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。     

基于CART二叉决策树的电信业客户流失的模型构建与控制

分析了决策树在电信业客户流失分析中的重要应用,建立了基于CART算法的二叉决策树构造的电信业客户流失分析模型,研究如何使用二叉决策树的构造方法来克服客户流失分析中数据碎片的产生,使用spss clementin数据挖掘平台构造挖掘模型并且使用实时的数据出现概率来进行模型的优化控制。实验与仿真证明,该模型的准确率较高,效果显著。     

移动运营商个人客户流失风险信息分析

电信客户流失分析常用的数据挖掘方法有决策树、自动聚类、神经元网络。它们是采用运营数据本身来训练模型的。电信客户流失是由客户、运营商及其竞争者等多方面的因素决定的,利用电信客户流失分析的已有知识,可以提高预测的精度。该文根据专家的认识和已有的研究成果,利用德尔菲法、层次分析法、模糊数学,构造移动通信个人客户的风险指标体系,为分析客户流失等不确定问题提供了新的思路。     

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。     

移动通讯公司流失客户信息分析

以移动通讯公司为背景,从流失客户本身的特征和流失客户消费行为特征两方面进行了分析,从而为公司制定减少客户流失的措施提供依据。     

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.     

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.     

多因子评价模型在客户分类中的应用

提出一种基于模糊的客户细分方法——多因子评价模型。该模型采用客户生命周期时间、客户生命周期价值、客户份额和客户满意度作为客户分类的评价因子,对客户进行快速有效的分类。该模型既注重客户的行为,也考虑了培养客户成长的影响。     

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。     

基于动态分类器集成的客户流失预测模型研究

目前大多数客户流失预测研究常采用单一预测模型.因此,本文将动态分类器组合与自组织数据挖掘理论(SODM)相结合,提出了基于SODM的动态分类器集成方法.以国内、国外电信公司客户流失预测数据为例,并与单一的预测模型以及已有的动态分类器组合方法进行了详细对比,发现该方法能在很大程度上提高客户流失预测的准确率、命中率以及提升系数,是进行客户流失预测的有效工具.     

基于CRM的银行客户信息管理研究

本论文主要研究方向是对基于CRM的客户信息资源管理的研究,通过对数据挖掘技术的介绍和分析,剖析了如何利用数据挖掘技术找出企业客户信息资源当中的有价值的信息,从而为企业做出适时的合理的决策提供依据,并且通过对客户信息资源的分析预防和解决客户流失的问题。     

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。     

基于客户价值的信息用户流失预测研究

对信息用户流失分析中的相关问题展开了研究,提出基于客户价值的流失预测模型。结果表明在客户价值细分后进行流失预测,可以提高预测精度并深刻地了解用户特征,从而更有针对性地开展用户保持工作。     

浅析客户资源的价值

随着科学技术的飞速发展和市场竞争的日益激烈,人们越来越清楚地认识到客户资源将是企业获胜的最重要的资源和最基本的竞争利器之一。然而,究竟怎样做才能让客户资源发挥最大的作用?本文从客户开发、客户关怀、客户流失和客户挽留等几个方面阐述了自己的观点。     

客户关系与企业核心竞争力研究

在激烈的市场竞争中，建立和培育良好的客户关系，可使企业立于优胜的地位。本文从建立“以客户为中心”的核心竞争力体系的重要性和迫切性入手，对客户关系进行了一些研究，包括客户定位、客户流失分析、客户满意度和忠诚度研究等，最后就如何培育良好的客户关系，打造企业强有力的核心竞争力提出解决方案。     

数据挖掘在企业客户价值管理中的应用

现代企业的经营管理以客户为中心,客户价值管理可以增强企业竞争优势。数据挖掘技术是企业进行客户价值管理的重要工具。数据挖掘的主要功能包括分类、聚类、估计与预测、关联和序列发现、数据描述。在企业客户价值管理过程中,数据挖掘可以实现发展新客户、客户细分、交叉营销、识别优质客户、发现客户异常行为,防止客户流失等功能。     

基于客户生命周期的ACSI模型修正及实证分析

本文在美国客户满意度指数模型（ACSI模型）的基础上,引入客户生命周期这一新变量进行改进,得到修正的ACSI模型及其测评指标。通过设计调查问卷并选择某商业银行信用卡客户进行调查,在数据处理和参数估计的基础上,选择LISREL法对修正的ACSI模型进行求解,其结果表明客户生命周期的引入对模型整体拟合的改进是有效的,客户满意对客户忠诚具有强烈的正向影响。     

CKM中交互客户知识的获取研究

客户知识管理是运用知识管理的方法和模型对客户关系进行管理的先进思想和模式,它将客户知识作为企业的核心资产,将客户作为企业价值的共同创造者。客户知识管理的过程主要包括:知识的获取、共享、利用和创新等,而客户知识的获取则是客户知识管理的重要开端。本文从客户知识的定义和分类入手,重点讨论了交互客户知识的特征及其获取过程。