共查询到10条相似文献,搜索用时 15 毫秒
1.
基于客户价值的信息用户流失预测研究 总被引:1,自引:0,他引:1
对信息用户流失分析中的相关问题展开了研究,提出基于客户价值的流失预测模型。结果表明在客户价值细分后进行流失预测,可以提高预测精度并深刻地了解用户特征,从而更有针对性地开展用户保持工作。 相似文献
2.
基于动态分类器集成的客户流失预测模型研究 总被引:1,自引:0,他引:1
目前大多数客户流失预测研究常采用单一预测模型.因此,本文将动态分类器组合与自组织数据挖掘理论(SODM)相结合,提出了基于SODM的动态分类器集成方法.以国内、国外电信公司客户流失预测数据为例,并与单一的预测模型以及已有的动态分类器组合方法进行了详细对比,发现该方法能在很大程度上提高客户流失预测的准确率、命中率以及提升系数,是进行客户流失预测的有效工具. 相似文献
3.
4.
【目的/意义】基于机器学习算法对信息进行聚类及预测引起了广泛关注,本文将以航空公司客户信息为对
象构建出k-means,BP神经网络模型,对航空用户进行聚类及预测,实现用户的精准营销。【方法/过程】首先,对航
空公司的客户信息进行预处理,并根据信息聚类和信息预测理论,构建出k-means客户聚类模型与BP神经网络的
流失预测模型。【结果/结论】实证结果表明,在聚类模型上,k-means算法将客户聚为五类,实现了不同价值客户的
差异化识别;在客户预测模型上,BP神经网络的准确性更高。【创新/局限】本次研究将LRFMC模型引入到用户聚
类模型的实验中,使得模型泛化能力上存在了一定的局限,但也为该问题的未来研究提供了新的方式。 相似文献
5.
电子商务客户流失三阶段预测模型 总被引:5,自引:0,他引:5
采用某网上商场的2525名客户样本,构建了基于SMC和最小二乘支持向量机(LSSVM)的电子商务客户流失三阶段预测模型.首先应用SMC模型计算出客户活跃度,以0.5为阚值判断出客户流失状态,识别出正判客户和错判客户;其次将训练样本送入LSSVM进行训练和学习,进而对测试样本的客户流失状态进行判别,然后将误判客户样本输入最近邻分类器进行再判断.结果表明,与SMC模型、BP神经网络模型、LSSVM模型相比,三阶段模型对测试样本预测精度更高,是一种更有效和实用的分类方法,可为电子商务企业客户关系管理提供一个新的方法. 相似文献
6.
针对银行CRM中的海量客户历史数据问题,本文采用决策树算法和BP神经网络算法,选取部分客户业务数据分别进行分类预测实验,实验结果表明利用上述算法可以较好地解决银行中对客户分类预测的需求。 相似文献
7.
分析了通信企业客户流失现状,给出选择CART算法的原因,然后利用CART算法建立客户流失预测模型并以移动通信企业为例,对其客户流失情况进行预测,把预测结果反馈给相关部门,从而制定出有效的营销措施预防客户流失。 相似文献
8.
顾客在电子商务网站的访问行为会产生大量数据信息,这些数据中包含了大量对市场分析及预测有用的潜在信息,可运用数据挖掘技术对客户访问信息的Web数据进行挖掘,从而了解客户的访问行为。本文主要讨论了电子商务中挖掘信息的目标、方法及数据挖掘技术在电子商务中的几点应用。 相似文献
9.
10.
现代企业的经营管理以客户为中心,客户价值管理可以增强企业竞争优势。数据挖掘技术是企业进行客户价值管理的重要工具。数据挖掘的主要功能包括分类、聚类、估计与预测、关联和序列发现、数据描述。在企业客户价值管理过程中,数据挖掘可以实现发展新客户、客户细分、交叉营销、识别优质客户、发现客户异常行为,防止客户流失等功能。 相似文献