客戶流失問題研究[開題報告]

1、畢業(yè)論文（設(shè)計）開題報告題目：客戶流失問題研究一、選題的背景、意義（一）背景（一）背景21世紀(jì)，隨著世界經(jīng)濟(jì)的全球化、市場的國際化，國內(nèi)各行業(yè)的市場都漸漸趨向合理且充分的競爭。在這個自由的市場內(nèi)，企業(yè)處于國內(nèi)外眾多競爭者的態(tài)勢下，要努力的創(chuàng)造更高的價值的同時，客戶流失在不斷的增加，客戶的平均生命周期的不斷縮短嚴(yán)重的影響到我國企業(yè)經(jīng)濟(jì)效益的提高和企業(yè)的持續(xù)發(fā)展。在激烈的市場競爭和不斷變化的市場需求面前，如何最大程度的降低客戶流失率，增強(qiáng)客

2、戶保持是各大企業(yè)都面臨的問題。客戶流失問題的研究也受到的各國研究者和企業(yè)的日益重視。在產(chǎn)品高度同質(zhì)化的品牌營銷階段，企業(yè)與企業(yè)之間的競爭集中地體現(xiàn)在對客戶的爭奪上?！翱蛻艟褪巧系邸贝偈贡姸嗟钠髽I(yè)不惜代價去爭奪盡可能多的客戶。但是，企業(yè)在不惜代價奪取客戶的過程中，往往會忽視或無暇顧及已有客戶的流失情況，結(jié)果就導(dǎo)致出現(xiàn)這樣一種窘?jīng)r：一邊是新客戶在源源不斷地增加，而另一方面是辛辛苦苦找來的客戶卻在悄然無聲地流失。我們經(jīng)常會在一些營銷管理的書籍

3、上看到類似以下的一組數(shù)據(jù)：企業(yè)發(fā)展一位新客戶的成本是挽留一個老客戶的310倍；客戶忠誠度下降5%，則企業(yè)利潤下降25%；向新客戶推銷產(chǎn)品的成功率是15%，向現(xiàn)有客戶推銷產(chǎn)品的成功率是50%；如果將每年的客戶關(guān)系保持率增加5%，則利潤增長將達(dá)25%85%；60%的新客戶來自現(xiàn)有客戶的推薦保持現(xiàn)有的客戶比奪取新客戶的成本低的多，一般可以節(jié)約4—6倍。如何預(yù)測和解決客戶流失問題，分析客戶流失的原因，及客戶流失的相關(guān)策略，對客戶流失的管理的研究

4、，企業(yè)越來越重視。（二）意義（二）意義新客戶有限的增長率與高額的開發(fā)成本，促使企業(yè)越來越重視現(xiàn)有客戶的流失問題。對企業(yè)來說，客戶的流失是不可避免的，但是，適時地對潛在的流選出與客戶流失有關(guān)的數(shù)據(jù)屬性，按照屬性的值分成三個子集為正例集合（好）、結(jié)點(diǎn)（一般）、反例集（差），即不流失、一般、流失。企業(yè)經(jīng)過決策樹分析，發(fā)現(xiàn)客戶流失風(fēng)險產(chǎn)生的因素、高流失率的客戶群和流失的客戶的特征，從最終決策樹的分析中得出客戶流失的規(guī)律，從而使企業(yè)采取預(yù)測、預(yù)控

5、措施，保留住客戶，避免客戶流失。3、數(shù)據(jù)挖掘?qū)蛻袅魇У难芯繑?shù)據(jù)挖掘(DabMining)是從大量存儲的數(shù)據(jù)中，利用模式識別、統(tǒng)計和數(shù)學(xué)的技術(shù)。篩選發(fā)現(xiàn)新的有意義的關(guān)系、模式和趨勢的方法。數(shù)據(jù)挖掘所要處理的問題就是在龐大的數(shù)據(jù)庫中尋找出有價值的隱藏事件。加以分析并將這些有意義的信息歸納成結(jié)構(gòu)模式以幫助企業(yè)進(jìn)行科學(xué)化的決策。數(shù)據(jù)挖掘是一個循環(huán)往復(fù)的過程其挖掘過程一般分為五個階段：（1)定義業(yè)務(wù)問題：從業(yè)務(wù)角度來理解數(shù)據(jù)挖掘的目標(biāo)和要求，在

6、轉(zhuǎn)化為數(shù)據(jù)挖掘問題。（2)設(shè)計數(shù)據(jù)模型，建立數(shù)據(jù)倉庫。（3)分析挖掘數(shù)據(jù)，建立數(shù)據(jù)集市。（4)建立模型：選取挖掘t提供算法并應(yīng)用于準(zhǔn)備好的數(shù)據(jù)，選取參數(shù)，生成模型。（5)評估、解釋和應(yīng)用模型：對模型進(jìn)行比較和評估、生成一個相對最優(yōu)模型，并對此模型用業(yè)務(wù)語言加以解釋且應(yīng)用到業(yè)務(wù)活動中。在客戶流失管理中，應(yīng)用數(shù)據(jù)挖掘技術(shù)的主要思路是根據(jù)所擁有的客戶流失數(shù)據(jù)建立客戶屬性、服務(wù)屬性和客戶消費(fèi)數(shù)據(jù)與客戶流失可能性關(guān)聯(lián)的數(shù)據(jù)模型，找出其中的關(guān)系，并

7、給出數(shù)學(xué)公式，從而計算客戶流失的可能性。4、貝葉斯分類器（naiveBayesianclassifiers）和聚類（clustering）在貝葉斯網(wǎng)絡(luò)構(gòu)造過程中，結(jié)合采用K2和MCMC算法構(gòu)建網(wǎng)絡(luò)。根據(jù)貝葉斯網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，篩選出客戶流失相關(guān)的顯著指標(biāo)；由條件概率表確定客戶的流失規(guī)則，進(jìn)而確定高流失的客戶群。考慮分類的誤判損失函數(shù)，給出不同分類臨界值下，貝葉斯網(wǎng)絡(luò)模型的分類效果。在貝葉斯網(wǎng)絡(luò)建模過程中，首先采用比算法(使用K2測度)建立