论文部分内容阅读
随着物流行业竞争的加剧,各物流企业提供的服务质量越来越高,且差异越来越小,客户的选择也越来越多,所以客户流失是每个物流企业都不得不面对的难题。由于客户流失会给物流企业带来巨大的损失,因此,客户流失问题受到了企业界和学术界的广泛关注。目前,已有大量的客户流失预测方法来解决该问题,主要分为传统分类方法和非均衡数据分类方法。虽然这两种方法已经取得了较好的预测效果,但这些方法往往需要大量的有标记客户数据。而在物流企业的客户流失预测中,获取大量的有标记客户数据代价昂贵。因此,如何综合利用有标记客户数据和无标记客户数据来对物流企业的客户流失进行预测,成为当前亟待解决的问题。半监督学习是一种能够有效利用有标记数据和无标记数据进行学习的方法。因此,本研究将半监督学习中的Co-training方法应用到物流企业客户流失预测问题中,来解决其存在的数据非均衡分布和获取有标记客户数据代价昂贵的问题。首先,本研究系统分析了客户流失预测和半监督学习的研究现状,分析了目前客户流失预测和半监督学习研究中存在的问题。其次,本研究对客户流失预测、物流企业中的客户流失预测和数据挖掘的基础理论进行了系统研究,分析了客户关系管理概述、客户流失概念及类型和客户流失预测过程,以及物流企业客户关系管理的特点、物流企业客户流失的主要原因和物流企业客户流失预测的两类错误,还分析了数据挖掘概述和数据挖掘中的两类分类方法。然后,在此基础上,针对客户流失预测中存在的数据非均衡分布和半监督学习问题,本研究将Co-training方法应用到客户流失预测中,并构建了基于半监督学习的客户流失预测模型。最后,以物流企业为应用背景,基于本研究提出的模型,本研究开发了面向物流企业的客户流失预测原型系统。通过将本研究提出的客户流失预测模型应用到实际应用场景中,来对模型的有效性和实用性进行验证。实验结果表明,本研究提出的模型在实际应用中取得了较好的预测效果。通过本研究,一方面,从客户流失预测研究中存在的问题入手,将Co-training方法应用到客户流失预测问题中,构建了基于半监督学习的客户流失预测模型,丰富和完善了客户流失预测的理论研究体系;另一方面,将提出的客户流失预测模型应用到物流企业中,开发了面向物流企业的客户流失预测原型系统,为准确地预测物流企业的客户流失提供了行之有效的方法。