基于SMC-RS-LSSVM的电子商务客户流失预测模型

为提高个体层次上客户流失预测的精度,建立了基于SMC-粗糙集-最小二乘支持向量机的电子商务客户流失预测模型.该模型首先利用SMC模型计算出客户活跃度,以0.5为阈值判断出客户流失状态,识别出正判客户和错判客户;其次应用粗糙集理论约简出重要的客户流失预测指标体系,然后将训练样本送入最小二乘支持向量机进行学习和训练,进而对测试样本的客户流失状态进行判别.利用某网上商场的2525名客户样本进行电子商务客户流失预测实证研究,结果表明:与SMC模型、BP神经网络模型、最小二乘支持向量机模型相比,该模型对测试样本预测精度更高,是一种更为有效和实用的客户流失预测方法.     

基于GMDH的“一步式”客户流失预测集成建模

在客户流失预测问题中, 客户数据的特征往往会影响模型的预测效果.分析了常用的“两步式”客户流失 预测方法的不足,提出了基于数据分组处理(GMDH)技术的“一步式”客户流失预测集成研究框架.该框架一方面 将数据预处理和客户流失预测建模过程进行集成,另一方面用多分类器集成策略进行客户流失预测建模.以客户数据类别分布不平衡的客户流失预测问题为例,构建了与数据特征相适应的“一步式”集成模型. 实证结果表明,该方法能够更有效地进行客户流失预测.     

代价敏感的客户流失预测半监督集成模型研究

客户流失预测是企业客户关系管理的重要内容.在现实的很多客户流失预测建模过程中,由于数据类别的高度不平衡现象的存在,使得模型的分类性能低下,不能很好地进行分类预测.同时由于现实情况中只有少量有类别标签的样本,更多的是无类别标签数据的存在,造成了大量有用信息的浪费.为了解决以上两个问题,本研究将元代价敏感学习,半监督学习和Bagging集成等技术结合,提出了代价敏感的客户流失预测半监督集成模型(semi-supervised ensemble based on metacost,SSEM).该模型主要包括三个阶段:1)用Metacost方法修改初始有标签训练集L的类别标签,得到新的训练集Lm,并将其随机的分为模型训练集Ltr和模型验证集Va;2)使用Va挑选分类精度最高的三个基分类器,并用其选择性标记无类别标签U中的样本,并将它们添加到Ltr中;3)用新的模型训练集Ltr训练N个基本分类模型,并对测试集样本进行分类,进一步将分类结果进行集成.在两个客户流失预测数据集上进行实证分析,将SSEM模型与常用的监督式集成模型以及半监督式集成模型相比,结果表明,SSEM具有更好的客户流失预测性能.     

基于多分类器动态集成的电信客户流失预测

本文提出了一种新的基于多分类器动态选择与优化集成的电信客户流失预测集成模型.首先使用K均值聚类算法对训练集样本进行分区;然后分别使用Naive-Bayes算法、多层感知机算法和J48算法构建各分区客户流失预测子分类器;最后对各分区子分类器进行线性集成,并使用人工蜂群算法优化其集成权重.当测试样本由聚类算法判断出其归属区域后,再分别使用分区子分类器进行预测,最后使用优化权重进行线性集成.实验结果表明:动态集成模型优于单模型;基于人工蜂群算法优化集成模型优于其它集成模型.     

B2C电子商务网站个体客户终生价值分析

相对于传统企业个体客户的价值计算，主要探讨了B2C电子商务网站个体客户终生价值的量化问题，在文献研究的基础上进行综合与改进，提出了一种新的简便建模方法，该方法将电子商务网站个体客户终生价值计算问题转化为对分类个体客户未来交易额和生命周期时间的预测，运用SMC方法得到B2C电子商务网站个体客户终生价值的解析式．该建模方法在实际的B2C图书电子商务网站客户关系管理系统中得到了较好应用．     

商业银行客户流失预测模型研究

以某商业银行的客户流失为研究样本，使用数据挖掘及统计技术分析和识别影响商业银行客户流失的因素，并建立客户流失预测模型。实证研究结果表明所使用的扰动预测技术获得了满意的预测效果．     

维纳过程寿命预测的一种自助法

针对传统的维纳过程寿命预测方法未能有效考虑产品总体和个体之间的差异问题, 提出了解决该问题的一种自助法. 首先, 利用正态分布来描述产品总体维纳过程退化模型 的漂移参数和扩散参数; 然后, 对个体的性能退化参数进行自助估计并得到多组自助样本; 最后, 根据个体退化参数的自助样本对总体退化参数的分布进行估计, 获取其多组自助样本 并对总体的寿命进行预测. 通过对某航天长寿命产品的实例分析验证了该方法的有效性.     

