客户流失论文_周捷,严建峰,杨璐,夏鹏,王猛

导读:本文包含了客户流失论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:客户,神经网络,标度,正态分布,数据,组合,算子。

客户流失论文文献综述

周捷,严建峰,杨璐,夏鹏,王猛[1](2019)在《LSTM模型集成方法在客户流失预测中的应用》一文中研究指出目前客户流失预测任务中常用的模型集成方法采用传统机器学习模型作为基学习器。而传统机器学习模型相比于深度学习模型,存在无法对时序数据进行有效建模、特征工程对模型效果影响较大等缺点。针对这些问题,提出基于LSTM的模型集成方法。采用LSTM作为基学习器进行时序数据建模;改进snapshot模型集成方法,增加样本权重调整方法,在训练单个LSTM模型的过程中得到多个具有不同权值的模型;利用得到的多个模型构造新数据集,在新数据集上训练逻辑回归模型。实验结果表明,该方法相比于单模型LSTM,可以在仅花费其1.8倍训练时间的前提下,将查准率和PR-AUC分别提升4.67%和3.74%,显着提高了客户流失预测效果。(本文来源于《计算机应用与软件》期刊2019年11期)

高昉[2](2019)在《加油卡客户流失分析和预测——基于“跨行业数据挖掘标准流程”》一文中研究指出采用跨行业数据挖掘标准流程(CRISP-DM)进行加油卡客户流失影响因素分析和流失倾向预测,建立了一个预测客户流失的决策树模型。该模型具有非常好的准确率、命中率和查全率,可帮助成品油销售企业及时发现有可能流失的加油卡客户,有针对性地开展客户维系与挽留工作,最大程度地减少加油卡客户流失。(本文来源于《国际石油经济》期刊2019年10期)

杨荣,赵娟娟,贾郭军[3](2019)在《基于决策树的存量客户流失预警模型》一文中研究指出本研究基于价值分析角度,结合用户套餐资费情况,使用CART算法建立决策树模型,并采用交叉验证法来选取最优决策树,并与逻辑回归算法相比较,得到了较好效果,同时对流失用户属性进一步探索,对运营商精准启动预警挽留和维系策略提供决策支持.(本文来源于《首都师范大学学报(自然科学版)》期刊2019年05期)

叶惠钿,陈修勇,王志红,谢全[4](2019)在《基于SPSS Modeler神经网的客户流失预测》一文中研究指出客户流失预警分析是通过数据挖掘,发现和分析出客户的许多属性特性和行为特征,从而找到流失客户的特征,为企业挽留这类客户提供决策参考。在东莞联通用户已达百万以上,通过传统的Excel处理的方式,效率低,且命中率堪忧,已无法满足对用户特征的有效分析。与传统的使用Excel数据处理分析比较,SPSS modeler在数据处理能力、工作效率、分析建模能力上都领先于Excel,能实现大数据分析挖掘建模。本文主要通过运用SPS Modeler中神经网络节点对客户的属性特征进行分析,得出流失客户的基本特征,以帮助对该类客户的行为特性进行预警分析,采取针对性的措施改善客户关系,避免客户流失或者挽留客户,达到亡羊补牢的效果。(本文来源于《2019广东通信青年论坛优秀论文专刊》期刊2019-10-11)

博文[5](2019)在《销售满意度研究显示:服务体验不佳致客户流失》一文中研究指出本报讯 市场研究机构 J.D.Power(君迪)日前发布的2019中国汽车销售满意度研究(SSI)显示,新车销售的竞争已不局限于经销店内,在初步了解与线上线下咨询的早期购买决策阶段,客户流失比例逐步攀升,约1/4潜在购车者在进入经销店之前就已放弃购买。$(本文来源于《中国消费者报》期刊2019-09-20)

邓致[6](2019)在《信用卡客户流失预测模型研究》一文中研究指出信用卡客户大多拥有不同银行多张信用卡,但常用卡只有一两张,其余的休眠卡不仅无法为银行带来收益,而且增加了管理成本。基于此,本文通过对信用卡客户进行分析,利用SASEM工具建立了客户流失预测模型,并比较分析了决策树、逻辑回归和神经网络3种算法的性能,为挽留信用卡客户提供数据支持。(本文来源于《金融科技时代》期刊2019年09期)

