基于竞争对手反击的电信客户流失挽留研究

首先分析了挽留激励、竞争反击、自然衰减和口碑传播这4种效应对客户保持率产生影响的动力学模型,并得到了客户保持率在客户挽留周期中的演进路径;接着定义了挽留激励系数、竞争反击系数、自然衰减系数和口碑影响系数来具体刻画这4种效应的作用力.然后基于客户保持率的演进路径得到了客户挽留周期计算模型,分别基于竞争对手反击效应存在性的不同情况建立了3类客户挽留价值计算模型.最后基于客户挽留价值和挽留成本建立了客户流失挽留评估模型,基于挽留重要性指标建立了客户挽留顺序选择模型.实验结果表明所提出的客户流失挽留方法是可行且有效的.     

基于动态客户保持的企业客户生命周期价值模型研究

在客户生命周期价值模型及研究现状分析的基础上,以客户保持率为切入点,探讨了动态客户保持率的研究方法及客户生命周期价值模型的改进策略,提出了基于动态客户保持的企业客户生命周期价值扩展模型,并通过实例分析验证了研究方法的有效性.     

基于多分类器动态选择与成本敏感优化集成的电信客户流失预测研究

针对不同样本在特征空间中具有不同的区域特性和不同分类算法之间的预测互补性,在电信客户流失预测理论基础上,融合多分类器动态集成理论和成本敏感学习理论,建立了电信客户流失多分类器集成预测的利润函数,并提出了一类新的基于多分类器动态选择与成本敏感优化集成的电信客户流失预测模型.首先使用K均值聚类法聚类训练样本成多个分区;接着使用NaiveBayes算法、多层感知机算法和J48算法在各分区样本上构建客户流失预测子分类器;最后使用改进人工鱼群算法分别对各分区的子分类器进行成本敏感优化集成.实验结果表明,所提出的基于多分类器动态选择与成本敏感优化集成模型的分类性能不仅优于由训练集全体样本所构建的3个单模型,也优于基于改进人工鱼群算法优化集成这3个单模型而得到的集成模型.     

客户忠诚与客户关系生命周期

客户忠诚是公司客户保持战略追求的基本目标,客户忠诚的研究引起了学术界和企业界的广泛兴趣.目前的研究识别出了客户忠诚的三个主要决定因素:客户价值、客户满意和客户信任,但这些因素驱动客户忠诚建立的机理并不清楚.本文应用生命周期理论研究客户忠诚的建立机理,提出了一个基于客户关系生命周期的客户忠诚动态模型,该模型描述了客户忠诚的三因素是如何驱动客户忠诚不断发展,并在客户关系生命周期不同阶段建立不同层次客户忠诚的,揭示了三因素与客户忠诚和客户关系生命周期之间的相互关系.     

基于改进支持向量机的电信客户流失预测模型

随着电信业改革的深入和竞争的加剧,电信企业的客户流失率逐步攀升,如何预测并有效减少客户流失直接关系到电信企业的生存和发展.流失客户在客户总体中占比例较低,因此电信客户数据集中存在明显的非平衡数据问题,传统的客户流失预测把客户流失作为普通的模式识别问题处理,建立基于普适机器学习的预测模型.在两类错误的错分代价相差较大的情况下,基于普适机器学习的预测模型缺乏实用价值,因此引入代价敏感学习理论建立了基于改进支持向量机的电信客户流失预测模型,将不同的错分代价纳入建模过程,有效的提高了模型的预测性能.     

电信公司对个人客户投诉的应对策略

客户投诉的最基本原因是对商品或服务不满。不管公司是多么友好、高效地对待客户,仍然会经常产生投诉。投诉问题不可小视,它往往体现了公司在经营运作中存在的问题和客户的潜在需求。中国电信秉承"以市场为导向、以客户为中心、以效益为目标"的经营理念。以客户为导向的服务,能激励客户对公司的信任支持,保持长期的购买关系,传播积极的口碑效应,使公司在市场竞争中处于有利地位。     

基于最差情况的最优消费和投资策略

在假设证券收益存在有界不确定干扰和考虑交易费用的情况下 ,基于微分对策理论 ,研究了最差情况下的最优消费和投资策略问题 .首先 ,建立了最优消费和投资决策的微分对策模型 ;其次 ,证明了该微分对策模型存在唯一的值函数 ,并根据微分对策理论推导出了值函数满足的 IB偏微分方程 ;再次 ,基于微分对策值函数 ,给出了最差情况下的最优消费和投资策略 ;最后 ,给出了 IB偏微分方程解析解的一种求解方法 ,并对解的性质做了初步探讨     

