基于神經(jīng)網(wǎng)絡(luò)算法構(gòu)建電信用戶流失預(yù)測(cè)模型的研究

1、 分類號(hào)： 分類號(hào)：TP389.1 密級(jí)： 密級(jí)：公開 公開 研 究 生 學(xué) 位 論 文 論文題目（中 論文題目（中 文） 文）基于神經(jīng)網(wǎng)絡(luò)算法構(gòu)建電信用戶流失 基于神經(jīng)網(wǎng)絡(luò)算法構(gòu)建電信用戶流失 預(yù)測(cè)模型的研究 預(yù)測(cè)模型的研究 論文題目（外 論文題目（外 文） 文）The Research of The Telecom User Ch

2、urn Prediction Model Based on Neural Network 研 究 生 姓 名 孫 碧 穎 學(xué) 科、 科、 專 業(yè) 計(jì)算機(jī)科學(xué)與技術(shù) 計(jì)算機(jī)科學(xué)與技術(shù)·計(jì)算機(jī)系統(tǒng)結(jié)構(gòu) 計(jì)算機(jī)系統(tǒng)結(jié)構(gòu) 研 究 方 向 數(shù)據(jù)挖掘 數(shù)據(jù)挖掘 學(xué) 位 級(jí) 別 碩 士 導(dǎo) 師 姓 名、職稱 名、職稱 張瑞生 張瑞生 教授 教授 論 文 工 作 起 止 年

3、 月 2014 年 9 月至 月至 2016 年 4 月 論 文 提 交 日 期 2016 年 5 月 論 文 答 辯 日 期 2016 年 5 月 學(xué) 位 授 予 日 期 校址：甘肅省蘭州市 校址：甘肅省蘭州市 I 基于神經(jīng)網(wǎng)絡(luò)算法構(gòu)建電信用戶流失預(yù)測(cè)模型的研究 基于神經(jīng)網(wǎng)絡(luò)算法構(gòu)建電信用戶流失預(yù)測(cè)模型的研究 中文摘要 中文摘要 隨著大數(shù)據(jù)時(shí)代的到來， 移動(dòng)互聯(lián)網(wǎng)快速發(fā)展使傳統(tǒng)電信運(yùn)營(yíng)商面臨著互聯(lián)網(wǎng)企業(yè)以及

4、同行業(yè)內(nèi)的雙重壓力， 運(yùn)營(yíng)商手中掌握著大量的用戶數(shù)據(jù)， 卻苦于無法從數(shù)據(jù)中獲得其潛在的商業(yè)價(jià)值， 這對(duì)傳統(tǒng)電信運(yùn)營(yíng)商轉(zhuǎn)型提出了迫切的要求。使傳統(tǒng)電信運(yùn)營(yíng)商必須向數(shù)據(jù)驅(qū)動(dòng)的商業(yè)模式轉(zhuǎn)變， 從而提升企業(yè)的競(jìng)爭(zhēng)力。 國(guó)內(nèi)電信企業(yè)將數(shù)據(jù)挖掘技術(shù)結(jié)合業(yè)務(wù)數(shù)據(jù)主要應(yīng)用于產(chǎn)品的精確營(yíng)銷、 客戶分群、客戶行為分析、客戶流失預(yù)測(cè)、套餐制定以及電話欺詐等等。但大多都只是處于研究階段， 并未使用到實(shí)際生產(chǎn)當(dāng)中， 國(guó)內(nèi)運(yùn)營(yíng)商對(duì)大數(shù)據(jù)和數(shù)據(jù)挖掘等技術(shù)的應(yīng)用還處于

5、起步階段，還需要不斷發(fā)展。 對(duì)于企業(yè)來說，客戶都是企業(yè)最重要的資源，如何最大程度保留有價(jià)值、價(jià)值高的客戶是企業(yè)永恒的目標(biāo)。 一是通過價(jià)格優(yōu)勢(shì)或提出新產(chǎn)品來發(fā)展新的客戶，二是通過提升服務(wù)和實(shí)施客戶挽留、 客戶價(jià)值提升的政策最大限度的留住老客戶，而第二種方法所需要的成本明顯低于第一種， 運(yùn)營(yíng)商們出于成本的考慮將重點(diǎn)放在客戶挽留。而在現(xiàn)實(shí)生活中，用戶的流失都是無預(yù)兆和沒有規(guī)律可循的，只有實(shí)現(xiàn)用戶的流失預(yù)測(cè)， 及早發(fā)現(xiàn)可能流失的用戶并對(duì)其采取正

6、確的挽留措施， 才能盡可能的保證企業(yè)的客戶資源不流失。 本文按照跨行業(yè)數(shù)據(jù)挖掘過程 CRISP-DM 的 6 個(gè)步驟，從電信某公司的多個(gè)子系統(tǒng)中提取出了客戶信息、賬戶信息以及移動(dòng)用戶的語音、數(shù)據(jù)、增值業(yè)務(wù)等行為信息，通過數(shù)據(jù)集成、清洗、規(guī)約、轉(zhuǎn)換等方法對(duì)數(shù)據(jù)集進(jìn)行處理。使用BP 神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)了電信用戶的流失預(yù)測(cè)，模型的預(yù)測(cè)命中率可以達(dá)到82.12%。同時(shí)使用 MapReduce 的編程框架將算法在 Hadoop 平臺(tái)上進(jìn)行了部署，