程勇,梁吉祥[7](2019)在《基于数据挖掘的掌银客户流失预测建模方法研究》一文中研究指出随着金融体制改革不断推进,在金融脱媒化、利率市场化和竞争跨界化的多重压力下,商业银行保持核心竞争力的关键在于如何有效留住客户,防范客户流失。本文在对某商业银行分行掌银客户数据分析的基础上,综合考虑掌银客户流失的特点,探讨数据挖掘技术在掌银客户流失预测方面的应用方法。结果表明,神经网络模型在掌银客户流失预测二分类问题中具有比较准确稳定的分类效果。结合客户管理的特点,针对掌银客户流失与挽留问题,提出了将数据挖掘技术与客户管理相结(本文来源于《中国金融电脑》期刊2019年08期)

周桂如[8](2019)在《基于语言评估标度和OWA算子的酒店客户流失因素的分析》一文中研究指出由于酒店行业的竞争激烈,酒店客户的分流越来越明显了.酒店的客户流失给酒店带来了严重损失,为了挽回损失,研究分析造成酒店客户流失的因素,并在基于语言信息理论的基础上,通过改进语言评估标度来提高两者评价之间的敏感度,以及改变有序加权平均的权重的计算方法,然后利用这两个的计算式子对酒店客户流失因素进行分析与综合计算,得出影响酒店客户流失的几个因素严重程度,通过改变这几个因素,来减少酒店客户的流失,为酒店带来可观的利润收入和良好的长期发展,最终使酒店在同行业中具有很强的竞争力.(本文来源于《太原师范学院学报(自然科学版)》期刊2019年02期)

卢美琴,吴传威[9](2019)在《大数据背景下商业银行贵宾客户流失的组合预测研究》一文中研究指出银行同业对高端客户的争夺日趋激烈,互联网金融凭借其高收益的优势也对高端客户形成分流,因此建立贵宾客户流失预警模型对于银行的生存发展意义重大。结合我国商业银行业务现状,综合运用决策树分析、支持向量机、贝叶斯网络等方法,分别创建流失预警子模型,再利用神经网络对叁个预警子模型的结果进行组合,生成组合预测模型。实证表明,组合后的模型在准确率、覆盖率、命中率、提升度等指标上都有明显优化。(本文来源于《电子商务》期刊2019年06期)

林涛[10](2019)在《基于Logistic回归的电信宽带客户流失预警分析》一文中研究指出为有效降低电信宽带客户流失率,本文对客户数据进行分析,构造客户行为特征,提出结合统计方法与机器学习方法选择重要特征,采用正则化Logistic回归算法构建模型。通过数据实验,表明本文模型具备良好的客户流失预警能力。(本文来源于《中国新通信》期刊2019年11期)

客户流失论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

采用跨行业数据挖掘标准流程(CRISP-DM)进行加油卡客户流失影响因素分析和流失倾向预测,建立了一个预测客户流失的决策树模型。该模型具有非常好的准确率、命中率和查全率,可帮助成品油销售企业及时发现有可能流失的加油卡客户,有针对性地开展客户维系与挽留工作,最大程度地减少加油卡客户流失。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

客户流失论文参考文献

[1].周捷,严建峰,杨璐,夏鹏,王猛.LSTM模型集成方法在客户流失预测中的应用[J].计算机应用与软件.2019

[2].高昉.加油卡客户流失分析和预测——基于“跨行业数据挖掘标准流程”[J].国际石油经济.2019

[3].杨荣,赵娟娟,贾郭军.基于决策树的存量客户流失预警模型[J].首都师范大学学报(自然科学版).2019

[4].叶惠钿,陈修勇,王志红,谢全.基于SPSSModeler神经网的客户流失预测[C].2019广东通信青年论坛优秀论文专刊.2019

[5].博文.销售满意度研究显示:服务体验不佳致客户流失[N].中国消费者报.2019

[6].邓致.信用卡客户流失预测模型研究[J].金融科技时代.2019

[7].程勇,梁吉祥.基于数据挖掘的掌银客户流失预测建模方法研究[J].中国金融电脑.2019

[8].周桂如.基于语言评估标度和OWA算子的酒店客户流失因素的分析[J].太原师范学院学报(自然科学版).2019

[9].卢美琴,吴传威.大数据背景下商业银行贵宾客户流失的组合预测研究[J].电子商务.2019

[10].林涛.基于Logistic回归的电信宽带客户流失预警分析[J].中国新通信.2019

论文知识图

3 东方有线客户流失预警系统(部...派生变量作为客户流失特征引入...客户流失预测模型的错差矩阵一7采用clnelnetine建立客户流失...客户流失管理流程图一8依赖关系分类客户流失表现图

标签:;  ;  ;  ;  ;  ;  ;  

客户流失论文_周捷,严建峰,杨璐,夏鹏,王猛
下载Doc文档

猜你喜欢