一种确定客户流失的方法和系统.doc

《一种确定客户流失的方法和系统.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、一种确定广电客户流失的方法和系统作者：胡玉婷袁昊程版本：v1.0文档创建日期：2013年9月11日最后修改日期：2013年9月11日1．本发明要解决的技术问题是什么？进入21世纪以来，随着电信与信息技术的飞速发展，在“三网融合”的大趋势下，广电运营商面临着重大挑战，同时也是一次重大机遇。与其它运营商相比，有线运营商在视频传播领域具有资源、技术等全方位的优势，但随着时间的推移和科技的发展，这种优势将会不断弱化，全面的竞争将不可避免。而且对于广电运营商而言，注册客户数动态增长，在大量客户入网的同时，又有大批客户离网流失，业务与收入总量增长相对趋缓，导致出现“增量不增收”

2、现象。从传统意义上讲，发展一个新客户所支出的费用是保留一个老客户的五倍。因此，分析客户流失原因，吸引潜在客户入网，增加现有客户满意度，减少客户流失概率，提高客户消费水平，充分占有市场，是广电运营商在激烈市场竞争中制胜的关键。那么如何保留当前客户资源，采取措施挽留将要流失的客户，降低客户流失率，并为之提供有差别的服务，已成为广电行业目前亟需解决的问题。2．详细介绍技术背景，并描述已有的与本发明最相近似的技术方案广电行业中，客户流失是指客户在连续一段时间内发生不同程度的停止贡献价值，甚至拖欠应收费用的行为。客户流失分析是指使用多角度的客户数据进行分析，提炼出已流失和预流

3、失客户的行为特征，利用数据挖掘技术建立客户流失模型，并将流失模型应用在实际运营中，对客户在未来一段时期发生流失的概率进行预测，并输出流失可能性较大的客户清单，从而能提供给CRM等相关系统做事前的维系挽留工作，降低客户的离网率，减少企业的损失。目前已经有诸多解决客户流失分析的数据挖掘技术方案，主要分为如下几类：1.决策树算法，这样的系统架构相对简单，系统整体运行效率易于保障。2.神经网络算法3.逻辑回归算法3．以因果关系推理的方式推导出现有技术的缺点是什么？下面分别对上面提到的三类方案分析各自的不足：1.决策树算法2.神经网络算法3.逻辑回归算法4．本发明技术方案的详

4、细阐述，应该结合流程图、原理图、电路图、时序图进行说明4.1客户流失预警系统的架构广电行业客户流失预警系统的目标是通过客户的缴费信息和客户属性信息等，对客户在未来一段时期发生流失的概率进行预测，并结合实际运营情况实施营销手段，统一实现客户挽留管理工作。客户流失预警系统的核心技术是数据挖掘技术，其体系架构融合于数据仓库架构之中（图4.1）。客户流失预警系统充分利用BOSS系统产生的大量宝贵的数据资源，结合相关支撑系统提供的信息，构建经营分析中心和分析挖掘使用平台，从而对信息进行智能化加工、处理，并最终为市场决策管理者和市场经营工作提供及时、准确、科学的辅助决策依据。图

5、4.1客户流失预警系统典型架构客户流失模型的数据主要来源于两个，一是数据仓库，这部分接口数据是必要的，另一个是BOSS等支撑系统，这部分接口数据是可选的。基于此，客户流失预警系统架构包含3层：lDMW层：客户流失模型每月从数据仓库底层(ODS)和轻度汇总层(DW)抽取所需要的数据，存放在DMW层，DMW层的每个表都以“DMW_”开头；lDM层：客户流失模型根据多个月DMW层中的数据，制作成分析宽表，以备数据挖掘模型使用，并可以存储BOSS等支撑系统对预测用户的关怀活动反馈结果，以备挖掘模型优化时使用。DM层中的每个表都以“DM_”开头；l分析层：通过分析层建立数据挖

6、掘模型，并进行不断评估和调试；最后市场部根据数据挖掘的结果配置挽留策略后，最终将客户信息显示到应用操作平台。在建设客户流失预警系统的整个过程中包括两个关键环节：l一是客户流失预警模型的建立，是项目的核心部分，需要根据业务需求不断调试；l二是数据挖掘成果应用的组织与管理实施，此乃项目的关键与成功保障。在完成第一个关键环节建设之前，广电运营商需要已经建立比较完备的数据仓库系统，因为一个真正意义的数据挖掘应用系统是以数据仓库建设为基础的。4.2客户流失模型本发明的目的是为了更好的解决目前广电行业客户流失情况，克服现有技术存在的问题而提供一种确定广电客户流失分析方法及系统。

7、为此，本发明实施提供如下技术方案，，该方案可通过如下步骤来描述，如图4.2所示：1.根据广电行业商业理解和业务需求，确定客户流失分析的主题。2.根据客户流失分析的主题，收集一个时间窗口内的原始运营数据，构建面向主题的数据集市。3.基于上述的数据集市，提取流失变量，建立建模所用的训练数据集、测试数据集和预测数据集。4.基于客户流失分析的主题，运用数据挖掘工具R，建立逻辑回归模型。5.利用逻辑回归模型计算客户流失概率及客户流失状态。6.利用测试数据集和预测数据集分别检验和评估逻辑回归模型。7.拓展该方法，构建预测每个月对应的客户流失模型，实现精细化预测。8.模型进一