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.     

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.     

融入个体活跃度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确度, 建立了融入个体活跃度的电子商务客户流失预测模型H-ULSSVM. 该模型首先利用融入地域因素的启发式算法计算出最优阈值, 并求出个体的活跃度, 识别出正判客户和错判客户; 在此基础上, 考虑电子商务客户流失预测影响因素众多, 提出了一种粗糙等价类属性约简方法提取出重要的客户流失预测指标, 然后将降维后的正判客户样本送到非平衡最小二乘支持向量机进行学习和训练, 进而利用得到的分类器对错判客户样本的客户流失状态进行判别. 在某B2C电子商务平台客户样本的实证研究表明, 该模型与其他方法相比, 具有更好的效率和精确度.     

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.     

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.     

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.     

客户特征影响信用卡业务盈利水平的结构方程模型

随着我国信用卡产业快速发展,如何实现盈利已成为商业银行迫切需要解决的问题。利用商业银行实际经营数据,构建了客户特征对信用卡业务盈利水平影响的结构方程模型,研究了复杂客户特征共同作用于信用卡业务盈利水平的影响路径及程度。研究发现:相比人口统计特征,客户消费行为特征对信用卡业务盈利水平的影响效应更大,客户的年龄、教育程度、收入等6个显著影响信用卡使用的变量对信用卡业务盈利水平的影响不显著;客户的性别、所属地区发展水平等6个变量对信用卡业务盈利水平有显著影响。结果表明,商业银行要想实现盈利,必须摒弃传统观念中对"好客户"的定义,抓住影响盈利的客户特征关键因素,精准定位高盈利客户,提高客户整体盈利贡献。     

异质性视角下考虑客户流失的服务类产品扩散研究

考虑消费者社会影响力的异质性及客户流失现象对服务扩散的影响,基于状态转移的思想构建了一个持续动态的服务产品扩散模型。通过实证分析检验了模型的有效性,分析了客户流失导致的购买价值和影响价值这两方面的损失,构建了流失客户价值模型。研究表明:(1)对于服务产品的扩散,考虑消费者异质性和客户流失因素的模型比已有模型更具精确性及适用性,拟合效果优于传统的Bass模型、G/SG模型及服务成长模型;(2)对于服务产品,早期流失客户带来的价值损失要大于后期客户,影响者客户流失带来的价值损失大于模仿者,且流失时间越长,价值损失越大。     

囚徒困境中基于非均匀连接的促合作控制设计

本文研究"囚徒困境"中促进合作演化的机制,设计"合作识别"和"背叛识别"两种控制形式,并分析合作在相应控制之下的演化路径问题.在合作识别控制设计中,通过将博弈群体分为合作者子群体和合作者与背叛者共存子群体,形成连接率依赖于个体策略的"非均匀连接",以保护合作的方式抑制背叛,促进合作演化;在背叛识别控制设计中,以惩罚背叛的方式鼓励合作.文章指出,合作识别控制设计能在合作率较低时促进合作,但不能使合作成为演化稳定策略(ESS);背叛识别控制设计能在合作率较高时使合作成为ESS,但是背叛总是该控制下的ESS.结合"合作识别"控制与"背叛识别"控制,本文设计一种切换控制,使得合作是"囚徒困境"博弈的唯一ESS.仿真给出不同要求下的控制律设计,分析不同切换选择对合作演化路径的影响.     

基于顾客价值的竞争战略开发方法

顾客价值是竞争优势的重要源泉。构建基于顾客价值的竞争战略是企业获取竞争优势的新途径。针对以往研究的不足，提出新的基于顾客价值构建竞争战略的方法，突出顾客期望价值的作用，拓展鉴别不同类型顾客价值要素的维度．并通过一个实例说明实施方法。     

顾客满意度测评的质量功能展开方法

把质量功能展开(QualityFunctionDeployment,QFD)方法引入到顾客满意度测评研究中,建立了顾客满意度测评的质量功能展开模型.通过多阶段的QFD模型将总体顾客满意度逐步展开为易于顾客判断的指标,进而,实施了顾客满意度指数的测评.利用分阶段的质量屋给出了一种直观、有效顾客满意度测评方法,并通过汽车维修行业的顾客满意度测评实例说明了这种新方法的实施过程.     

