学位论文 > 优秀研究生学位论文题录展示

数据挖掘在铁通客户流失控制中的应用

作　者: 张艳红
导　师: 李胜旺；褚永义
学　校: 河北科技大学
专　业: 计算机技术
关键词: 数据挖掘模型决策树 CRISP-DM方法客户流失控制 CHAID算法
分类号: F626
类　型: 硕士论文
年　份: 2010年
下　载: 124次
引　用: 2次
阅　读: 论文下载

内容摘要

随着中国电信行业发展的国际化,整个行业也由原来的计划经济向市场经济迅速演变,各电信运营商之间的竞争越来越激烈。由于电信行业的市场化愈来愈充分,各家电信企业的通信能力、服务水平越来越接近,差异化逐步缩小,用户转网的损失也越来越小。各家电信运营企业开始将工作重点向提高客户忠诚度转变,如何维持客户的在网成为现阶段各电信企业所要解决的重要问题。数据挖掘(Data Mining)是一个利用各种分析工具在海量数据中发现模型和数据之间关系的过程。而电信行业是典型的数据密集行业,行业内部的各种业务数据资源丰富,蕴含着对企业有价值的各种信息。因此,在研究中,针对铁通公司在固定电话客户离网流失控制方面的需求,结合企业的实际情况,对现有技术分析对比,采用CRISP-DM方法对挖掘流程进行控制,选用决策树技术的CHAID算法建立了铁通客户离网流失控制模型。通过应用,帮助铁通公司挖掘出客户在离网方面隐含的有关信息,从而使相关人员可以预测某些客户可能离网,有效提前了铁通公司对有离网倾向的客户进行挽留服务的时间,提高了挽留工作的成功率,稳定了市场的占有率。同时,所挖掘出的相关信息,为公司制定新的营销策略提供了有效的决策支持。

全文目录

摘要  4-5
ABSTRACT  5-10
第1章绪论  10-17
  1.1 研究背景及意义  10-14
    1.1.1 电信行业基本现状及发展趋势  10-11
    1.1.2 客户流失控制对企业的意义  11-14
  1.2 数据挖掘在电信客户流失控制中的应用现状  14-15
  1.3 研究对象介绍  15
  1.4 论文的主要工作  15-16
  1.5 论文结构安排  16-17
第2章数据挖掘技术  17-31
  2.1 数据挖掘的基础知识  17-22
    2.1.1 数据挖掘产生的技术背景分析  17-18
    2.1.2 数据挖掘技术的发展历程  18-19
    2.1.3 数据挖掘的定义  19-20
    2.1.4 数据挖掘的研究内容  20
    2.1.5 数据挖掘的步骤  20-21
    2.1.6 数据挖掘的目前研究情况  21-22
    2.1.7 数据挖掘的未来发展方向  22
  2.2 数据挖掘的分析方法  22-24
    2.2.1 分类  23
    2.2.2 回归  23-24
    2.2.3 时间序列  24
    2.2.4 聚类  24
    2.2.5 关联规则  24
    2.2.6 顺序规则  24
  2.3 客户流失预警的算法选择——决策树技术的优势与分类  24-28
    2.3.1 ID3 算法  27
    2.3.2 C4.5 算法  27
    2.3.3 CART 算法  27-28
    2.3.4 PUBLIC 算法  28
    2.3.5 SPRINT 算法  28
    2.3.6 SLIQ 算法  28
  2.4 CHAID 算法的特点及分析方法  28-30
  2.5 本章小结  30-31
第3章客户流失的表现及流失控制措施  31-38
  3.1 存量市场和客户离网流失的定义  31
  3.2 存量流失的表现和现状  31-33
  3.3 客户保留的重要性和主要措施  33-34
    3.3.1 客户保留的重要性  33-34
    3.3.2 影响客户流失的主要因素  34
    3.3.3 客户保留的主要措施  34
  3.4 数据挖掘在电信业的应用空间  34-36
  3.5 研究对象在客户离网控制方面的需求  36-37
  3.6 本章小结  37-38
第4章系统设计及模型的建立  38-55
  4.1 需求分析  38-40
    4.1.1 需求分析方法  38-39
    4.1.2 需求分析概要  39
    4.1.3 系统总体设计原则  39-40
  4.2 数据源准备  40-43
    4.2.1 数据仓库的概念  40-41
    4.2.2 数据仓库体系结构  41-42
    4.2.3 数据源分析  42-43
  4.3 客户流失控制挖掘模型的建立  43-52
    4.3.1 商业理解  44
    4.3.2 数据理解  44-45
    4.3.3 数据准备与清理  45-46
    4.3.4 数据预处理  46-48
    4.3.5 建立模型  48-51
    4.3.6 模型评估  51-52
    4.3.7 结果发布  52
  4.4 应用分析  52-54
    4.4.1 建模结论  52-53
    4.4.2 挽留营销建议  53
    4.4.3 营销方案策划及实施效果  53-54
  4.5 本章小结  54-55
结论  55-56
参考文献  56-59
致谢  59-60
个人简历  60

数据挖掘在铁通客户流失控制中的应用

内容摘要

全文目录

相似论文