基于客户信息的电信企业客户流失问题分析

在数据挖掘的基础上，提出针对电信运营企业的客户流失问题的分析方法。通过某公司客户中已经流失客户的信息分析以寻找某些特征，从而为解决客户流失问题打下基础。     

基于数据挖掘的固网大客户流失组合预警

应用C5.0决策树算法、CART决策树算法、RBF神经网络建立某固网运营商客户的收入流失预警模型,然后运用GMDH方法建立了客户的收入流失组合预警模型。研究表明:模型提高了预警的准确率和覆盖率,模型能够帮助运营商找出收入有可能流失的客户,使其能对这些客户开展提前、有效的挽回营销工作,最大程度减少客户流失。     

一种基于CART算法的移动通信客户流失预测模型

分析了通信企业客户流失现状,给出选择CART算法的原因,然后利用CART算法建立客户流失预测模型并以移动通信企业为例,对其客户流失情况进行预测,把预测结果反馈给相关部门,从而制定出有效的营销措施预防客户流失。     

电子商务客户流失三阶段预测模型

采用某网上商场的2525名客户样本,构建了基于SMC和最小二乘支持向量机(LSSVM)的电子商务客户流失三阶段预测模型.首先应用SMC模型计算出客户活跃度,以0.5为阚值判断出客户流失状态,识别出正判客户和错判客户;其次将训练样本送入LSSVM进行训练和学习,进而对测试样本的客户流失状态进行判别,然后将误判客户样本输入最近邻分类器进行再判断.结果表明,与SMC模型、BP神经网络模型、LSSVM模型相比,三阶段模型对测试样本预测精度更高,是一种更有效和实用的分类方法,可为电子商务企业客户关系管理提供一个新的方法.     

保险业客户流失预测模型的建立与实现

通过分析选择决策树作为保险业客户流失预测模型实现的手段,给出了决策树实现流失预测的算法设计,通过流程图及相应数据结构的说明,介绍了算法实现要点,最后的实验结果表明所建立的预测模型具有良好的准确率。     

数据挖掘在证券客户流失管理中的应用

随着证券市场竞争的不断加剧,如何针对不同的客户群实施差异化营销和服务已成为当前证券企业的迫切需求.客户流失分析系统可以预测客户流失情况,对潜在流失的客户进行预警,为营业部提前进行客户挽留提供帮助.首先简要介绍了数据挖掘技术的基础理论,接着提出了证券客户流失的含义并阐述了证券客户流失分析系统的构建步骤,最后结合某证券公司的实例数据对证券客户流失系统进行了应用说明.     

基于神经网络的手写汉字识别集成分类器设计

手写汉字识别是大类别分类识别问题,文章针对金融票据自动识别应用中的脱机手写体汉字,给出了一种基于多层BP网络的并行集成方法。该方法是纯神经网络的多分类器并行集成方案,通过一个两步监督学习过程实现整个集成网络分类系统。对BP网络的应用做了有益的探索,同时也为BP网络在大类别分类问题中的应用提供了一条可行的途径。     

数据挖掘在电信客户流失中的应用

将数据挖掘技术应用到防止电信客户流失中,以某电信运营商的历史资料为对象,建立客户流失预测模型。并对高价值高流失概率的客户进行K-means聚类分析,同时对不同流失客户群提供相应的营销策略。     

基于粗糙集和SVM的网站客户流失预测研究

针对网站收费客户流失预测领域特点,尝试了多种方法对客户信息进行约简和客户流失预测。以某大型网站收费客户信息为样本的数据实验表明,基于粗糙集的属性约简算法保持数据分类能力,简化客户信息;另外利用SVM建立的分类模型可以取得满意的预测效果,与其他数据挖掘方法相比有较大的优势。网站可根据实验结果减少信息收集量,预测流失用户,从而采取有效措施。     

电信业客户流失战略管理模型

应用基于公司竞争的Delta战略模型,提出一种用于电信业的客户流失战略管理模型(CSMM)。通过使用重庆市电信有限公司小灵通客户流失数据集,对CSMM进行了验证。其结果表明,该模型描述了客户流失的原因且包含了与公司竞争战略相关的主要预测因子,从而使其实际应用更易于控制。     

基于随机森林的分类器在犯罪预测中的应用研究

犯罪预测一直是公安部门亟待解决的突出问题。基于随机森林这种模型组合分类器,结合机器学习技术在犯罪预测中的应用现状,提出了一种用于预测犯罪的新的分类方法,并通过模拟实验来展示这种分类方法比一般的随机森林分类会有更高的可信度。创新之处在于提出的这种随机森林分类器的每一棵树都是退化的决策树,并且根据在线学习的结果在下一轮的分类中选择区分度更高的决策树。最终给出一个应用于犯罪预测的较为成功的分类器的思路和模式,得出准确有效的预测结论。     

基于决策树数据挖掘的培训行业重点客户研究

通过属性规约、数据清理和属性构造对外语培训学校的学生数据进行了预处理,利用信息增益方法对预处理后的属性构造了决策树,根据决策树得出了培训行业重点客户：拥有会员卡且外语水平在中级以下的校内人员;拥有企业会员卡且为社会人员中的女性学员;文化程度在高中及以下的人员。     

运用数据挖掘技术预测客户购买倾向--方法与实证研究

商家大部促销行为，其实都是针对客户的促销，分类模型的主要功能是根据客户数据的属性将他们分派到不同的组中。本文提出利用数据挖掘技术建立客户购买意向分类模型，利用这种分类模型可以预测客户的购买倾向。     

公司财务危机动态预测比较研究

本研究以2002年至2005年中国制造业上市公司的季度数据为研究样本,以因财务原因被实施特别处理的公司作为财务危机公司,以最能反映危机公司和正常公司区别的4个财务比率作为研究变量;用动态面板数据的方法估计财务比率的演变过程,分别用累积和控制图模型和指教加权移动平均控制图模型构建公司财务危机的动态预测模型,并将两个模型的准确率进行比较.     

基于顾客需求管理先验知识本体的数据挖掘改进方法研究

以顾客价值需求及行为理论为顾客需求管理领域的先验性知识,提出一种基于领域先验知识本体的需求数据挖掘改进方法,包括建立顾客需求领域本体和任务本体、引入本体进行挖掘的数据空间组织、挖掘算法选择及约束条件设置,并以移动服务为背景,给出该方法的应用示例及对管理决策的支持。     

网络经济环境下客户满意度动态分析评价模型

在较全面分析网络产品特有的经济特征基础之上,采用定性与定量分析相结合的方法,利用AHP法、模糊综合评判及Markov法相结合的方法,构建出网络经济环境下客户满意度动态分析评价模型。     

基于Malmquist指数的我国电信业动态效率研究

在运用数据包络模型分析我国电信业技术效率和规模收益状况的基础上,使用衡量产业效益水平的Malmquist指数研究了我国电信业的生产率增长水平及其变迁。实证结果表明:技术效率的改善而非技术进步是我国电信业生产率增长的源泉,竞争是改进运营商技术效率、促进生产率增长的有效手段。     

基于数据挖掘技术的网络安全事件预测研究

提出一种数据挖掘技术的网络安全事件预测模型。首先对网络安全事件混沌性进行分析,然后对其进行相空间重构,恢复网络安全事件变化轨迹,第三采用数据挖掘算法对其进行预测。仿真结果表明,该方法提高了网络安全事件预测精度;解决了传统预测模型难以对混沌特征进行准确分析难题;对网络安全风险预防具有重要参考价值。