基于混合模型的电信客户流失预测方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究目的及意义 | 第10-11页 |
| ·研究内容及方法 | 第11-13页 |
| ·研究的创新点 | 第13页 |
| ·研究思路 | 第13-14页 |
| 第二章 客户流失预测理论基础 | 第14-32页 |
| ·客户关系管理 | 第14-18页 |
| ·客户关系管理概念 | 第14-15页 |
| ·客户关系管理核心思想 | 第15-16页 |
| ·客户关系管理应用系统 | 第16-18页 |
| ·客户流失管理 | 第18-21页 |
| ·客户流失管理概念及分类 | 第18-19页 |
| ·客户流失预测模型 | 第19-20页 |
| ·客户流失管理战略 | 第20-21页 |
| ·数据挖掘 | 第21-31页 |
| ·数据挖掘概念 | 第21-22页 |
| ·数据挖掘分类技术 | 第22-29页 |
| ·数据挖掘过程模型 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 电信客户流失预测现状分析 | 第32-42页 |
| ·电信客户流失预测研究现状方法分析 | 第32-38页 |
| ·传统分类方法 | 第32-33页 |
| ·人工智能分类方法 | 第33-34页 |
| ·预测变量选取方法分析 | 第34-35页 |
| ·预测模型评估方法分析 | 第35-38页 |
| ·YN 公司客户流失管理现状分析 | 第38-40页 |
| ·电信客户流失预测综合治理方案的提出 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第四章 客户流失预测变量集的生成方法 | 第42-55页 |
| ·生成流失预测变量的一般方法 | 第42-43页 |
| ·生成流失预测变量的新方法 | 第43-46页 |
| ·数据来源 | 第43页 |
| ·直接选取或简单计算得到变量 | 第43-44页 |
| ·采用编码方法生成衍生变量 | 第44-46页 |
| ·比较研究 | 第46-53页 |
| ·两个预测变量集 | 第46-47页 |
| ·建模方法 | 第47页 |
| ·结果评估 | 第47-53页 |
| ·结论 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第五章 基于不同细分标准的客户流失预测混合模型 | 第55-64页 |
| ·混合模型类型 | 第55-56页 |
| ·完整数据方法 | 第55-56页 |
| ·部分数据方法 | 第56页 |
| ·不同细分标准的混合模型比较研究 | 第56-63页 |
| ·研究数据及细分标准 | 第56-57页 |
| ·基本模型选择 | 第57页 |
| ·混合模型构建 | 第57-61页 |
| ·结果评估 | 第61-62页 |
| ·结论 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 提升客户流失预测效果的VBBA 方法 | 第64-71页 |
| ·VBBA 方法的提出 | 第64-65页 |
| ·实证研究 | 第65-70页 |
| ·数据来源 | 第65页 |
| ·单个模型用于客户流失预测 | 第65-66页 |
| ·VBBA 方法用于客户流失预测 | 第66-69页 |
| ·比较评估 | 第69页 |
| ·结论 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第七章 总结和展望 | 第71-74页 |
| ·研究总结 | 第71-72页 |
| ·研究展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 硕士研究生期间的研究成果 | 第79-80页 |
