電信客戶(hù)流失預(yù)測(cè)的研究.pdf

1、客戶(hù)流失是許多商業(yè)部門(mén)都極其反感的問(wèn)題。每個(gè)行業(yè)都渴望建立和保持一個(gè)忠實(shí)的客戶(hù)群。在無(wú)線通信行業(yè)中，有許多因素會(huì)導(dǎo)致客戶(hù)較容易地流失到競(jìng)爭(zhēng)對(duì)手，這些因素包括激烈的競(jìng)爭(zhēng)、新技術(shù)的出現(xiàn)、低轉(zhuǎn)向成本、新競(jìng)爭(zhēng)對(duì)手的引入。使獲得新客戶(hù)的成本增高的這一實(shí)際情況進(jìn)一步加劇了客戶(hù)流失問(wèn)題。
　　電信數(shù)據(jù)集通常有數(shù)百個(gè)描述電話詳單和和客戶(hù)資料的屬性。然而，并不是所有的屬性都具有重要的預(yù)測(cè)意義，因此有必要選擇最佳的流失預(yù)測(cè)器，以便提高預(yù)測(cè)模型的性能。

2、此外，流失通常是一個(gè)稀有事件，即正類(lèi)樣本是少數(shù)類(lèi)。在這項(xiàng)研究中使用的數(shù)據(jù)集中，例如，流失客戶(hù)占總客戶(hù)的5.6％，其余都是非流失客戶(hù)。提出了類(lèi)不平衡問(wèn)題，這削弱了一些像決策樹(shù)的數(shù)據(jù)挖掘算法的學(xué)習(xí)。
　　在這項(xiàng)工作中，針對(duì)不同的特征子集對(duì)客戶(hù)流失預(yù)測(cè)的影響進(jìn)行了研究。數(shù)據(jù)集包含電話詳單、客戶(hù)資料。完整的屬性集被分解成多個(gè)子集，這些子集分別是網(wǎng)內(nèi)電話、國(guó)際電話、網(wǎng)外電話、增值業(yè)務(wù)服務(wù)電話、客戶(hù)通話活動(dòng)信息、客戶(hù)資料。然后評(píng)估這些屬性子集

3、，來(lái)確定他們對(duì)預(yù)測(cè)的重要性。接下來(lái)，派生出新的屬性分為三類(lèi):合同的相關(guān)屬性、電話模式屬性、電話模式變化屬性。這樣的分類(lèi)為理解這些屬性提供了一個(gè)簡(jiǎn)單的框架。
　　合同相關(guān)屬性描述的特征是指客戶(hù)與公司的各種協(xié)議或合同，這類(lèi)屬性中派生了“任期”屬性，它說(shuō)明了客戶(hù)使用該公司服務(wù)的時(shí)間。電話模式屬性所描述的特征是指客戶(hù)通話模式的趨勢(shì)，這類(lèi)屬性集包含總呼叫持續(xù)時(shí)間、總電話數(shù)量和總語(yǔ)音電話數(shù)。假設(shè)當(dāng)總電話數(shù)越高，呼叫持續(xù)時(shí)間越長(zhǎng)，客戶(hù)就不太可能

4、會(huì)流失。電話模式變化屬性所描述的特征是指客戶(hù)電話模式的變化。這類(lèi)屬性包含使用分鐘的變化，使用頻率的變化，影響范圍的變化，用戶(hù)活動(dòng)的改變，呼叫網(wǎng)外電話持續(xù)時(shí)間的改變，呼叫網(wǎng)外電話所占的百分比，語(yǔ)音電話打出的百分比。客戶(hù)呼叫模式的改變量可以是正或是負(fù)。對(duì)于一些屬性如使用頻率的變化，如果改變量是正的，這說(shuō)明用戶(hù)在后續(xù)的月份中有比較多的電話，因此不太可能在短期內(nèi)流失。另一方面，對(duì)于影響范圍的變化，如果改變量是負(fù)的，這意味著用戶(hù)在后續(xù)的月份中電話

5、數(shù)比較少，因此客戶(hù)可能早晚會(huì)流失。
　　提取了屬性之后，將他們組合起來(lái)形成一個(gè)子集被稱(chēng)為“新屬性”，并將它添加到原始數(shù)據(jù)集中。然后對(duì)所有的子集進(jìn)行評(píng)估。在第一組實(shí)驗(yàn)中，將所有的子集進(jìn)行測(cè)試并比較它們的預(yù)測(cè)性能。在第二組實(shí)驗(yàn)中，對(duì)修改后的數(shù)據(jù)集和原始數(shù)據(jù)集中的所有子集進(jìn)行測(cè)試，以確定是否添加新屬性后的流失預(yù)測(cè)率會(huì)比原始數(shù)據(jù)集的流失預(yù)測(cè)高。由于每個(gè)子集的屬性維數(shù)比較高，所以采用信息增益濾波器的方法來(lái)給每個(gè)子集的屬性按重要性進(jìn)行排序，每

6、個(gè)子集選擇排在前面的60個(gè)屬性。
　　采用C4.5、樸素貝葉斯分類(lèi)器和貝葉斯網(wǎng)絡(luò)三種預(yù)測(cè)技術(shù)通過(guò)十倍交叉驗(yàn)證來(lái)評(píng)價(jià)屬性。在這種技術(shù)下，數(shù)據(jù)集在每一次迭代中被分為十份，數(shù)據(jù)集中的九份用作訓(xùn)練集來(lái)構(gòu)建預(yù)測(cè)模型，剩余的一份作為測(cè)試集，執(zhí)行十次迭代。在每種預(yù)測(cè)技術(shù)下，采用TPR和FPR的平均值來(lái)生成ROC曲線。從ROC曲線中計(jì)算出AUC值，用它作為評(píng)價(jià)標(biāo)準(zhǔn)選出流失預(yù)測(cè)的最好的特征子集。實(shí)驗(yàn)結(jié)果表明，提出的屬性的預(yù)測(cè)性能比原始屬性子集要好。

7、
　　為了解決類(lèi)不平衡的問(wèn)題，本論文研究了兩種抽樣方法。在第一個(gè)實(shí)驗(yàn)中，采用了欠抽樣，方法的原理是將訓(xùn)練集中的多數(shù)類(lèi)進(jìn)行剔除直到得到理想的樣子數(shù)量。在保持少數(shù)類(lèi)數(shù)量不變的情況下，對(duì)多數(shù)類(lèi)從它的10％到100％進(jìn)行抽樣。在第二組實(shí)驗(yàn)中，運(yùn)用SMOTH方法對(duì)少數(shù)類(lèi)樣本進(jìn)行過(guò)抽樣，SMOTE是對(duì)少數(shù)類(lèi)進(jìn)行合成，形成訓(xùn)練集，從而對(duì)少數(shù)類(lèi)進(jìn)行過(guò)采樣控制。在這組實(shí)驗(yàn)中，少數(shù)類(lèi)樣本以100％到1000％進(jìn)行過(guò)抽樣來(lái)產(chǎn)生連續(xù)的數(shù)據(jù)點(diǎn)。在第三組實(shí)驗(yàn)