前言：本站為你精心整理了移動(dòng)通信客戶流失行為預(yù)測技術(shù)研究范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

前言

客戶流失情形時(shí)目前移動(dòng)通信業(yè)所不可回避的現(xiàn)實(shí)問題，嚴(yán)重困擾著該產(chǎn)業(yè)的進(jìn)一步發(fā)展。本文基于數(shù)據(jù)挖掘技術(shù)以及神經(jīng)網(wǎng)絡(luò)技術(shù)來構(gòu)建移動(dòng)通信業(yè)客戶流失行為預(yù)測模型，將主要從模型構(gòu)建思想、模型預(yù)測過程兩方面加以論述，以針對移動(dòng)通信業(yè)客戶流失行為做出準(zhǔn)確預(yù)測。

1基于數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)的客戶流失

行為預(yù)測模型構(gòu)建思想本文針對移動(dòng)通信業(yè)客戶流失行為所構(gòu)建的基于數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)的客戶流失行為預(yù)測模型的總體構(gòu)建思想如下：

（1）能夠分析海量的樣本數(shù)據(jù)信息，并且根據(jù)移動(dòng)通信業(yè)當(dāng)前已知的領(lǐng)域知識(shí)加以梳理與匯總，并構(gòu)建出初始信息表格。

（2）采用離散的方法對初始信息表格的連續(xù)屬性進(jìn)行離散化處理，之后將處理所得到的信息采用基于遺傳算法所研發(fā)出來的并行約簡算法隨其進(jìn)行更加深入的屬性約簡處理。隨后將屬性約簡之后得到的屬性信息作為輸入層神經(jīng)元，繼續(xù)對相關(guān)的數(shù)據(jù)實(shí)施垂直約簡，從而將客戶流失行為數(shù)據(jù)中包含的對象信息不一致情形以及冗余或重復(fù)的對象。

（3）采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)（ArtificialNeuralNetworks，ANN）對經(jīng)過上述步驟處理之后的客戶流失行為精簡數(shù)據(jù)信息進(jìn)行運(yùn)算，之后引入并行遺傳算法（ParrallelGeneticAlgo-rithm，PGA）中的約簡算法，提高整個(gè)預(yù)測模型的預(yù)測效率及預(yù)測結(jié)果。

2基于數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)的客戶流失

行為預(yù)測模型預(yù)測過程在上述模型構(gòu)建思想指導(dǎo)下構(gòu)建出基于數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)的客戶流失行為預(yù)測模型后，即可以對移動(dòng)通信業(yè)客戶流失行為進(jìn)行預(yù)測，其具體的預(yù)測過程如下所述：

2.1連續(xù)屬性的離散化

在該模型之中，客戶流失行為信息依據(jù)自身的性質(zhì)可以分為數(shù)值變量以及自然語言變量兩種。前者主要是以值來作為最終確定數(shù)值的連續(xù)量或者是離散量。如果該值性質(zhì)為連續(xù)量，則可以按照模型內(nèi)附帶的規(guī)則對其實(shí)施離散化處理。若為離散量，不需要再次進(jìn)行離散化而可以直接使用。自然語言變量則是各種“語言值”的集合體，可以包括諸如性別、規(guī)模、業(yè)務(wù)內(nèi)容偏好等，均可以成為語言變量。通常情況下基于數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)的客戶流失行為預(yù)測模型不建議采用自然語言變量作為該模型的輸入變量，因其在使用過程中需要對其現(xiàn)行離散化處理，之后才可以采用粗糙集理論的處理手段加以屬性約簡。

2.2自動(dòng)生成決策表

基于數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)的客戶流失行為預(yù)測模型完成連續(xù)屬性的離散化后，根據(jù)移動(dòng)通信領(lǐng)域?qū)＜覍W(xué)者的意見與建議對形成的客戶流失行為預(yù)測信息實(shí)施進(jìn)一步篩選，以此來剔除對于模型預(yù)測工作重要性相對較低的冗余信息，在提高預(yù)測效率的同時(shí)，使得客戶流失行為信息更加明確。之后模型將會(huì)根據(jù)剩余的數(shù)據(jù)信息自動(dòng)生成一張二維表格，其中的行則是對流失客戶資料信息的具體描述，而列則顯示該客戶信息的屬性。

2.3屬性約簡

根據(jù)并行遺傳算法的具體約簡方式對客戶流失行為相關(guān)信息進(jìn)行屬性約簡，從而得出該信息的最小約簡值，之后將其自身所具有的條件屬性設(shè)定為人工神經(jīng)網(wǎng)絡(luò)的屬性空間。

2.4預(yù)測效果的檢驗(yàn)

當(dāng)基于數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)的客戶流失行為預(yù)測模型根據(jù)移動(dòng)通信業(yè)工作人員輸入的相關(guān)變量及數(shù)據(jù)信息得出結(jié)果之后，需要對預(yù)測結(jié)果進(jìn)行驗(yàn)證，利用粗糙集的基本理論、屬性約簡的基本方法與算法、遺傳算法進(jìn)行再次運(yùn)算處理，最終得出系統(tǒng)、科學(xué)的預(yù)測結(jié)果及分析報(bào)告。

3結(jié)論

綜上所述，移動(dòng)通信業(yè)客戶流失情形對于該產(chǎn)業(yè)發(fā)展而言極為不利，所以必須對其流失行為進(jìn)行準(zhǔn)確分析，繼而通過提高服務(wù)質(zhì)量及改進(jìn)管理等方式來加以阻止，從而提高移動(dòng)通信產(chǎn)業(yè)的經(jīng)濟(jì)收益。本文基于數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)所構(gòu)建的客戶流失行為預(yù)測模型融入了粗糙集的基本理論、屬性約簡的基本方法與算法、遺傳算法，整個(gè)模型預(yù)測結(jié)果能夠符合移動(dòng)通信業(yè)當(dāng)前實(shí)際情況，并且其每個(gè)預(yù)測步驟均進(jìn)行系統(tǒng)化處理，降低了工作人員主觀因素帶來的不利影響，值得在該產(chǎn)業(yè)中廣泛使用。

作者：李紅靜 單位：鐵通呼倫貝爾分公司