基于粗糙神经网络的客户消费分类模型研究

针对客户消费属性的多维、相关及不确定的特点,提出了基于粗糙神经网络(RS-NN)的客户消费分类模型.在揭示了客户消费分类问题的粗糙集特性基础上,设计出由预处理分类知识空间、建立消费分类模型、分类模型应用构成的研究框架,系统阐述了基于粗糙集的约简消费属性、提取分类规则、构建粗糙集神经网络初始拓扑结构、训练和检验网络模型等一系列关键技术,最后以某地区电信客户管理为建模示例.结果表明:RS-NN模型在模型结构、模型效率、分类预测精度方面均优于BP-NN算法,是一种有效和实用的客户分类新方法.     

基于客户识别的客户保持决策模型与定价策略

建立了以客户识别为基础进行客户保持决策的理论框架和决策模型,提出了客户识别的三维框架模型,认为客户识别需要在包含客户生命周期价值、客户感知价值和竞争可得性3个维度的框架下进行;随后通过建立客户识别模型,定量分析了客户识别对于客户保持的重要意义;接着阐述了以客户识别为基础进行客户保持决策的过程和方法,并综合考虑客户忠诚度因素,通过建立客户保持的决策模型,分析了统一定价和差别定价2种模式下客户保持的企业产品定价策略。     

行业自律机制下P2P网贷平台违规治理演化博弈

行业自律是政府“强监管”背景下P2P网贷平台违规治理的重要组成部分。为揭示行业自律机制下网贷市场主体间行为策略关系及其动态演化机理,建立了包括自律监管平台、网贷平台和平台客户三方主体的行为策略演化博弈模型,分析三方主体行为策略演化路径及其联动作用规律,并结合数值仿真讨论不同约束情景下模型系统演化均衡状态及关键因素影响。结果表明：网贷平台合规运营意愿会随激励水平、形象效应、客户流失量、行业危机风险的上升而增强。若网贷平台拥有较完善运营机制、较好口碑形象或较大客户规模,其更易实现基于市场途径的自我规制。违规惩罚力度、形象效应收益及平台客户规制策略敏感性会直接影响网贷平台合规运营趋势。结合仿真分析结果,提出了加大对违规平台的惩罚力度,强化平台信息披露与品牌形象建设,引导借贷双方理性选择入驻平台等治理建议。     

基于蚁群算法的成本敏感线性集成多分类器的客户流失研究

针对电信客户流失预测问题的复杂性,融合自组织神经网络良好的连续属性值离散化优势、粗糙集理论出色的属性约简功能和蚁群优化算法全局的随机搜索特点,在模型集成技术和成本敏感学习理论的基础上,提出了一种新的基于蚁群算法的成本敏感线性集成多分类器的电信客户流失预测模型。构建该集成模型可分为4个阶段:(1)连续属性值的离散处理:利用自组织神经网络对连续属性值进行非监督离散化处理;(2)原始属性集的约简处理:使用粗糙集理论按属性重要性原则对离散属性进行约简;(3)子分类器的建立:分别使用NaiveBayes、Logistic回归、多层感知器和决策树等4种差异性很大的分类技术在约简属性集上建立4个对应的客户流失预测子分类器;(4)子分类器的集成:基于成本敏感学习理论,构建了4种不同的线性集成模型,采用蚁群优化算法求解集成模型的最优线性组合权重系数。将该模型应用于某电信客户流失预测,其实验结果表明该集成方法是可行且有效的。     

基于粗糙集理论-神经网络-蜂群算法集成的客户流失研究

针对电信客户流失问题的复杂性,融合粗糙集理论、神经网络和蜂群算法的优势,提出了一种新的客户流失预测模型——基于粗糙集理论、神经网络和蜂群算法线性集成多分类器的客户流失预测模型。首先利用自组织神经网络(SOM)对连续属性值进行非监督离散化处理;接着使用粗糙集方法(RS)对离散属性进行约简;然后分别使用BP神经网络、RBF神经网络、ELMAN神经网络和广义回归神经网络(GRNN)在约简属性集上建立4个子分类器;最后使用模型集成法对4个子分类器进行线性集成,并采用人工蜂群(ABC)算法优化线性组合的权重。将该模型应用于某电信客户流失,实验结果表明该集成方法是可行且有效的。     