基于NP算法的CRM中客户识别特征的选择

客户识别对于CRM的实施具有重要意义，客户特征选择是客户识别中的重要问题．嵌套分割算法（NP算法）是一种新型的系统优化方法，通过对其四个算子进行确定，将其应用于具有组合优化特征的CRM中客户识别中的客户特征选择问题．并通过将NP算法应用于某人寿保险公司的客户特征选择问题，说明了该方法的有效性．该方法不但能够保证以概率1收敛于最优解，而且能够提高客户特征选择的效率．     

基于K-means算法的中国商业银行零售业务顾客行为细分策略

在分析中国商业银行零售业务现状和顾客行为分析问题的基础上,结合K-m eans算法和顾客行为细分方法,提出基于K-m eans算法的中国零售业务的顾客行为细分模型,并结合中国商业银行的个案,进行了我国商业银行零售业务顾客行为细分的实证研究。     

最小化运输与库存费用的两级分销策略分析

研究的两级分销库存系统由一个分销中心和N个零售商组成,设两级库存补充均采取周期订货策略,在每个零售商处的客户需求是随机的且服从一定的概率分布.我们的目标是在满足给定的客户服务水平的条件下,寻求该供应链运输和两级库存总费用的最小化.通过对运输及两级库存费用之间的关系分析,我们给出了一启发式算法,确定出了零售商的补货时刻、补货数量与车辆的行车线路.     

SERVICE VALUE NETWORKS： INTO PRACTICE

Modeling a business to match its customer perceived （and customer desired） outcomes, remains an on-going task. This paper considers shows how a service value networks （SVNs） approach may be engaged to model, and deliver, understanding of the front-end business and its direct engagement with its immediate （or front-end） customers. These front-end customers may be either： （1） its off-line, in-store customers - engaging directly with the business sales staff （or representative）, or-（2） its on-line, virtual customers - engaging with the business via internet or remote access. In this situation, both the business, and the customer draw upon their respective viewpoints, and both sides influence the interaction. External to these business and customer influences are additional factors that capture the immediate and broader global effects - termed environmental effects. These three business-customer engagement areas of influence are captured by a SVN SEM approach.
Without a business-customer encounter of some kind the likelihood of a services business, and a prospecting customer, successfully engaging in an exchange process is reduced. This exchange may be a physical, and/or services exchange, and/or an information and/or ideas exchange. To the business, this encounter is, in effect, a trade, and as a result, the business targets acquiring an economic exchange that will ultimately deliver a net positive economic outcome. To the customer, external and internal information feeds, servicing, perceived value, and satisfaction, are key encounter drivers. SVNs offers a new way to understand the business-customer encounter, and to then utilize this acquired knowledge to either： （1） build a strategic management model, or （2） reengineer its business networks, and to then create a re-positioned, more customer-aligned business operation - one that is capable of delivering win - win, competitive business-customer solutions.     

A New Type of Evolutionary Strategy Based on a Multi-player Iterated Prisoner's Dilemma Game

According to the philosophy of self-cultivation that "one should refine his personal virtue when in poverty, and help save the world when in success", a new type of evolutionary strategy, PoorCompetition-Rich-Cooperation(PCRC), is proposed. To discuss its superiority and inferiority, based on a multi-player iterated Prisoner's Dilemma game, PCRC and other six kinds of strategies are played by using the roulette method in three different populations(a uniformly distributed population, a cooperation-preference population, a defection-preference population). The payoff characteristics for each strategy under different temptation coefficients and noise values are also analyzed. Simulation results indicate that PCRC has a sufficient robustness and its payoff presents a basically monotonic increasing tendency with the increment of noise. The superiority of PCRC becomes more obvious when the temptation coefficient becomes larger. Furthermore, a higher population preference for defection yields a more obvious advantage for PCRC.     

移动应用供应链中考虑质量与交付期约束的合作契约设计

考虑由ERP厂商、APP厂商与客户企业组成的移动应用供应链,针对ERP厂商与APP厂商产品与服务合作中客户企业的需求存在变更、ERP厂商提供的售前服务会影响软件开发质量等问题,构建以ERP厂商为主导的两阶段动态博弈模型。设计了基于固定支付、提前交付奖励与维护成本共担的合作契约,分析了客户企业的需求变更、交付期约束等对合作双方的交付策略以及供应链总利润的影响。研究表明：随着客户企业对交付期的要求不同,以及需求分布的均值在不同范围内变动,合作双方的产品交付策略有准时交付高质量、准时交付等质量、提前交付高质量以及提前交付等质量4种策略;若客户企业对交付期的要求小于临界值,需求变动不影响供应链成员的决策与总利润;若对交付期的要求大于临界值且需求变动的均值大于某一阈值,需求变动会影响供应链成员的决策与总利润;若对交付期的要求大于临界值且需求变动的均值小于阈值,合作过程中无论由APP厂商或ERP厂商决策交付时间均不影响合作绩效,且需求变动不影响供应链成员的决策与总利润。     

自组织映射神经网络(SOM)在客户分类中的一种应用

对自组织神经网络在客户分类中的应用进行了探讨 ,讨论了客户分类的概念、指标选取、分类方法选取、SOM(Self Organization Map)聚类方法 ,给出了一种基于 SOM的客户分类方法 ,即 :给出 RFM(近度 ,Recency;频度 ,Frequency;值度 ,Monentary)的指标 ,根据综合指标的计算和各个指标的相对学习结果变化趋势 ,将客户分类 .并进行了模拟计算 ,将模拟结果分类 ,以验证算法 .