客户流失预测的现状与发展研究

被引:71
作者
夏国恩
机构
[1] 广西财经学院工商管理系
关键词
客户流失; 支持向量机; 预测模型;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
140502 [人工智能];
摘要
根据客户流失预测研究的发展历程和智能化程度的高低,将客户流失预测研究划分为三个阶段,包括基于传统统计学的预测方法、基于人工智能的预测方法和基于统计学习理论的预测方法,并通过分析每个阶段存在的问题提出了未来可研究的方向。
引用
收藏
页码:413 / 416
页数:4
相关论文
共 13 条
[1]
改进的支持向量分类机在客户流失预测中的应用 [J].
夏国恩 ;
邵培基 .
计算机应用研究, 2009, 26 (06) :2044-2046+2052
[2]
基于支持向量机的客户流失预测模型 [J].
夏国恩 ;
金炜东 .
系统工程理论与实践, 2008, (01) :71-77
[3]
基于核主成分分析特征提取的客户流失预测 [J].
夏国恩 .
计算机应用, 2008, (01) :149-151
[4]
基于改进支持向量机的客户流失分析研究 [J].
赵宇 ;
李兵 ;
李秀 ;
刘文煌 ;
任守榘 .
计算机集成制造系统, 2007, (01) :202-207
[5]
电信企业客户流失预测模型 [J].
夏国恩 ;
陈云 ;
金炜东 .
统计与决策, 2006, (20) :163-164
[6]
数据挖掘——电信客户流失分析预测 [J].
王维佳 ;
缪柏其 ;
魏国省 .
数理统计与管理, 2006, (04) :419-425
[7]
移动流失客户挽留价值估算模型探讨附视频 [J].
李萍 ;
齐佳音 ;
舒华英 .
北京邮电大学学报(社会科学版), 2005, (03) :39-43
[8]
客户流失危机分析的决策树方法 [J].
盛昭瀚 ;
柳炳祥 .
管理科学学报, 2005, (02) :20-25
[9]
移动电话客户流失数据挖掘 [J].
朱世武 ;
崔嵬 ;
谢邦昌 .
数理统计与管理, 2005, (01) :62-68+44
[10]
基于多准则神经网络与分类回归树的电信行业异动客户识别系统 [J].
姚敏 ;
沈斌 ;
李明芳 .
系统工程理论与实践, 2004, (05) :78-83