随机森林方法及其在客户流失预测中的应用研究

在全球化的市场竞争中,企业如何利用现有资源,提高客户满意度,保住现有客户,已成为企业面临的主要问题,客户流失预测越来越受到企业关注。本文针对实际客户流失数据中正负样本数量不平衡而且数据量大的特点,提出一种改进的平衡随机森林算法,并将其应用于某商业银行的客户流失预测。实际数据集测试结果表明,与传统的预测算法比较,这种算法集成了抽样技术和代价敏感学习的优点,适合解决大数据集和不平衡数据,具有更高的精确度。     

代价敏感的目标客户选择半监督集成模型研究

在现实的目标客户选择建模中，往往只能获取少量有类别标签的样本，而剩下的大量样本都无法获取类别标签。已有研究大都使用监督式建模研究范式，仅在少量有类别标签样本集上建模，很难取得令人满意的效果。为解决这一问题，本文引入半监督学习（semi-supervised learning，SSL）技术，将其与代价敏感学习（cost sensitive learning，CSL）和多分类器集成中的随机子空间（random subspace，RSS）方法相结合，提出了代价敏感的目标客户选择半监督集成模型（cost-sensitive semi-supervised ensemble model，CSSE）。该模型使用代价敏感的支持向量机（SVM）来解决目标客户选择建模中样本数据类别分布不平衡的问题，还能够同时使用有、无类别标签的客户样本来建模。进一步地，该模型利用RSS方法训练一系列基本分类模型，并通过集成得到最终的分类结果。在某保险公司目标客户选择数据集上进行实证分析，结果表明，与两种监督式集成模型、两种单一的半监督模型以及两种半监督集成模型相比，CSSE模型具有更好的目标客户选择性能。     

客户生命周期利润变化趋势分析与应用研究

详细考察了客户利润四个决定因素,进而揭示了客户利润的变化规律:客户利润随生命周期阶段发展而不断提高,考察期最小,形成期次小,稳定期最大,退化期快速下降,整个利润曲线呈倒"U"形。据此,提出了最优客户生命周期模式和客户全生命周期利润预测模型,从而解决了客户保持的两个核心问题。     

基于改进GMDH的目标客户选择模型研究

近年来,目标客户选择建模成为客户关系管理领域的研究热点。为了解决用于目标客户选择建模的训练样本类别分布高度不平衡的问题,本文首先提出了混合抽样方法。进一步地,将数据分组处理(GMDH)神经元网络引入到客户特征选择中,提出新的特征选择算法Log-GMDH。该算法分别从传递函数的选择和新的外准则的构建两个方面对传统GMDH网络模型进行了改进。最后,将提出的混合抽样、Log-GMDH和Logistic回归分类算法相结合,构建目标客户选择模型LogGMDH-Logistic。在CoIL2000预测竞赛中某汽车保险公司的目标客户选择数据集上进行实证分析,结果表明,LogGMDH-Logistic模型不仅在性能上优于已有的一些目标客户选择模型,而且具有很好的可解释性。     

基于社会网络分析方法的顾客口碑意见领袖研究

本文以社会网络分析方法为基本手段,以大学生群体为代表对顾客口碑传播中的意见领袖开展研究。研究从意见领袖的特征出发,提出综合考虑点度中心度、点入度与点出度和结构洞等指标,可以利用社会网络研究方法对意见领袖进行测量。从顾客口碑传播网络的密度、节点测地距离、网络成分规模等角度所进行的分析发现意见领袖对顾客口碑传播网络的信息传播速度和传播范围有较大的影响,而且对传播范围的影响要大于对传播速度的影响。研究发现顾客口碑传播网络是一个密度较低的稀疏的网络。     

顾客忠诚对盈利能力的影响效应

本文通过构建顾客忠诚与顾客盈利能力关系的数学模型,探讨该数学模型的函数性质,论证了顾客忠诚与顾客盈利能力并非是单调递增关系.同时发现,只有当顾客忠诚培养成本固定不变时,顾客盈利能力才随着顾客忠诚度单调递增.当顾客忠诚培养成本随顾客忠诚度的增大而增大时,存在阀值θ^*,使得盈利能力在[0,θ^*)区间随顾客忠诚度的增大而增大,在[θ^*,1]区间则随顾客忠诚度的增大而减小.论文还讨论了忠诚培养成本率、顾客实现购买率和每次消费金额的大小对θ^*的影响.最后,依据研究结论,提出相应的管理建议.