电信客户流失的组合预测模型

针对电信行业客户流失的问题,设计基于决策树C5.0、BP神经网络及 Logistic 回归算法的组合预测模型,并对某电信企业进行客户流失预测.预测结果表明:与单一客户流失预测模型相比,组合预测模型命中准确率高,预测效果好,更能直观地显示出流失客户的基本特征.     

结合K-means的分类方法在电信客户流失中的应用

通过对电信业客户流失预测的国内外研究成果的分析,我们发现造成电信业客户流失原因种类比较多、难以用一种通用的划分标准对流失客户的流失特征进行刻画,因此本文提出了将K-means算法与传统的分类算法相结合的方法进行客户流失分析,并进行了应用实验.该实验以中国联通湖南某地区X分公司的客户数据为基础,利用数据挖掘软件Clementine8.1建立了客户流失分类预测模型,模型的应用结果表明:新方法对客户流失预测的命中率高于传统的分类预测算法.     

面向电信的客户流失预测模型研究

针对现有客户流失预测模型预测准确率低下的问题,本文结合基于统计学习的客户聚类分析和分类预测技术来构建客户流失预测模型。根据模型计算结果,可以辨别出客户类别及流失倾向,并在此基础上提出了预防客户流失的保持措施,从而为电信企业运营商的客户关系管理提供决策依据。     

生存分析在电信增值服务行业客户流失分析中的应用

利用生存分析对一家电信增值业务提供商的客户流失数据进行了实证研究,提出了一个预测客户流失概率的模型.利用该模型能及时准确地掌握客户流失情况,以此可以提高企业决策的针对性,降低客户流失率.     

基于Cox模型的移动通信行业中低端客户流失预测研究

文章将Cox模型运用于客户流失预测研究中,通过对中国移动通信某分公司提供的历史数据的研究,计算出每个客户的生存概率,并按照生存概率从小到大排序,等分为10组,实际流失的客户基本上都落在第1组中,覆盖率达到89%以上,运营商只对原来客户的10%进行维护与挽留,大大减少了工作量和挽留成本。该方法用于移动通信行业的客户流失预测中有很好的效果。     

优化的模糊决策树算法在体育健身俱乐部会员管理中的应用

在体育健身俱乐部管理中,对现有客户流失情况进行分析,对于提高俱乐部的竞争力具有战略意义。在分析了客户特征的模糊性的基础上,提出将优化的模糊决策树用于体育健身俱乐部客户流失危机分析的建议,为体育健身俱乐部客户保有研究提供了一种新的研究思路和分析方法。     

基于ParetoNBD模型的电子商务网站客户流失预测研究

非契约情景下的客户流失问题越来越引起各方重视.作为此情景下的典型--电子商务网站而言,因其特殊性使得网站客户流失问题更难判断.Pareto/NBD模型是描述非契约客户关系情景下首个考虑到客户流失现象的客户重复购买预测模型,它通过预测客户的活跃程度P(active),较好的解决了客户流失预测问题.以Pareto/NBD模型为基础模型对某电子商务网站进行实证研究以此来验证模型解决非契约情景下流失预测问题的有效性.     

大客户流失原因及其影响因素分析

依据相关客户流失研究文献,通过分析具有顾客资产属性大客户特征,对这类客户流失的原因及其影响因素进行了系统分析,并进行了实证分析论证.本文的研究结果对于企业认清客户流失的主要原因,采取针对性措施以提升客户管理水平,进而增加顾客资产价值具有一定参考价值.     

数据挖掘在电信客户流失中的应用

在研究数据挖掘实现技术的基础上,将此技术运用到防止电信行业的客户流失中.以无线市话(PHS)的历史数据为对象,建立客户流失预测模型.通过对预测模型的评估,得到了预测效果较好的模型.     

基于贝叶斯网络的客户流失分析

随着电信市场竞争加剧,客户流失现象成为电信运营商关注的问题。文中基于数据挖掘手段,采用贝叶斯网络分类器,进行电信客户流失分析。在贝叶斯网络构造过程中,结合采用K2和MC-MC算法构建网络。根据贝叶斯网络的拓扑结构,筛选出客户流失相关的显著指标;由条件概率表确定客户的流失规则,进而确定高流失的客户群。考虑分类的误判损失函数,给出不同分类临界值下,贝叶斯网络模型的分类效果。与其它分类算法相比,比如决策树和人工神经网络,在客户流失率很低的情况下,该算法不需要进行“过量抽样”。     

数据挖掘技术在铁路货运客户细分中的应用

基于数据挖掘中的聚类和分类技术,通过挖掘货票库中的海量数据所蕴藏的信息,探讨了对铁路货运客户进行细分的方法,先用聚类技术对货运历史数据进行聚类分析,根据聚类结果再用贝叶斯分类器对新数据分类.研究目的是为了根据不同类别的货主对铁路贡献的大小制定不同的优惠措施,并为铁路货运营销部门提供决策依据,提高铁路企业的客户关系管理和决策水平.     

决策树技术在汽车销售中的应用研究

利用sq l server analysis service建立轿车市场营销分析的数据仓库模型,在此基础之上,利用决策树分类技术,对汽车贸易企业的轿车销售历史数据进行分析,得出客户数据的分类规则,分析出潜在客户共同的特点;针对这些特点,采取相应营销决策,提高营销的针对性和成功率。     

基于Apriori算法的购物篮关联规则分析

数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。IT就业市场竞争已经相当激烈,而数据处理的核心技术——数据挖掘更是得到了前所未有的重视。关联规则一般用以发现交易数据库中不同商品(项)之间的联系,用这些规则找出顾客的购买行为模式,比如购买了某一种商品对购买其他商品的影响,这种规则可以应用于超市商品货架设计、货物摆放以及根据购买模式对用户进行分类等。通过发现这个关联的规则,可以更好地了解和掌握事物的发展、动向等。在市场营销、企业投资中具有重要的作用。     

DR-Cloud: Multi-Cloud Based Disaster Recovery Service简

With the rapid popularity of cloud computing paradigm, disaster recovery using cloud resources becomes an attractive approach. This paper presents a practical multi-cloud based disaster recovery service model： DR- Cloud. With DR-Cloud, resources of multiple cloud service providers can be utilized cooperatively by the disaster recovery service provider. A simple and unified interface is exposed to the customers of DR-Cloud to adapt the heterogeneity of cloud service providers involved in the disaster recovery service, and the internal processes between clouds are invisible to the customers. DR-Cloud proposes multiple optimization scheduling strategies to balance the disaster recovery objectives, such as high data reliability, low backup cost, and short recovery time, which are also transparent to the customers. Different data scheduling strategies based on DR-Cloud are suitable for different kinds of data disaster recovery scenarios. Experimental results show that the DR-Cloud model can cooperate with cloud service providers with various parameters effectively, while its data scheduling strategies can achieve their optimization objectives efficiently and are widely applicable.     

相关分析在加气站顾客满意度分析中的运用

在用加权算术平均法对顾客满意度进行测评时,其权数一般是采用经验判断法来确定.以加气站顾客满意度测评为例,为了排除主观因素的影响,使测评结果更加科学、客观,提出了用相关系数作权数来测评顾客满意度的方法,同时,还提出了根据相关系数和顾客对各因素满意度的评价数据来绘制满意度象限图,以此判断顾客满意状况,以便有针对性地提出提升顾客满意度的措施,为顾客满意度的测评及满意度的提升提供参考.     

网络购物中的心理效应及其营销策略

从网络购物的发展状况及消费者的心理学角度，归纳和总结了消费者网络购物的心理效应，并根据这些心理学因素对企业提出了应对网络购物的对策和建议。     

一种加权的系统聚类方法及应用

提出了加权的系统聚类方法．该方法通过对不同的客户特征赋予不同的权重,达到对客户的聚类结果更符合企业经营目标的目的．为分析客户特征的权重,利用线性回归挖掘企业的历史数据,得到物流企业对客户各个特征的重视程度,并把重视程度作为权重进行客户聚类．实验分析表明,与传统的系统聚类相比,加权的系统聚类方法可以发现隐藏在一般客户中的重要客户,从而使物流企业对本公司的重要客户提供优质服务．     

基于3DM的B2C客户分类算法

任何高效的客户关系管理都是以扎实的客户分类为基础,然而电子商务中所搜集到的客户信息往往具有海量、高维度和不完备等特点,传统的客户分类方法很难适合B2C客户数据的分类.研究表明,数据挖掘的实质是知识在不同形态下的转换过程,面向领域的数据驱动的数据挖掘理论(3DM)能将领域知识、先验知识和数据本身的特点有机结合.以电子商务B2C客户数据为例,设计了基于3DM的客户分类算法,通过实例表明,该算法能较好地解决B2C客户数据的分类问题.     

组播技术及在轨道交通监控系统中的应用

叙述组播技术的定义,通过和单播、广播等技术对比,说明组播技术根据接收者的需要对数据流进行复制转发,服务端的服务总带宽不受客户接入端带宽的限制,并通过其在轨道交通监控系统的应用具体事例加以阐述。     

数据挖掘在关系营销中的应用研究

概括了数据挖掘在关系营销中的应用功能,详细分析了数据挖掘在商业应用中的具体实施步骤,给出了中国移动公司利用决策树技术分析客户消费模式,采取对应优惠措施来改善与客户的关系、提高客户忠诚度、增强其产品的竞争力。