数据挖掘在电信客户评价中的研究和应用

摘要

随着电信市场的逐步开放和持续扩张，电信运营商之间的竞争更趋激烈，各运营商纷纷推出新的优惠措施，旨在抢占更多的客户资源。然而，激烈的竞争必然导致客户处于不稳定状态中。一方面，客户面临有更多的服务选择，客户的要求也在不断提高变化，另一方面，各运营商之间相互竞争抢占客户资源，不可避免的加剧客户流失程度，包括不付款客户流失等。因此，对客户作出恰当的评价更好的了解客户对于运营商持续发展有着重要的意义。 本论文结合电信行业分析了影响电信客户评价的各个因素，利用数据挖掘技术研究了客户评价的方式，运用层次分析法确定测评指标权重，并采用决策树算法对客户进行评价分类，最后建立预测分类模型对客户进行预测。 在建立客户评价模型过程中，主要采用C4.5决策树(DecisionTrees)分类(Classification)技术生成了规则，配合推进(boosting)演算提高了分类法的准确率，得到了客户不同评价内容所隐藏的指标值的变化和客户评价的分类结果。结果表明本论文所提出的预测分类模型能有效地区分出客户的忠诚度、满意度和信用度类别，具有实际的辅助决策应用价值。

目录

文摘

英文文摘

第1章引言

第2章相关理论基础

第3章电信行业客户评价原理

第4章电信客户评价的分类预测模型

第5章总结

参考文献

致谢

原创性声明