某运营商数据挖掘项目的汇报.pptVIP

模型预警20%的正常用户，包含61%的下月流失用户 用户集：09年06月（包括06月）以前入网、08月仍然正常的用户； 模型筛选用户：通过模型筛选出的用户集中20%的用户，其中， 包含了用户集中61.4%的9月流失用户； 模型筛选用户9月、10月和11月的流失率（模型准确率）分别为26.7%、36%和43%，比用户集中用户的流失率（不使用模型筛选的准确率）提升度分别为3.4、2.7和2.3倍。 61.4% * 提升度=模型筛选用户流失率/用户集中用户流失率 在网1月新增用户流失预警模型 在网1月新增用户没有月数据，只有日数据，由于系统只保留最近3月的日数据，9月的日数据不完整，11月的新增用户不能判定用户流失，只能取10月新增用户的日数据为建模数据集 用户的样本量小，考虑到决策树算法如使用交叉验证，能一定程度上弥补样本量小的不足，采用决策树算法作为预警建模算法 建模时间窗口 建模变量 基本情况 语音通话情况 数据业务使用情况 品牌 ARPU 余额 套餐名称 … 日均数据 时间段日数据/变化趋势数据 日均数据 时间段变化趋势数据 本地通话次数 长途通话次数 漫游通话次数 … 本地通话次数波动率 长途通话次数波动率 漫游通话次数波动率 … 短信条数 彩信条数 GPRS流量 … 短信条数波动率 … 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1