1.1 客户价值界定  89-90
    5.1.2 客户价值评价指标体系设计  90-95
  5.2 电信客户价值评价模型与客户价值评价  95-104
    5.2.1 评价过程  95-97
    5.2.2 客户价值评价  97-101
    5.2.3 客户价值评价模型与价值计算  101-102
    5.2.4 流失客户评价及结果分析  102-104
  5.3 本章小结  104-105
第6章电信运营企业降低客户流失对策  105-118
  6.1 提高服务能力提升客户服务水平  105-111
    6.1.1 加强电子化运营  105
    6.1.2 细分离网客户实施主动维系  105-108
    6.1.3 优化服务流程注重人性化服务  108-110
    6.1.4 提高基础服务满意度  110-111
  6.2 加强客户维系的支撑  111-112
    6.2.1 建立流失预警流程  111
    6.2.2 客户实名制措施  111-112
  6.3 提升客户价值  112-115
    6.3.1 引导客户消费行为  112-113
    6.3.2 客户的分级管理  113-114
    6.3.3 运用明星终端效应  114-115
  6.4 制定降低流失的合理目标  115-117
  6.5 本章小结  117-118
结论  118-120
参考文献  120-128
攻读博士学位期间发表的论文和取得的科研成果简表  128-129
致谢  129-130
附录  130-132
个人简历  132

电信运营企业客户流失预测与评价研究

内容摘要

全文目录

相似论文