基于數(shù)據(jù)挖掘的客戶流失預(yù)測(cè)實(shí)證研究.pdf

1、現(xiàn)實(shí)世界中，數(shù)據(jù)的分布往往是不平衡的，數(shù)據(jù)非平衡性問題已影響到多個(gè)應(yīng)用領(lǐng)域如：客戶流失、欺詐偵測(cè)、風(fēng)險(xiǎn)管理等。當(dāng)前，隨著數(shù)據(jù)挖掘研究的深入，非平衡數(shù)據(jù)挖掘正成為一個(gè)新的熱點(diǎn)研究領(lǐng)域。 本文研究的客戶流失數(shù)據(jù)集具有典型的非平衡數(shù)據(jù)問題，客戶流失對(duì)象為網(wǎng)絡(luò)招聘行業(yè)的企業(yè)客戶。全球網(wǎng)絡(luò)招聘方興未艾，據(jù)統(tǒng)計(jì)全球每天約有2000萬條就業(yè)信息發(fā)布，3000多萬人在互聯(lián)網(wǎng)上發(fā)出求職簡(jiǎn)歷，2006年全球招聘市場(chǎng)規(guī)模為172億美元。在中國，200

2、7年網(wǎng)絡(luò)招聘市場(chǎng)規(guī)模為9.7億元，2008年12.5億，預(yù)計(jì)2009年將達(dá)到16.1億元。網(wǎng)絡(luò)招聘巨大的市場(chǎng)規(guī)模，良好的利潤前景催生了新的專業(yè)化、行業(yè)性、地方性的招聘網(wǎng)站的誕生，同時(shí)也加劇了網(wǎng)絡(luò)招聘行業(yè)的激烈競(jìng)爭(zhēng)。 針對(duì)客戶流失問題，目前在電信行業(yè)、銀行業(yè)、保險(xiǎn)行業(yè)基于數(shù)據(jù)挖掘技術(shù)進(jìn)行客戶流失預(yù)測(cè)建模，并取得了豐碩的研究成果。而針對(duì)網(wǎng)絡(luò)招聘行業(yè)面向企業(yè)客戶流失問題的研究尚屬起步階段，本文分析了前人研究成果，對(duì)非平衡數(shù)據(jù)進(jìn)行了介紹

3、；對(duì)客戶流失預(yù)測(cè)理論、研究方法和發(fā)展脈絡(luò)進(jìn)行了回顧與綜述；支持向量機(jī)(SupportVectorMachine,SVM)以其堅(jiān)實(shí)的理論基礎(chǔ)與良好的推廣性能成為近幾年來應(yīng)用研究的熱點(diǎn)，是一種流行的數(shù)據(jù)挖掘技術(shù)，本文對(duì)支持向量機(jī)進(jìn)行了介紹；論述了我國網(wǎng)絡(luò)招聘行業(yè)特征、市場(chǎng)規(guī)模及發(fā)展前景。最后通過國內(nèi)某知名招聘網(wǎng)站企業(yè)客戶特征數(shù)據(jù)以及客戶在線行為日志數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)進(jìn)行了客戶流失預(yù)測(cè)建模及挽留策略的實(shí)證研究。 本文的研究成果主要

4、有： 1.針對(duì)客戶流失數(shù)據(jù)集的非平衡性與錯(cuò)分代價(jià)差異性問題，在傳統(tǒng)SVM基礎(chǔ)上，引入代價(jià)敏感學(xué)習(xí)理論，提出了代價(jià)敏感SVM的客戶流失預(yù)測(cè)建模方法，通過實(shí)驗(yàn)驗(yàn)證了方法的有效性，對(duì)解決此類問題有一定的借鑒意義。 2.針對(duì)客戶流失預(yù)測(cè)數(shù)據(jù)集的高維特征約減問題，提出了主成分分析與神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)建模方法。通過實(shí)證研究，結(jié)果表明此組合方法降低了高維屬性，簡(jiǎn)化了神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，提高了模型的預(yù)測(cè)性能。 3.針對(duì)網(wǎng)絡(luò)招聘企業(yè)客戶