用戶流失預(yù)測(cè)一直是客戶關(guān)系管理中核心的一環(huán),對(duì)保證客戶量、增強(qiáng)企業(yè)競(jìng)爭(zhēng)力而言有著重要意義。隨著互聯(lián)網(wǎng)和信息技術(shù)的飛速發(fā)展,海量用戶數(shù)據(jù)的收集、存儲(chǔ)與分析為用戶關(guān)系管理提供了全新的思路與方法,越來(lái)越多運(yùn)營(yíng)策略需要使用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)用戶的行為習(xí)慣、識(shí)別具有流失傾向的用戶�？蛻袅魇ьA(yù)測(cè)的難點(diǎn)在于用戶數(shù)據(jù)龐雜、噪聲多、結(jié)構(gòu)化程度低且類別不平衡,因此,構(gòu)建合適的預(yù)測(cè)模型需要從海量數(shù)據(jù)中提取與用戶流失相關(guān)的指標(biāo)并且選擇合適的分類算法。本文基于大量真實(shí)的用戶數(shù)據(jù),結(jié)合數(shù)據(jù)可視化方法完成了數(shù)據(jù)清洗和特征抽提,最終從原始數(shù)據(jù)中構(gòu)造了 13個(gè)自變量用于流失預(yù)測(cè),分別采用欠采樣和代價(jià)敏感學(xué)習(xí)解決不平衡問題,構(gòu)建了三種用戶流失預(yù)測(cè)模型:基于欠采樣的Logistic回歸模型、基于欠采樣的隨機(jī)森林模型和基于代價(jià)敏感的AdaCost模型,三種方法均很好的解決了類別不平衡問題,在訓(xùn)練集和測(cè)試集上均獲得了較好的分類效果,達(dá)到了較高的查全率。結(jié)合三種流失預(yù)測(cè)模型,較長(zhǎng)的續(xù)費(fèi)“間隔期”和近期取消交易的行為都預(yù)示著用戶的高流失傾向;用戶的歷史交易信息,如交易頻率、累計(jì)取消比例等對(duì)用戶是否流失的影響較小,相關(guān)結(jié)論為付費(fèi)訂閱類... 

【文章來(lái)源】：南京師范大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１用戶年齡分布密度圖??

圖２．２性別與年齡缺失模式圖??

圖２．３數(shù)據(jù)集ｍｅｍｂｅｒ所有觀測(cè)各個(gè)變量的取值情況??

【參考文獻(xiàn)】：
期刊論文
[1]基于社交網(wǎng)絡(luò)分析和XGBoost算法的互聯(lián)網(wǎng)客戶流失預(yù)測(cè)研究[J]. 王重仁,韓冬梅.  微型機(jī)與應(yīng)用. 2017(23)
[2]客戶流失管理研究現(xiàn)狀及展望[J]. 張珠香,駱念蓓.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(12)
[3]互聯(lián)網(wǎng)征信發(fā)展與監(jiān)管[J]. 張健華.  中國(guó)金融. 2015(01)
[4]基于改進(jìn)聚類的電信客戶流失預(yù)測(cè)分析[J]. 姜曉娟,郭一娜.  太原理工大學(xué)學(xué)報(bào). 2014(04)
[5]客戶流失問題研究綜述[J]. 于小兵,曹杰,鞏在武.  計(jì)算機(jī)集成制造系統(tǒng). 2012(10)
[6]隨機(jī)森林方法及其在客戶流失預(yù)測(cè)中的應(yīng)用研究[J]. 應(yīng)維云.  管理評(píng)論. 2012(02)
[7]推薦算法綜述[J]. 楊博,趙鵬飛.  山西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(03)
[8]基于SOM的移動(dòng)通訊客戶流失研究[J]. 翟順平,朱美琳.  現(xiàn)代管理科學(xué). 2008(02)
[9]基于支持向量機(jī)的客戶流失預(yù)測(cè)模型[J]. 夏國(guó)恩,金煒東.  系統(tǒng)工程理論與實(shí)踐. 2008(01)
[10]基于神經(jīng)網(wǎng)絡(luò)的電信客戶流失預(yù)測(cè)主題建模及實(shí)現(xiàn)[J]. 田玲,邱會(huì)中,鄭莉華.  計(jì)算機(jī)應(yīng)用. 2007(09)



本文編號(hào)：3084188