一种基于决策树的移动通信客户流失分析方法

《一种基于决策树的移动通信客户流失分析方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、一种基于决策树的移动通信客户流失分析方法[摘要]本文将决策树算法应用于移动客户的流失分析中，使用SPPS-Clementine软件中的C5.0算法，�δ称笠的扯问奔涞囊贫�通信投诉数据进行分析，目的是根据移动通信公司投诉数据进行分组，发现流失度大的客户的共同特征属性，以便对流失度大的客户做好挽留工作，改善客户关系，提升企业核心竞争力。中国3/vie　　[关键词]决策树；投诉；流失度；移动通信；客户　　doi：10.3969/j.issn.1673-0194.2016.22.044　　[中图分类号]F224[文献标识码]A[]1673-0194（2016）22-00-02　　0引言　　移动

2、通信客户的流失分析一直是企业关注的热点问题，如何做到提升客户满意度，防止客户流失，加强客户分类管理，吸引潜在客户群体，提高运营商服务质量，是提升企业核心竞争力的关键所在。本文使用决策树算法，对某企业投诉数据进行分析，目的是发现流失客户的共同属性，做好客户关系管理工作。　　1决策树算法　　决策树算法最早是由J.R.Quinlan提出的ID3方法，其建树算法具有思想简单、识别样本属性效率高的优点，ID3方法成为20世纪80年代末机器学习领域当中最有影响力的算法之一。在20世纪90年代的时候，J.R.Quinlan提出ID3改进版，即C4.5方法。C4.5方法是用信息论中互信息率来选择属性作为

3、决策树的结点，使决策树识别样本的效率得到了不小的提升。C5.0算法是C4.5的升级版，多数用在商业领域数据挖掘技术当中。主要针对大数据的分类，它的决策树归纳与C4.5很相近。　　ID3算法的流程是对训练集样本的数据进行预处理，计算出训练集样本属性划分前的熵；然后计算出训练集样本属性划分后的熵，通过比较样本属性划分前后的熵，计算出前后熵的差值；取最大差值的行列进行合理划分，划分出来后数据集所有元素标签确立唯一性，有且只有一个属性；若无法确定唯一属性，则回到第一步，重新比较分析，直到建树成功，整个建树过程结束。　　2决策树算法在移动通信客户流失分析中的应用　　2.1实验数据集　　本次实验过程

4、使用的数据集有2711个样本，有投诉内容、故障行政区、使用网络类型、责任原因、终端描述、客户品牌和客户流失度7个属性，见表1。　　2.2实验过程　　选取某移动通信公司的客户投诉数据，将Excel表格导入SPPS-Clementine软件当中，首先选择“源”下方“Excel”确保数据导入软件当中；选择“字段选项”下方“类型”确定模型的类型，最后选择“建模”下方的“C5.0”算法。数据流如图1所示。　　模型对训练集选取样本50%、75%、100%的数据，对客户流失分析的准确度分别为97.88%、98.12%、98.01%，如图2所示。　　2.3结果分析与讨论　　利用SPPS-Clementi

5、ne软件中的C5.0算法，对移动通信客户的流失行为进行分析，分别选取样本的50%、75%、100%数据集进行分析，准确度依次为97.88%、98.12%、98.01%。从实验结果可以看出，选取75%样本的准确度较精确，但是所有的取样精确度之间数据相差不大。从图2可以看出，决策树算法在移动通信客户流失分析中的应用是可行的和有效的，为移动通信公司进行客户流失分析提供了一种分析的思路和解决方法。　　3结语　　本文通过对某通信公司投诉数据流失度分析表明，C5.0算法表现出更良好的适应性，对用户流失度分析更精确、更高效、更方便。　　主要