结合K--means的分类方法在电信客户流失中的应用

通过对电信业客户流失预测的国内外研究成果的分析,我们发现造成电信业客户流失原因种类比较多、难以用一种通用的划分标准对流失客户的流失特征进行刻画,因此本文提出了将K—means算法与传统的分类算法相结合的方法进行客户流失分析,并进行了应用实验．该实验以中国联通湖南某地区X分公司的客户数据为基础,利用数据挖掘软件Clementine8．1建立了客户流失分类预测模型,模型的应用结果表明：新方法对客户流失预测的命中率高于传统的分类预测算法．     

基于数据挖掘的电商客户流失预测建模方法研究

文章针对数据挖掘技术在电子商务客户流失预测方面的应用研究,使用决策树算法、支持向量机算法分别建立电子商务客户流失预测模型,分析客户流失特征数据,并对2种方法的预测结果进行分析.     

数据挖掘技术在客户流失预警中的应用

数据挖掘是致力于数据分析和理解、揭示数据内部蕴藏知识的技术.本文研究数据挖掘中的决策树算法,并利用经典的C4.5算法对网通公司业务数据进行挖掘,针对小灵通客户流失问题建立了客户流失预警模型并予以具体实现,以便为公司提供决策依据.     

贝叶斯和SVM在物流客户流失分析中的应用

介绍了客户流失预测的常用方法.基于ORACLE商业智能工具,分别利用贝叶斯法和SVM法对物流客户流失进行预测分析,并对2种方法进行了比较.结果表明,SVM算法的预测效果较好,但Bayes算法具有对数据质量要求不高、算法简单、易于实现、便于直观展现等优势.     

数据挖掘在CRM方面的应用研究

现代企业管理中广泛的将数据挖掘技术应用于客户关系管理(CRM)领域,以此来帮助企业更好地分析和处理客户数据、挖掘客户价值、建立客户关系、提升企业竞争力。本文阐述了数据挖掘的概念、客户关系管理的涵义,论述了了数据挖掘在CRM中的应用和具体的客户分析方法,为企业的经营管理和营销策略提供了帮助     

决策树算法与客户流失分析

为了向市场人员提供决策依据,有效降低客户流失率,基于数据挖掘平台Clementine,构造出一种客户流失模型,并分别利用决策树算法C5.0及分类和回归算法对某运营商提供的实际数据进行实验分析。对比实验结果可知,C5.0算法在准确率及覆盖率等方面更适合于该运营商。     

B to C电子商务中客户流失的分析

随着网络经济的发展,很多企业已实行了电子商务中B to C的电子商务业务,但电子商务建立在虚幻的网络上,许多的客户在无形之间访问企业,离开企业.怎样才能防止电子商务中客户的流失已是企业必须面对的问题.本文先对客户进行分类,然后分析客户流失的一些原因以及一些解决的方法.     

BtoC电子商务中客户流失的分析

随着网络经济的发展，很多企业已实行了电子商务中BtoC的电子商务业务，但电子商务建立在虚幻的网络上，许多的客户在无形之间访问企业，离开企业，怎样才能防止电子商务中客户的流失已是企业必须面对的问题，本文先对客户进行分类，然后分析客户流失的一些原因以及一些解决的方法。     

QFD技术在服装客户需求分析中的应用

提出基于质量功能展开(QFD)的服装客户需求分析方法和技术.按照从获取和分析客户对服装设计的需求开始,到提出服装设计方案的系列推理步骤和过程,科学合理地将客户需求映射到服装需求,并据此提出满足客户需求的服装设计方案.选取ONLY品牌休闲系列服装作为案例,对该方法的有效性进行了验证,为服装定制提供了有效的服装客户需求获取与分析的途径和方法.     

决策树ID3算法在银行客户关系管理中的应用研究

数据挖掘技术广泛应用于银行的客户关系管理,本文探讨了挖掘出隐藏在客户数据中潜在信息的方法,对决策树的ID3算法在客户数据信息中的应用进行了分析,依据推导的结果对客户进行分类,进而预测客户行为,制定相应决策,提供更加完善的服务.     

