GHSOM的阶层架构图.pptVIP

資料勘與知識發現期中報告Toward a hybrid data mining modelfor customer retention指導老師：黃三益 教授 組 員：鍾友華 M965040023 張智欽 E123502191 于亨宗 N954020003資料來源:Knowledge-Based Systems, Vol 20(8), Dec 2007. pp. 703-718. 綱 要?Background and motivation?The goal of the data mining task?Description of the data set?Data techniques and detailed data mining and result?Conclusions and critics Background 所謂客戶流失（Customer Churn）係指失去現有客戶，且其成為競爭對手之客戶。 可能導致企業損失可觀的利潤 防止客戶流失，是顧客關係管理（Customer Relationship Management， CRM）的核心議題。 Background（續） 傳統的服務提供廠商，每個月失去超過百分之四的用戶 開發一個新用戶所需付出的成本為留住一個現有用戶的五至十倍 Motivation 找出一個較好方式來預測客戶的行為，以確保其忠誠度 準確預測客戶的行為，提前實施延續客戶關係等措施，有助於將客戶流失降至最低 Data Set 資料庫中包含了65,516筆2001年七月台灣所有區域的商業用戶資料 資料庫中有23.8%流失的客戶 資料庫共包含了253屬性 ，挑選其中十二個最有可能與客戶流失相關的屬性 Data set（續） Chinese term English meaning  性別 Gender 居住區碼 Zip code 客戶業別 Industry code 通路代碼 Dealer ID 營運據點代碼 Site code 申租費率 Package code 優惠類別 Discount type 租期 Tenure 停機次數 Times of service suspended 復機次數 Times of service resumed 拆機次數 Times of service terminated 平均費用 Average invoice Goal of the Data Mining 使用分類技術以預測在特定情況下，何種客戶可能流失 使用分群技術以分析流失客戶模型，並發展與各群組相關聯的政策 預測某一客戶是否即將流失 若該客戶有流失的高度可能性，予以進一步分析該客戶的資料，並提出一適當的政策，以嘗試留住該客戶 Classification Classification (續) Classification (續) Classification (續) Classification (續) Results Results (續) Clustering technique Self-Organizing Map (SOM) ?自我組織映射圖 人工神經網路演算法 將高維度的資料映射至二