基于数据挖掘的移动中高端用户流失预警分析.pdf

上海交通大学工程硕士学位论文 摘要 摘要 随着 3G 业务的拓展，使得电信市场的竞争越来越激烈。如何最大程度地挽留 在网用户、吸取新客户是电信企业最关注的问题之一。竞争对手的促销、公司资费软 着陆措施的出台和政策、法规等不断变化，影响了客户消费心理和消费行为，导致客 户的流失特征不断变化。 对于上海移动而言，中高端客户是上海移动收益的重要组成，流失会给公司带来 市场占有率下降、营销成本增加、利润下降等一系列问题。 同时，上海移动的中高 端客户是高质量客户，流失用户群比较小，特征较难捕捉。目前，中高端客户的平均 流失率仅为 1.17%。中高端客户保有率对上海移动而言，是一项非常重要的工作。根 据“柏拉图 2.8 律”，20% 的中高端客户为移动创造了 80%的利润，而如何挽留和争 取更多的大客户，在当前竞争激烈的移动通信行业，唯有体现以人为本，客户至上的 原则方能取胜。 目前，上海移动主要用经验判断用户的 ARPU 值下降，每月用户呼转次数达到 一定阀值就进行外呼挽留。这种方式虽然能抓住某些用户，但从总体来看，真正找对 的用户比例较少。采用预警模型能大幅度提高捕捉流失客户的准确率，从而在有限的 资源投入的情况下，最大限度地做好客户的挽留工作。 本文结合实际项目，将数据挖掘技术应用于电信的客户细分。论文采用基于客户 行为的客户细分方法，引入信息熵增益的决策树算法，来实现电信客户的细分。首先 进行数据准备和数据预处理等工作，进而按客户行为，对目标数据分成几种组间差异 较大、而组内差异较小的群，同时对客户细分的结果进行分析，并对未来市场给予评 价，从而为企业提供准确、可靠的决策指导。最后设计了一个客户细分分析系统，实 现了总体描述、聚类分析和用户管理等功能，便于用户进行客户细分，减少中高端用 户流失，确保公司收益的可持续发展。将算法应用在在实际项目中后，2010 年中高 端用户保有率从平均92.3%上升到了96.9%，上升了4.6%。按照中高端200万用户来 第 I 页 上海交通大学工程硕士学位论文 摘要 估算，客户挽回达到9.2万人，挽回率到达42%。在实际营销活动中，采用算法的用 户营销成功率是不采用该算法的用户的 9 倍，证明算法的有效性。 关键词：数据挖掘，客户细分，信息熵增益 第 II 页 上海交通大学工程硕士学位论文 摘要 Abstract The competition among telecom market players has become more and more intensive with the development of 3G business ．How to maintain the current customers and attract new users at the most is one of the crucial tasks which need to be paid more attention to ．The features of losing customers keep changing, due to the consumer psychology as well as behavior are affected by several complicated aspects, such as the campaigns offered by the competitors, the soft landing of charging, and the changes of related