随着移动通信行业竞争的愈发激烈,用户对运营商的产品和服务的要求越来越高,离网率也有上升趋势。一般认为,老用户对ARPU的贡献较新用户高,留住一个老用户比发展一个新用户更加经济和有效。因此,如何维系用户、增强用户黏性,已经成为企业制定战略决策需要考虑的核心问题。解决这一问题的第一步,就是从海量用户中定位有离网倾向的群体。本文基于crisp-dm（Cross-Industry Standard Processfor Data Mining,跨行业数据挖掘标准流程），通过对数据模型的研发及应用，分析用户的离网行为规律，进而准确识别具有较高离网倾向的用户。
随着信息技术的发展和人民生活水平的不断提高，电脑的普及率越来越高，许多人都使用了数据接入业务。数据接入业务(例如ADSL/LAN宽带接入)正在成为电信运营商新的利润增长点。广东省全省的用户数已经达到数百万级别，用户渗透率已经接近发达国家的水平。市场的激烈竞争导致“发展新用户、保持旧用户”成为ISP运营商的重点话题，随之而来的就是面向市场营销和客户服务的数据仓库的建设以及数据挖掘技术的应用。\n 本文从数据挖掘的角度，根据流失的客户和没有流失的客户特征和消费行为，建立客户流失预测模型，分析哪些客户的流失概率较大，流失客户的消费行为如何，为市场经营和决策人员制定相应的策略和留住客户提供决策依据。\n 本文以crisp-dm(Cross—Industry Standard Process for Data Mining)作为数据挖掘方法论的参考模型，主要围绕客户流失预测模型的六个步骤进行了分析，包括：商业理解、数据理解、数据准备、模型建立、模型评估、模型改进。在实施数据挖掘过程中，优选预测模型的建模算法，根据神经网络和决策树方法各自固有的优点，将神经网络和决策树用于产生预测模型，并对属性进行约简。并根据实际改进模型，使建立的模型无论在生成速度上，还是在预测的准确性以及易理解方面都得到了进一步的改进。
暂无评论