基于多支持向量機(jī)的分布式客戶流失預(yù)測(cè)模型研究.pdf

1、全球金融危機(jī)蔓延至零售行業(yè)，各零售商家彼此間競(jìng)爭(zhēng)加劇，保持原來(lái)的客戶無(wú)疑成為企業(yè)應(yīng)對(duì)“寒流”的關(guān)鍵，對(duì)原有客戶進(jìn)行流失預(yù)測(cè)更是零售企業(yè)的重中之重。而如何通過(guò)數(shù)據(jù)挖掘技術(shù)從海量數(shù)據(jù)集中分析客戶的消費(fèi)行為，深挖現(xiàn)有客戶潛在規(guī)律，集中優(yōu)勢(shì)力量提升客戶的滿意度、忠誠(chéng)度和降低流失率是成功應(yīng)對(duì)危機(jī)的關(guān)鍵。 目前一些大型零售企業(yè)通過(guò)并購(gòu)、重組迅速實(shí)現(xiàn)了連鎖化，數(shù)據(jù)庫(kù)也逐步從集中管理發(fā)展到分布管理，大量分布的連鎖分店、配送中心與總店間通過(guò)網(wǎng)絡(luò)互

2、連，形成了分布型的商業(yè)共享數(shù)據(jù)環(huán)境。傳統(tǒng)的客戶流失預(yù)測(cè)方法沒法滿足分布環(huán)境下高效的全局決策，而基于分布式數(shù)據(jù)挖掘技術(shù)的挖掘機(jī)制，可綜合分析所有的分布數(shù)據(jù)庫(kù)，從而發(fā)現(xiàn)全面的商業(yè)信息，為新形式下客戶流失預(yù)測(cè)提供了新的實(shí)現(xiàn)手段。 本文在國(guó)內(nèi)外研究基礎(chǔ)上，以連鎖零售業(yè)的客戶為分析對(duì)象，建立了基于多支持向量機(jī)的分布式客戶流失預(yù)測(cè)模型(DistributedCustomer Churn Prediction Model in Retail

3、Based on SVMs，R-DCCPS)。主要研究?jī)?nèi)容包括： 第一，本文在充分研究客戶流失現(xiàn)狀和連鎖零售業(yè)在新形式下呈現(xiàn)出新的特點(diǎn)基礎(chǔ)上，確定客戶流失分析的維度，包括客戶行為(包括客戶滿意度、客戶忠誠(chéng)度、購(gòu)買頻率、客戶品牌轉(zhuǎn)移)、客戶的價(jià)值等，從多個(gè)角度研究客戶流失的影響因素，從而建立了一套連鎖零售業(yè)客戶流失的指標(biāo)體系； 第二，提出了R-DCCPS，以連鎖零售業(yè)分布結(jié)點(diǎn)上的客戶數(shù)據(jù)為數(shù)據(jù)源，以具有移動(dòng)Agent的GM

4、ine系統(tǒng)為運(yùn)行框架，以主成分分析方法和支持向量機(jī)理論為分布式高性能算法設(shè)計(jì)的基礎(chǔ)，以特征多叉樹為支持向量集信息載體，從分布連鎖企業(yè)數(shù)據(jù)庫(kù)中得到全局知識(shí)，最終實(shí)現(xiàn)連鎖零售企業(yè)高效、精確的商業(yè)決策。 第三，結(jié)合連鎖零售企業(yè)數(shù)據(jù)分布、異構(gòu)等的特點(diǎn)，提出了新的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)--特征多叉樹，利用各站點(diǎn)挖掘出的支持向量集構(gòu)建的局部特征多叉樹作為中間過(guò)程，采掘各個(gè)分站點(diǎn)的支持向量集信息，并通過(guò)基于特征多叉樹的分布式支持向量機(jī)增量學(xué)習(xí)算法修正這