CRM中的模糊C均值(FCM)客户聚类算法研究

客户关系管理(CRM)中的客户聚类分析是一个新的研究领域,属于数据挖掘的应用范畴.CRM利用数据挖掘技术发现客户数据背后隐藏的、有用的、未曾预料的知识.包括利用聚类方法划分顾客类别.本文提出用模糊C均值(FuzzyC Means,FCM)聚类算法作为客户聚类的方法,得到不同客户群的聚类中心以及客户的隶属度矩阵,为客户群的特征分析提供了量化依据.并采用Matlab6.1为计算工具,最后给出了一个聚类分析实例.实验证明,本文采纳的方法可以得到满意的客户聚类结果.     

供应链客户流失风险预测模型研究

供应链客户流失风险的预测是一个寻求复杂问题优化解的过程,通过引入神经网络理论,利用BP反馈型人工神经网络的自学习功能和快速寻找优化解的能力,构建了能准确预测客户流失风险等级的预测模型,对于供应链企业采取保留客户的有效措施有一定的帮助。     

聚类模型分析及其在客户关系管理中之应用

应用现代数据挖掘技术分析和处理大量客户的相关数据,指导公司或企业进一步加强管理和正确决策已成为一种发展趋势和必然。在数据挖掘领域中,聚类是一个重要的方法。在简单介绍聚类概念后,着重讨论了几种经典的聚类算法,并选用相应的聚类算法应用到多尔惠超市客户数据分析中,以找到客户的最佳分类,指导企业决策。     

保险业客户行为忠诚度分析

针对保险业如何利用客户数据提高管理决策水平和销售业绩的问题,根据保险业客户忠诚度的判别条件,运用模糊数据挖掘技术,提出了通过对已有客户进行行为忠诚度聚类分析,发现公司内客户所属的类型,并据此对新客户做出忠诚度预测,从而可更好地为保险业客户管理提供帮助.     

电信“ITV客户挖掘+装维随销”营销模型应用研究

电信运营商企业间对客户资源的竞争日益加剧,各企业针对电信业务数据进行“商机挖掘”的方法来寻找潜在的客户资源。文章采用“业务数据挖掘”的方法分析,获得公司的ITV 潜在客户清单,并以手机APP 的形式推送至与公众客户接触面最大的装维人员进行业务随销。通过精准营销的项目应用,改变了以往“盲推销”的客户发展模式,有力地改善了客户感知并提升了营销成功率。     

基于Group Lasso的多源电信数据离网用户分析

随着行业竞争愈演愈烈,电信企业的客户流失情况越来越严重,给电信企业造成了巨大损失.通过电信企业的数据来做离网用户的预测,从而进一步作出挽留客户的正确决策,成为电信企业日益关注的问题.面对电信后台汇总的多源数据,经分析发现其呈现天然的组结构.为了选择对于离网类别最具判别性的特征,本文使用了一种基于Group Lasso的组特征选择方法,在此基础上用交叉验证法选择适当的特征组,最终将选择出的少量组特征用于预测离网和停机的宽带用户.实验表明,在江苏某地级市电信离网用户分析数据中取得了比其他特征选择方法的精度平均高至少10%的预测性能.     

企业的客户数据挖掘系统设计

客户管理是目前企业发展管理中的一个重要内容，如何通过对企业客户的行为进行分析，并把分析的结果用于客户管理，是当前客户管理中的一项重要内容。提出了一种将数据挖掘技术应用于客户关系管理(CRM)，构建企业客户数据挖掘系统的方法，并给出了具体的应用过程。     

一种基于数据挖掘的CRM系统框架的实现

介绍了当前CRM的解决方案,用J2EE构建了一种基于数据挖掘的CRM系统框架,分析系统的数据挖掘部分的结构及数据挖掘EJB模型、数据挖掘算法模型和WEB层的JSP类模型等主要模型的建模,最后通过对一个超市的数据库的客户购买模式采用关联规则进行分析,验证了CRM系统的有效性.     

基于关联模式的电信客户致电实证分析

客户致电查询分析是企业客户关系管理中的重要内容之一,它对及时有效地了解客户需求、行为并制订合理的决策具有重要意义。针对电信客户在致电查询中所关注的内容,使用数据挖掘中的关联规则方法进行实证分析,可获得查询内容的侧重和查询项之间的关联性。