后付费移动用户离网预警及挽留对策.docx

2014 高教社杯全国大学生数学建模竞赛承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料(包括网上查到的资料) ,必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。如有违反竞赛规则的行为,我们将受到严肃处理。我们参赛选择的题号是(从 A/B/C/D 中选择一项填写):D 我们的参赛报名号为(如果赛区设置报名号的话):19510002 所属学校(请填写完整的全名): 参赛队员(打印并签名): (打印并签名):数模组日期:2014 年9月8日赛区评阅编号(由赛区组委会评阅前进行编号): 2014 高教社杯全国大学生数学建模竞赛编号专用页赛区评阅编号(由赛区组委会评阅前进行编号): 赛区评阅记录(可供赛区评阅时使用): 评阅人评分备注全国统一编号(由赛区组委会送交全国前编号): 全国评阅编号(由全国组委会评阅前进行编号): 后付费移动用户离网预警及挽留对策摘要本文的研究目的在于利用数据挖掘知识,寻找到离网客户的特征和影响因素,将可以使得企业对症下药,加强内部管理,优化营销管理,改善及降低客户离网情况。本文采用国际数据挖掘标准流程( GRISP-DM )构建“流失客户预警模型”, 根据该流程,首先对流失数据和未流失数据做用户特征分析,绘制图表对比分析。分析出的影响用户“离网”行为的发生较大的因素有: ARPU 值(月话务消费总额)、是否融合多个业务、网龄。本文根据决策树将预离网客户分为按照“离网”从高到低的程度分为三个等级:红色预警用户、黄色预警用户、蓝色预警用户, 三个等级的预警用户的准确率和覆盖率除红色预警用户外都低于稍 50% ,其准确率和覆盖率较低,但红色预警用户准确率高达 72% ,覆盖率为 52% ,说明该模型对红色预警用户筛选和评估最为准确。本文用流失数据表某几个月份数据对模型进行评估,模型预测准确率为 % ,覆盖率为 % 。基于对数据表中用户特征分析及模型预测结果,寻找出需要作出预警的用户,并提出挽留对策。关键词: 数据挖掘,客户流失预警,决策树,挽留对策问题重述 问题背景移动通信行业具有全程全网的特点,初始投入大,需要极大的客户来支撑网络的运营,由于移动通信运营行业具有典型的规模经济特性,因此,客户是任何一个移动通信运营企业最重要的资源,当前不论是各级运营商的上级管理部门还是资本市场,除了关注移动通信运营商的净利润及投资回报率等指标外,电信通信及固定通信客户的市场占有率以及在网客户的保有率,已经成为运营商的各类利益相关者普遍关注的重点,如果没有大规模客户在网运行来摊薄成本,移动运营商将无法生存,所以移动运营企业的客户已经成为目前运营商经营活动的中心,因此如何识别潜在的客户,并与重要的在网客户维持良好的关系,如何吸引新客户入网并降低在网客户的离网水平,以及在通信网络上尽可能保持更多的用户并促进在网用户大量使用通信服务,是移动运营商关心的焦点问题。虽然运营商的客户离网问题是不可避免的,但是还是可以通过一些手段使得离网率控制在一个较低的水平,控制客户的离网,本身也是一种发展,如果通过一些细致的分析和离网预警工作,寻找到离网客户的特征和影响因素,将可以使得企业对症下药,加强内部管理,优化营销管理,改善及降低客户离网情况,无疑对运营商而言具有重要意义。 问题要求分析目的:通过选取合适的数据,筛选变量,分析移动客户特征; 建立合适的模型,构建基于后付费移动用户离网风险预警模型,寻找可能流失的目标客户群。(数据提取规则:流失清单里为 14年 3 月流失的用户,未流失清单里为在网的活跃用户)。二、问题分析本文用到的两个表分别为流失用户表(流失数据)和在网活跃用户表(未流失数据) ,对于流失数据的处理,本文主要采用统计数据并建立图表的方法,筛选变量,找出已离网客户群的特征,并作为提出对策的依据。对于未流失数据的分析, 本文主要思路分两个部分:一是采用国际数据挖掘标准流程( GRISP-DM ) 构建“预离网(流失客户预警)模型”,并根据决策树将预离网客户分为按照“离网”从高到低的程度分为三个等级:红色预警用户、黄色预警用户、蓝色预警用户;二是基于“预离网模型”分析预测结果并结合对流失数据表的结果,提供相关挽留对策。本文所遵循的 GRISP-DM 流程是国际国际通用的标准数据挖掘流程之一,虽然挖掘方法很多,但其流程都是通用的。流程如下图: 图 2-1 本