數(shù)據(jù)挖掘技術(shù)在電信行業(yè)crm中應(yīng)用研究-資料下載頁
2025-06-20 00:36本頁面
【正文】 因賬戶取消發(fā)生的流失，目標(biāo)變量可以直接選取客戶的賬戶狀態(tài)（取消或正常）；對于因賬戶休眠發(fā)生的流失，可以認(rèn)為持續(xù)休眠超過一定時間長度的客戶發(fā)生了流失。這時需要對相關(guān)的具體問題加以考慮：持續(xù)休眠的時間長度定義為多少？每月通話金額低于多少即認(rèn)為處于休眠狀態(tài)，或者是綜合考慮通話金額、通話時長和通話次數(shù)來劃定休眠標(biāo)準(zhǔn)？選擇目標(biāo)變量時面臨的這些問題需要業(yè)務(wù)人員給予明確的回答。b)輸入變量的選擇輸入變量是模型中的自變量，在建模過程中需要尋找自變量與目標(biāo)變量的關(guān)聯(lián)。輸入變量分為靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)。靜態(tài)數(shù)據(jù)指不常變化的數(shù)據(jù)，包括服務(wù)合同屬性（如服務(wù)類型、 服務(wù)時間、交費類型）和客戶的基本資料；動態(tài)數(shù)據(jù)指頻繁或定期改變的數(shù)據(jù)，如月消費金額、交費記錄、消費特征。業(yè)務(wù)人員在實際業(yè)務(wù)活動中可能會感覺到輸入變量與目標(biāo)變量的內(nèi)在聯(lián)系，只是無法量化表示出來，這就給數(shù)據(jù)挖掘留下了發(fā)揮的空間。如果一時無法確定某種數(shù)據(jù)是否與客戶流失概率有關(guān)聯(lián)，應(yīng)該暫時將其選入模型，并在后續(xù)步驟考察各變量分布情況和相關(guān)性時再行取舍。c)建模數(shù)據(jù)的選擇客戶流失的方式有兩種。第一種是客戶的自然消亡，例如身故、破產(chǎn)、遷徙、移民而導(dǎo)致客戶不再存在，或者由于客戶服務(wù)的升級造成特定服務(wù)的目標(biāo)客戶消失。第二種是客戶的轉(zhuǎn)移流失，通常指客戶轉(zhuǎn)移到競爭對手，并使用其服務(wù)。第二種流失的客戶才是運營商真正關(guān)心的、具有挽留價值的客戶。因此在選擇建模數(shù)據(jù)時必須選擇第二種流失客戶數(shù)據(jù)參與建模，才能建立有效的模型。數(shù)據(jù)清洗和預(yù)處理數(shù)據(jù)清洗和預(yù)處理是建模前的數(shù)據(jù)準(zhǔn)備工作，一方面保證建模數(shù)據(jù)的正確性和有效性， 另一方面通過對數(shù)據(jù)格式和內(nèi)容的調(diào)整，使數(shù)據(jù)更符合建模的需要。數(shù)據(jù)整理的主要工作包括對數(shù)據(jù)的轉(zhuǎn)換和整合、抽樣、隨機化、缺失值處理等。例如按比例抽取未流失客戶和已流失客戶，將這兩類數(shù)據(jù)合并，構(gòu)成建模的數(shù)據(jù)源。此外，模型在建立之后需要大量的數(shù)據(jù)來進行檢驗，因此通常把樣本數(shù)據(jù)分為兩部分，2/3的數(shù)據(jù)用于建模，1/3的數(shù)據(jù)用于模型的檢驗和修正。模型選擇與預(yù)建立在模型建立之前，可以利用數(shù)據(jù)挖掘工具的相關(guān)性比較功能，找出每一個輸入變量和客戶流失概率的相關(guān)性，刪除相關(guān)性較小的變量，從而可以縮短建模時間，降低模型復(fù)雜度，有時還能使模型更精確?，F(xiàn)有的數(shù)據(jù)挖掘工具提供了決策樹、神經(jīng)網(wǎng)絡(luò)、近鄰學(xué)習(xí)、回歸、關(guān)聯(lián)、聚類、貝葉斯判別等多種建模方法?？梢苑謩e使用其中的多種方法預(yù)先建立多個模型， 然后對這些模型進行優(yōu)劣比較，從而挑選出最適合客戶流失分析的建模方法。模型建立與調(diào)整模型建立與調(diào)整是數(shù)據(jù)挖掘過程中的核心部分，通常由數(shù)據(jù)分析專家完成。需要指出的是，不同的商業(yè)問題和不同的數(shù)據(jù)分布屬性會影響模型建立與調(diào)整的策略，而且在建模過程中還會使用多種近似算法來簡化模型的優(yōu)化過程。因此還需要業(yè)務(wù)專家參與調(diào)整策略的制定，以避免不適當(dāng)?shù)膬?yōu)化造成業(yè)務(wù)信息丟失。模型的評估與檢驗應(yīng)該利用未參與建模的數(shù)據(jù)進行模型的評估，才能得到準(zhǔn)確的結(jié)果。檢驗的方法是使用模型對已知客戶狀態(tài)的數(shù)據(jù)進行預(yù)測，將預(yù)測值與實際客戶狀態(tài)作比較，預(yù)測正確率最高的模型是最優(yōu)模型。模型解釋與應(yīng)用業(yè)務(wù)人員應(yīng)該針對最優(yōu)模型進行合理的解釋。如發(fā)現(xiàn)開戶時長與客戶流失概率的相關(guān)度較高，利用業(yè)務(wù)知識可以解釋為：客戶在使用一定年限后需要換領(lǐng)新SIM卡，而這一手續(xù)的繁瑣導(dǎo)致客戶寧愿申請新號碼，從而造成客戶流失。通過對模型做出合理的業(yè)務(wù)解釋，可以找出一些潛在的規(guī)律，用于指導(dǎo)業(yè)務(wù)行為。反過來，通過業(yè)務(wù)解釋也能證明數(shù)學(xué)模型的合理性和有效性。在模型應(yīng)用過程中，可以先選擇一個試點實施應(yīng)用，試點期間隨時注意模型應(yīng)用的收益情況。一旦發(fā)生異常偏差，則立即停止應(yīng)用，并對模型進行修正。試點結(jié)束后，若模型被證明應(yīng)用良好，可以考慮大范圍推廣。推廣時應(yīng)注意，由于地區(qū)差異，模型不能完全照搬。可以先由集團總部建立一個通用模型，各分公司在此基礎(chǔ)上利用本地數(shù)據(jù)進行修正，從而得到適用于本地的精確模型。在模型應(yīng)用一段時期，或經(jīng)濟環(huán)境發(fā)生重大變化后，模型的偏差可能會增大，這時應(yīng)該考慮重新建立一個適用性更強的模型。參考文獻[1]王爾平,[2]韓起云,[3]郭軍華,[4]方向,.(2)[5]宋艷,張炎欣. .(4)[6]張喆,常桂然,黃小原. [7]田紅生. 13 / 13
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1