基于RandomForest分类方法的购买预测研究

本文针对银行客户,提出一种基于RandomForest的银行客户分类模型,通过基于RandomForest的分类方法对银行客户已存在数据进行处理,并应用labelencoder对数据进行预处理从而提高分类精确度,得到客户对产品是否具有购买倾向.结合了RandomForest的分类能力和labelencoder量化数据能力,使用葡萄牙银行机构数据进行验证,实验结果表明本文提出的客户购买预测模型精度更高.     

基于改进的Random Subspace的客户投诉分类方法

电信业的客户投诉不断增多而又亟待高效处理。针对电信客户投诉数据的特点，提出了一种面向高维数据的改进的集成学习分类方法。该方法综合考虑客户投诉中的文本信息及客户通讯状态信息，基于Random Subspace方法，以支持向量机（Support Vector Machine，SVM）为基分类器，采用证据推理（Evidential Reasoning，ER）规则为一种新的集成策略，构造分类模型对电信客户投诉进行分类。所提模型和方法在某电信公司客户投诉数据上进行了验证，实验结果显示该方法能够显著提高客户投诉分类的准确率和投诉处理效率。     

改进的多层感知机在客户流失预测中的应用

针对在传统的客户流失预测数据预处理中，使用one-hot编码处理离散属性导致数据维度增加及数据过于稀疏的问题，提出了两种基于多层感知机的改进后的客户流失预测模型。其主要思想是分别使用堆叠自编码器和实体嵌入两种方法对多层感知机进行改进，通过将离散属性的高维编码数据向低维空间映射，有效地减少了one-hot编码产生的稀疏数据，增加了离散属性值之间的关联度。在对两份公开的数据集进行交叉验证后的实验结果表明，改进后的模型既有效地提高了预测的准确度，又维持了传统多层感知机模型在并行化计算方面的优势。     

客户偏好驱动的产品配置设计过程研究

为使企业的产品配置结果更好地满足客户个性化、多样化、差异化需求,结合客户满意度理论、产品配置设计等理论方法,从客户偏好特征、产品配置设计过程、客户偏好驱动的产品配置设计求解等三个方面,对客户偏好驱动与企业产品配置设计过程进行系统理论研究。不同于传统的产品配置设计过程,客户偏好驱动的产品配置设计是基于对企业终端客户个性化、多样化、差异化偏好需求信息收集和识别的基础上,通过将客户偏好信息映射到产品设计的功能、外观、形态等设计属性层面,并在此基础上,基于传统产品配置设计求解过程,实现对客户偏好驱动的产品配置设计的求解,实现对对企业终端客户个性化、多样化、差异化偏好需求的满足。研究结果可以为企业更好地满足终端客户的偏好需求、提高企业产品附加值和竞争能力,以及实现客户与企业的双赢等奠定重要的理论支撑。     

基于客户特征的产品环境需求预测方法研究

针对产品绿色设计中客户需求的模糊性和不确定性,提出了一种基于客户特征的产品环境需求预测方法。通过建立客户环境需求采集模版获取客户信息,采用感性工学及语义差异方法对客户环境需求进行规范化表达,构建了人工神经网络模型挖掘客户特征与客户环境需求之间的关系,帮助企业预测具有不同特征客户的环境需求,采用信息增益量化了各个客户特征对客户环境需求的影响程度。最后以某冰箱企业的客户环境需求分析为例,应用MATLAB进行仿真研究,验证了方法的可行性与有效性。     

面向客户体验的业务品质管理创新研究

文章主要对移动互联网的数据业务进行品质管理提升方案的研究与实施,全面评估分析了目前数据业务存在问题及现状,根据实际情况构建了品质管理体系,对影响数据业务品质的问题进行多渠道的评测分析,制定并实施业务品质优化方案。最后对提高数据业务客户感知、改善产品体验的相关优化措施及效果进行了总结。     

基于大数据画像的精准扶贫服务研究

《促进大数据发展行动纲要》是巩固当前脱贫攻坚站的重要指导纲要,脱贫大数据的建立是进一步提升脱贫成效的基础和前提,但依靠传统的问卷调研和深度访谈等形式获得的数据可靠性略低,可能会导致基于调研数据的分析结果失真。因此,文章通过对贫困人口的行为痕迹数据进行搜集、整理、分析,形成贫困对象大数据画像,为提升脱贫成效提供数据支撑。     

基于随机森林算法的客户流失模型

针对电信行业流失客户预测的实际需要,比较几种预测模型的优劣,详细介绍随机森林算法的基本原理与模型构建过程,结合电信行业客户的数据特征,通过数据处理与算法调整优化,探索构建基于随机森林算法的客户流失模型,验证模型的实际应用效果。