数据挖掘在移动离网用户分析模型中的研究与应用

摘要

我国电信业自2008年重组以后，中国移动与中国联通、中国电信两家运营商之间传统竞争优势的差距都在不断缩小，竞争越来越激烈;同时随着移动互联网时代的到来，OTT(overthetop)业务对传统通信业的冲击也越来越迅猛，中国移动的市场份额近年逐年下降。造成移动市场逐渐被蚕食局面的主要因素就是客户流失，移动客户流失的原因多种多样，但是在通常情况下，在客户流失之前，其业务习惯往往会发生某种变化，通过对其业务习惯的监测、判断，能够提前针对此类客户采取关怀手段挽留客户。流失预警就是针对此类客户流失签的分析及预判。
　　本文基于郑州移动通信市场，通过对客户数据库中的数据进行挖掘分析，分析郑州移动用户的离网现状、离网原因，挖掘出能够作为客户流失预警的影响因子。影响因子主要包括以下几个方面:通话时长以及通话次数、通话费用、上网流量变化、用户投诉次数、呼转异网次数等，通过分析，计算出各个影响因子的阈值。
　　基于决策树算法，以客户离网行为分析为前提，依据现有的离网客户数据来归纳其特性，将离网行为影响因子量化后，利用决策树算法自动判断出客户离网规则，并确定用户是否具有离网倾向。该预警模型构建简单方便、分类速度快、准确度高，通过试验分析，验证该模型在实际运行中具有良好的预测效果，能够在客户流失预警中扮演重要作用。

目录

声明

摘要

图和附表清单

1 绪论

1．1 课题背景及研究意义

1．2 电信行业的现状

1．3 离网用户分析模型理论研究

1．4 论文主要工作

2 数据挖掘技术在客户离网中的应用

2．1 客户离网简介

2．1．1 电信客户流失的定义

2．1．2 电信客户流失预警

2．2 数据挖掘技术

2．2．1 数据挖掘概念

2．2．2 数据挖掘的应用

2．3 数据挖掘过程

3 决策树

3．1 决策树理论

3．1．1 决策树算法简介

3．1．2 决策树算法的原理

3．2 C5．0模型简介

3．2．1 C4．5算法

3．2．2 C5．0算法

3．3 决策树用于电信用户离网分析

4 决策树在郑州移动客户离网中的应用研究

4．1 引言

4．2 相关知识

4．3 建模简介和过程分析

4．3．1 建模简介

4．3．2 模型影响因子分析

5 预警模型分析与验证

5．1 整体思路介绍

5．2 模型整体框架结构

5．3 预警模型工作过程

5．4 模型算法说明

5．4．1 模型测算算法介绍

5．4．2 模型测算过程说明

5．4．3 各项指标阈值结果

5．4．4 试验验证结果

5．4．5 模型应用效果分析

6 总结与展望

参考文献

致谢

个人简历、在学期间发表的学术论文及研究成果