数据挖掘在客户流失预警模型中的应用--基于山东联通3G用户的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题的背景 | 第9-10页 |
| 1.2 研究目的与意义 | 第10页 |
| 1.2.1 研究目的 | 第10页 |
| 1.2.2 研究意义 | 第10页 |
| 1.3 国内外研究的现状 | 第10-12页 |
| 1.3.1 国内研究状况 | 第10-11页 |
| 1.3.2 国外研究状况 | 第11-12页 |
| 1.4 研究方法及内容 | 第12-14页 |
| 1.4.1 研究方法 | 第12-13页 |
| 1.4.2 研究内容 | 第13-14页 |
| 第2章 基础理论 | 第14-20页 |
| 2.1 商业智能 | 第14页 |
| 2.2 客户存量与客户流失定义 | 第14-15页 |
| 2.3 数据挖掘理论概述 | 第15-17页 |
| 2.3.1 数据挖掘概念 | 第15-16页 |
| 2.3.2 数据挖掘流程 | 第16-17页 |
| 2.4 数据挖掘算法 | 第17-20页 |
| 2.4.1 决策树算法 | 第17-18页 |
| 2.4.2 二项logistic回归算法 | 第18-20页 |
| 第3章 流失预警模型的建立与评估 | 第20-53页 |
| 3.1 商业理解 | 第20-22页 |
| 3.2 数据理解 | 第22-31页 |
| 3.2.1 数据需求 | 第22-26页 |
| 3.2.2 数据探索 | 第26-28页 |
| 3.2.3 数据审核 | 第28-31页 |
| 3.3 数据准备 | 第31-40页 |
| 3.3.1 容易忽视的几个关键问题 | 第31-32页 |
| 3.3.2 目标用户 | 第32页 |
| 3.3.3 数据的预处理 | 第32-34页 |
| 3.3.4 变量筛选 | 第34页 |
| 3.3.5 阈值的确定 | 第34-40页 |
| 3.5 模型的建立 | 第40-48页 |
| 3.5.1 建模数据抽取 | 第40-41页 |
| 3.5.2 模型的建立 | 第41-48页 |
| 3.6 模型的验证 | 第48-52页 |
| 3.6.1 分组验证 | 第49-51页 |
| 3.6.2 时间窗口验证 | 第51-52页 |
| 3.7 两种算法的对比分析 | 第52-53页 |
| 第4章 模型结果的应用 | 第53-56页 |
| 4.1 流失预警模型的应用 | 第53页 |
| 4.2 针对流失客户的保有策略 | 第53-56页 |
| 4.2.1 立即挽留 | 第53页 |
| 4.2.2 根据用户需求进行精细化营销 | 第53-55页 |
| 4.2.3 深层次的客户关怀 | 第55-56页 |
| 第5章 总结 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 下一步工作内容 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |
