基于LVQ神经网络的电信企业客户流失预测模型研究

随着人工智能的快速发展,人工神经网络被广泛地运用到分类预测领域。文章首先明确了客户流失的定义及其分类,然后分析了LVQ神经网络的基本原理,最后从研究样本的确定、预测变量的选取、模型的训练及评估三个方面构建了基于LVQ神经网络的电信企业客户流失预测模型,以期为电信企业客户流失预测模型的设计提供一定的借鉴意义。     

基于模糊C-均值聚类的ETC系统客户的逃费分析研究

随着我国ETC系统的普及,ETC系统客户的管理也成了急需解决的问题。文章主要通过利用模糊C-均值聚类的方法对采集到的收费数据进行分析,找出异常点对应的ETC系统客户,进行重点分析和重点监控,确定是否存在逃费行为,以减少通行费的流失,实现科学、合理、高效的管理。     

多层前馈神经网络在客户流失分析中的应用

本文研究了多层前馈神经网络原理及其后向传播算法,然后结合一个实例构建了客户流失分析的多层前馈神经网络模型,实验表明将该模型用于客户流失分析是可行的.     

基于数据挖掘的电信宽带客户流失预测模型研究

宽带客户流失是我国电信企业发展中所面临的一个严重的问题,为此需要在客户流失之前作出预测,并通过相应营销手段挽留客户,文章通过数据挖掘技术建立客户流失预测模型,以此获取即将离网的用户。     

基于自组织数据挖掘的电子商务客户流失预测模型

为解决电子商务客户流失预测中的高维、非线性问题,本文将自组织数据挖掘理论(SODM)引入客户流失预测,提出一种新颖的基于自组织数据挖掘的电子商务客户流失预测模型。该方法将自组织数据挖掘中的客观系统分析算法(OSA)和改进分组数据处理网络(GMDH)集成起来进行电子商务客户流失预测。首先利用OSA算法选择出重要的电子商务客户流失关键属性,然后将训练样本送入改进GMDH网络进行学习和训练,进而对测试样本客户流失状态进行判别。将该方法应用于某网上商店客户流失预测实证分析,预测结果验证了该方法对包含多种因素影响的电子商务客户流失预测具有优势,基于自组织数据挖掘的电子商务客户流失预测模型具有较强的实用性和可操作性。     

浅谈ETC控制策略分析及其应用

文章简述了ETC系统的组成、基本控制策略,以及某车型常见故障的模式及处理对策,浅析ETC系统对整车调校的升级应用。     

基于SOM的移动通讯客户流失研究

在移动通讯市场中,争取一个新客户的代价往往比留住一个老客户要大很多,所以客户流失预测是移动通讯运营公司最为关注的重点之一。文章利用SOM网络建立客户流失预测模型,为移动通讯运营公司的经营决策提供帮助。     

商业银行客户流失风险预警模型研究

目前,商业银行在客户竞争方面面临着严峻挑战.面对激励的市场竞争,如何尽可能留住老客户,减少客户流失是目前商业银行应重点关注的问题.对于客户流失风险的问题,可以采取的办法是建立客户流失预警模型,对可能未来发生的客户流失进行预测,以便及时采取措施预防客户流失,制定有效的控制策略.文章采用基于显著性检验的决策树模型——卡方自动交互检测法(以下简称CHAID),建立商业银行客户流失预警模型,并通过十字交叉验证等方法对模型进行评估,提高模型的准确性.最后根据模型反映的情况,对商业银行的客户流失风险提出相应建议.     

基于ERFM和二元logistic的商业银行零售客户流失模型研究

本文利用RFM模型和人口统计变量建立了多维商业银行客户流失预测指标,利用二元logistic模型构建商业银行零售客户流失预警模型,结合案例银行进行了实证研究。结果表明:交易频率、最近交易时间、性别、以及年龄对商业银行零售客户流失具有统计学意义,其中交易频率、最近交易时间影响最为显著。     

基于AdaBoost的电信客户流失预测模型

随着电信业改革的深入和竞争的不断加剧,各大电信企业的客户流失率逐步攀升。在深入分析电信业客户流失问题的基础上,针对目前研究多采用单分类器模型的不足,提出了一种基于组合分类器的电信客户流失预测模型。实证结果表明该模型能有效提升预测准确率,为今后的研究提供了新的研究思路。     

Boosting算法在某移动通信公司客户离网预测中的应用研究

在对某移动通信公司客户离网深入分析基础上,针对以往研究采取的算法精度不高的局限性,引入Boosting算法,进行客户离网预测研究。实验结果表明,文中所建模型具有较强的稳定性,且各个指标值都能达到较高水平。     

Incorporating textual information in customer churn prediction models based on a convolutional neural network

This study investigates the value added by incorporating textual data into customer churn prediction (CCP) models. It extends the previous literature by benchmarking convolutional neural networks (CNNs) against current best practices for analyzing textual data in CCP, and, using real life data from a European financial services provider, validates a framework that explains how textual data can be incorporated in a predictive model. First, the results confirm previous research showing that the inclusion of textual data in a CCP model improves its predictive performance. Second, CNNs outperform current best practices for text mining in CCP. Third, textual data are an important source of data for CCP, but unstructured textual data alone cannot create churn prediction models that are competitive with models that use traditional structured data. A calculation of the additional profit obtained from a customer retention campaign through the inclusion of textual information can be used by practitioners directly to help them make more informed decisions on whether to invest in text mining.     

基于贝叶斯网络方法的客户忠诚研究

提高客户忠诚是企业的核心原则。在与传统的数据挖掘及决策分析方法比较的基础上,提出了用贝叶斯网络方法来对客户忠诚进行研究。用贝叶斯网络方法对客户数据进行分析,确定影响客户忠诚的各因素之间的贝叶斯网络结构,得出这些因素之间的相互决定关系,为采取有效措施提高客户忠诚提供了理论依据。     

基于人工神经网络的PPI预测模型

将人工神经网络模型引入到工业品出厂价格指数预测领域,利用我国1990年-2008年的工业品出厂价格指数数据,建立了工业品出厂价格指数预测的人工神经网络模型。实验结果表明:基于BP算法的神经网络模型预测精度高,而且收敛速度快,它为工业品出厂价格指数预测工作提供了一种全新的方法。     

基于BP神经网络的港口吞吐量预测模型——钦州港的实证研究

港口吞吐量的预测是港口决策的重要依据,然而影响港口吞吐量的要素较多,且各要素之间存在着复杂的非线性关系,使常用的预测方法难以取得好的预测效果。文章试图运用BP人工神经网络的方法,采集1999~2012年的实际数据样本,以钦州港为例进行实证分析,构建三层BP神经网络,预测2013年钦州港港口吞吐量。     

从客户流失到客户忠诚：对客户竞争力、客户熵和客户型企业的研究

客户流失研究的疗伤范式难以突破“瓶颈”。本研究以预防范式作为理论起点,先后分析了客户演化、客户竞争力、客户熵和客户型企业,得出通过运用客户竞争力,客户型企业能够获得持续的负熵流,客户作为企业网络的核心部分与企业共同创造价值,在多层次沟通和互动的基础上实现终生购买。客户流失从而转化成客户忠诚。     

基于BP神经网络模型的国内旅游人数预测

旅游人数的分析和预测是旅游规划与管理的关键性、基础性工作。目前旅游人数预测主要采用基于传统研究方法的预测方法。提出了一种基于BP神经网络模型的国内旅游人数预测新方法,对国内旅游人数的变化趋势进行了综合分析与预测,结果表明该方法具有较高的精度,该模型在旅游人数预测中的应用是可行的。