基于多支持向量機的分布式客戶流失預測模型研究.pdf

1、全球金融危機蔓延至零售行業(yè)，各零售商家彼此間競爭加劇，保持原來的客戶無疑成為企業(yè)應對“寒流”的關鍵，對原有客戶進行流失預測更是零售企業(yè)的重中之重。而如何通過數(shù)據(jù)挖掘技術從海量數(shù)據(jù)集中分析客戶的消費行為，深挖現(xiàn)有客戶潛在規(guī)律，集中優(yōu)勢力量提升客戶的滿意度、忠誠度和降低流失率是成功應對危機的關鍵。 目前一些大型零售企業(yè)通過并購、重組迅速實現(xiàn)了連鎖化，數(shù)據(jù)庫也逐步從集中管理發(fā)展到分布管理，大量分布的連鎖分店、配送中心與總店間通過網(wǎng)絡互

2、連，形成了分布型的商業(yè)共享數(shù)據(jù)環(huán)境。傳統(tǒng)的客戶流失預測方法沒法滿足分布環(huán)境下高效的全局決策，而基于分布式數(shù)據(jù)挖掘技術的挖掘機制，可綜合分析所有的分布數(shù)據(jù)庫，從而發(fā)現(xiàn)全面的商業(yè)信息，為新形式下客戶流失預測提供了新的實現(xiàn)手段。 本文在國內外研究基礎上，以連鎖零售業(yè)的客戶為分析對象，建立了基于多支持向量機的分布式客戶流失預測模型(DistributedCustomer Churn Prediction Model in Retail

3、Based on SVMs，R-DCCPS)。主要研究內容包括： 第一，本文在充分研究客戶流失現(xiàn)狀和連鎖零售業(yè)在新形式下呈現(xiàn)出新的特點基礎上，確定客戶流失分析的維度，包括客戶行為(包括客戶滿意度、客戶忠誠度、購買頻率、客戶品牌轉移)、客戶的價值等，從多個角度研究客戶流失的影響因素，從而建立了一套連鎖零售業(yè)客戶流失的指標體系； 第二，提出了R-DCCPS，以連鎖零售業(yè)分布結點上的客戶數(shù)據(jù)為數(shù)據(jù)源，以具有移動Agent的GM

4、ine系統(tǒng)為運行框架，以主成分分析方法和支持向量機理論為分布式高性能算法設計的基礎，以特征多叉樹為支持向量集信息載體，從分布連鎖企業(yè)數(shù)據(jù)庫中得到全局知識，最終實現(xiàn)連鎖零售企業(yè)高效、精確的商業(yè)決策。 第三，結合連鎖零售企業(yè)數(shù)據(jù)分布、異構等的特點，提出了新的數(shù)據(jù)存儲結構--特征多叉樹，利用各站點挖掘出的支持向量集構建的局部特征多叉樹作為中間過程，采掘各個分站點的支持向量集信息，并通過基于特征多叉樹的分布式支持向量機增量學習算法修正這