基于支持向量机的客户流失预测模型

应用基于结构风险最小化准则的支持向量机(SVM)进行客户流失预测,以提高机器学习方法的预测能力,并以国内、国外电信公司客户流失预测为实例,与人工神经网络、决策树、贝叶斯分类器等方法进行了对比,发现该方法能获得最好的正确率、命中率、覆盖率和提升系数,是研究客户流失预测问题的有效方法.     

不完全市场下基于局部风险最小策略的股票期货定价研究

在具体的离散时间不完全市场模型下给出了极小鞅测度的刻划,并以此推导股票期货的无套利定价模型.随后,通过实证对推导出的定价模型加以检验,其结果表明:新定价模型能够较好的对样本期货价格进行拟合,且在与持有成本理论的单因素期货定价模型的比较中,新模型在价格预测的稳定性和精确度上都表现出了一定程度的优势.     

SVM方法及其在客户流失预测中的应用研究

客户流失分析与预测是客户关系管理的重要内容.针对客户流失问题,建立了支持向量机预测模型.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,提出带有不同类权重参数的支持向量机算法CW-SVM,通过调整类权重参数改变分类面位置,提高算法分类准确性;将标准支持向量机训练问题转化为运算效率更高的核向量机问题,提出处理不平衡海量数据集的CWC-SVM算法.通过实际银行信贷客户数据集测试,该算法与传统预测算法比较,更适合解决大数据集和不平衡数据,取得较好的客户流失预测效果.     

针对不平衡数据集的客户流失预测算法

针对客户关系管理中的客户流失预测问题进行探讨,通过对客户流失数据特点的分析,以及现有预测算法的比较,将数据挖掘方法中的随机森林算法引入客户流失预测,建立预测模型,并在实际的银行业贷款客户数据集上进行实验,得到了较好的效果.     

Integrating OWA and Data Mining for Analyzing Customers Churn in E-Commerce

Customers are of great importance to E-commerce in intense competition.It is known that twenty percent customers produce eighty percent profiles.Thus,how to find these customers is very critical.Customer lifetime value(CLV) is presented to evaluate customers in terms of recency,frequency and monetary(RFM) variables.A novel model is proposed to analyze customers purchase data and RFM variables based on ordered weighting averaging(OWA) and K-Means cluster algorithm.OWA is employed to determine the weights of RFM variables in evaluating customer lifetime value or loyalty.K-Means algorithm is used to cluster customers according to RFM values.Churn customers could be found out by comparing RFM values of every cluster group with average RFM.Questionnaire is conducted to investigate which reasons cause customers dissatisfaction.Rank these reasons to help E-commerce improve services.The experimental results have demonstrated that the model is effective and reasonable.     

面向重要供应商和客户的供应链设计方法

与重要供应商和高价值客户建立良好的关系，已经成为企业获得竞争优势的必然选择。本文从供应链核心企业的角度出发，提出了一种面向重要供应商和客户的供应链设计方法。该方法将供应链设计分成两个阶段。首先，利用模糊综合评判法对核心企业的供应商和客户进行评价，获得它们的重要度。然后，建立一个多目标混合整数规划模型来描述供应链设计问题。与基于成本最小化或利润最大化的传统供应链设计模型相比，该模型体现了关系管理的思想，考虑（1）优先向具有较高重要度的供应商采购原料，以建立长期稳定的合作关系。（2）分销中心的选址要尽量接近重要的客户或客户区，以缩短订货的提前期，提高客户服务水平。     

消费者交互作用对网络效应产品扩散的影响——基于产品生命周期的视角

从消费者采用产品过程的生命周期(PLC)视角出发,运用微观扩散模型仿真分析消费者交互作用对网络效应产品扩散的影响.研究表明:消费者交互作用所产生的局部网络效应能够加快产品扩散早期和中期速度,而聚集效应则会降低产品扩散中期速度; 消费者之间交互强度越强,产品扩散中期速度越快; 全局交互型消费者则会降低产品扩散早期速度,但能提高产品扩散中期速度;且上述因素对网络效应产品PLC不同阶段扩散速度的影响还会由于消费者交互作用所形成的复杂社会网络结构差异而呈现不同模式.这些研究结论能够为网络外部性市场中企业的营销策略提供一定新启示.     

民航旅客忠诚度模型预测方法

结合现阶段民航企业的特点,重点研究如何利用忠诚度预测模型提高企业的服务水平方法,在此基础上,建立提高旅客忠诚度的决策服务体系.通过建立符合民航的旅客忠诚度模型,运用PLS-SEM方法量化忠诚度指标;由于调查数据量的限制,研究在小样本集下的偏最小二乘法预测方法,制定提高忠诚度指标策略.对实际采集数据的分析试验也验证了该方法有助于细化分析航空公司服务水平,操作性强,效率高,可为民航企业改进服务提供决策支持.