基于用户分群与流失预测技术的客户管理研究

作     者：宋美忻 

作者单位：东南大学 

学位级别：硕士

导师姓名：徐亮

授予年度：2022年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

主      题：流失预测 挽回策略 聚类分析 用户分群 

摘      要：用户是企业发展的重要因素,用户的维护和管理体现着企业经营的能力。用户流失问题会影响企业的营收,其背后的原因也揭示着产品和企业发展上的问题。及时的找到流失用户,并分析原因制定相应的挽回策略十分有必要。流失用户预测的研究众多,其中基于机器学习的数据挖掘建模技术在分类问题上有较好的表现,被广泛应用于各个领域。本文选用网上公开的电信用户数据,共6534个样本、16个字段,涉及用户基本信息、服务信息、账单信息。电信行业用户量大信息多,同时也存在着很多用户流失现象,有关用户管理的研究价值大。本文分析了目前对于流失问题的研究现状,并对用户流失相关概念、数据挖掘技术、相关算法原理进行了介绍。在实践上,首先对数据进行特征探索和描述性分析,拆分出训练集5228个样本,测试集1306个样本。对于特征进行相关性分析,并基于流失相关性建立打分模型预测流失用户,该模型找出60%以上用户,准确率在0.65以上。进一步,用K-means、K-modes、K-prototypes三种聚类分析方法对样本进行分类,选择K-prototypes方法将样本分为0-1两类用户。0类用户可能是热爱新事物但用户关系尚不稳定的短期用户或新用户;1类用户整体上更为稳定。对分类后的数据和全部数据进行预测建模,选用逻辑回归、随机森林、XGBoost、Light GBM四种方法并利用综合评价指标进行选择。最终选择XGBoost的分类数据预测的模型,0类用户召回率为0.89456,1类用户召回率为0.84211。针对预测结果进行分析,利用关键指标对预测流失用户划分为ABCD四个用户群,其中A类用户占52%,为最主要流失用户群。对用户流失原因进行分析,判断用户价值。用户主要流失原因分别为价格因素、需求不匹配、生活变化、自然流失。针对性地提出挽回策略并尝试提出公司整体发展建议。