《大数据精准挖掘》电信行业应用--客户流失预测
来源:互联网 发布:t-sql语法基础知识 编辑:程序博客网 时间:2024/04/29 00:27
一、背景介绍
国内电信市场日趋饱和,企业竞争日趋激烈,获取新客户的成本远远高于留住现有客户的花费。
发展一位新客户的成本是留住老客户的6倍;客户加入时间越长,价值越高。
二、商业理解
用户:业务分析员+决策人员
客户流失可能性预测:对每一位客户流失倾向的大小进行预测。
流失原因:主要流失原因的预测和分析。
客户流失影响:预测、分析。
客户保留措施:根据客户不同的特点,差异化挽留措施。
三、数据理解
流失情况和之前一段时间的通话、短信、上网情况相关,数据可由电信公司数据库获得。
行为数据+个人信息
四、数据准备
用户计费信息数据集original_data,包含2011.4.1-2011.9.30的消费信息和未来三个月的流失信息,共99720条。
数据集中有825个流失者+98895个未流失者,保留所有的流失者和1/10的未流失者作为随机样本,加入全中变量weight。
数据字段:用户ID,是否流失用户,年龄,入网时间、产品名称、套餐品牌、计费时长、通话次数、开帐金额、短信条数、开帐欠费、上网流量、计费时长、上网金额
五、建立打分模型
设置建模的自变量、因变量和权重变量。
六、分析建模结果
八个变量进入模型,建模效果理想。
将客户按分数平均分成十组,第一组得分最低的9990人中,真正流失229人,占流失总人数(825)的27.8%,前六组流失人数占总流失人数高达90.5%。
结果显示,最近几个月的通话次数和开帐金额与未来4个月的流失有紧密关系。
七、结果运用
预测出较大流失可能性的客户后,评估保留客户后的收益和成本。高价值用户保留,低价值用户任其流失。
0 0
- 《大数据精准挖掘》电信行业应用--客户流失预测
- 利用数据挖掘实现电信行业客户流失分析
- 《大数据精准挖掘》保险电销应用—寻找目标客户
- KNIMI数据挖掘建模与分析系列_004_利用KNIMI做客户流失预测
- 数据挖掘案例:建立客户流失模型
- 数据挖掘案例:建立客户流失模型
- 【大数据部落】电信公司churn数据客户流失knn预测分析(一)
- 【大数据部落】电信公司churn数据客户流失knn预测分析(二)
- 电信行业数据挖掘分析
- 大数据在电信行业的应用
- 基于数据挖掘的客户流失分析案例
- 大数据产品-腾讯信鸽之手游流失预测
- 解读:大数据在电信行业的五大应用
- 数据挖掘中的预处理——以电信客户流失问题为例
- 数据挖掘RapidMiner工具使用----解析客户流失模版CHURN MODELING
- 大数据应用电子商务之精准推广
- 移动互联网时代的大数据挖掘和精准营销
- 数据挖掘在股票预测中的应用
- 选择排序法
- BIOS/UEFI基础——第一条指令
- Leetcode Paint House
- POJ 3974 Palindrome manacher
- 怎么和自己喜欢的妹子聊天(吼吼吼,我怎么这么笨呢,啊啊啊)
- 《大数据精准挖掘》电信行业应用--客户流失预测
- 关于struts2访问servlet API的三种方法详解
- 折半查找
- 不用+、-、×、÷做加法
- Zephyr 教程:应用程序基础
- 《剑指offer》:[26]复杂链表的复制
- Entity Framework 之Code First自动数据迁移
- webstorm下载地址分享
- Java反射(一)