基于SMC-RS-LSSVM的电子商务客户流失预测模型

被引：23

作者：

朱帮助 ^{[1
,2
]}

机构：

[1] 五邑大学经济管理学院

[2] 北京理工大学管理与经济学院

来源：

系统工程理论与实践 | 2010年 / 30卷 / 11期

基金：

广东省自然科学基金;

关键词：

SMC; 粗糙集; 最小二乘支持向量机; 客户流失预测; 电子商务;

D O I：

暂无

中图分类号：

F713.36 [电子贸易、网上贸易]; TP18 [人工智能理论];

学科分类号：

1201 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为提高个体层次上客户流失预测的精度,建立了基于SMC-粗糙集-最小二乘支持向量机的电子商务客户流失预测模型.该模型首先利用SMC模型计算出客户活跃度,以0.5为阈值判断出客户流失状态,识别出正判客户和错判客户;其次应用粗糙集理论约简出重要的客户流失预测指标体系,然后将训练样本送入最小二乘支持向量机进行学习和训练,进而对测试样本的客户流失状态进行判别.利用某网上商场的2525名客户样本进行电子商务客户流失预测实证研究,结果表明:与SMC模型、BP神经网络模型、最小二乘支持向量机模型相比,该模型对测试样本预测精度更高,是一种更为有效和实用的客户流失预测方法.

引用

页码：1960 / 1967

页数：8

共 8 条

[1] 基于粗糙集与遗传算法集成的企业短期贷款违约判别 [J].

柯孔林 ;

冯宗宪 .

系统工程理论与实践, 2008, (04) :27-34

[2] 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

[3] 基于特征选择的神经网络集成方法 [J].

凌锦江 ;

陈兆乾 ;

周志华 .

复旦学报(自然科学版), 2004, (05) :685-688

[4] SMC模型在IT分销业的实证案例研究 [J].

齐佳音 ;

李怀祖 ;

舒华英 ;

秦良娟 .

系统工程理论与实践, 2004, (03) :69-78

[5]

Instant Customer Base Analysis: Managerial Heuristics Often "Get It Right"[J] . Markus Wübben,Florian v. Wangenheim.Journal of Marketing . 2008 (3)

[6] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300

[7]

Customer Base Analysis: An Industrial Purchase Process Application[J] . David C. Schmittlein,Robert A. Peterson.Marketing Science . 1994 (1)

[8]

Counting Your Customers: Who-Are They and What Will They Do Next?[J] . David C. Schmittlein,Donald G. Morrison,Richard Colombo.Management Science . 1987 (1)

← 1 →