基于信令的GPRS潜在投诉客户预测模型

提出基于Gb信令的GPRS(通用分组无线服务)业务潜在投诉客户预测方法,在预测数据业务潜在投诉客户时,从投诉客户信令分析入手,归纳其信令特征,建立信令特征库,异常信令特征作为建模因子,采用决策树算法建立数据业务潜在投诉客户预测模型。对数据业务潜在投诉客户进行预测,以便先于客户发现问题,解决客户数据业务使用过程中出现的问题,定位客户投诉的根本原因,从网络侧解决问题;或者通过客户关怀的方式给客户提供解决方法。

基于局部线性嵌入和深度森林算法的电力客户投诉预测模型

由于电力市场竞争日益激烈,用户对服务质量的要求不断提高,用户投诉量持续上升。在基于大数据的电力客户投诉预测模型的体系结构基础上,提出一种基于局部线性嵌入和深度森林算法的电力客户投诉预测方法。采用局部线性嵌入算法对客户投诉预测模型的输入特征向量进行降维处理,减少计算量和避免陷入局部最优解;对降维后的投诉预测特征向量进行多粒度扫描,提高其表征学习能力;基于级联森林建立深度森林算法模型,实现客户投诉预测。实际数据的仿真结果表明,与不进行降维处理及其他预测模型相比,文中所提出的预测模型可以更准确地预测客户投诉趋势,为电力企业客户投诉分析和预测提供了参考依据。

基于粗糙集的市场潜在客户预测模型

论文提出基于粗糙集理论的市场潜在客户预测模型,研究并解决潜在客户信息决策系统的建立和使用的方法。

基于客户投诉信息的创新预测方法研究

为了降低客户升级投诉数量,通过对客户投诉现状进行分析,发现投诉处理环节的短板和不足,并利用大数据工具,使用海量的客户投诉数据建立预测模型,对有升级倾向的投诉客户进行预判,在投诉升级之前预先解决客户的问题,从而提升客户满意度。

基于企业校准行为模型的客户分析

本文借鉴行为学对用户行为的解读,参考其他行业对用户行为模型的建立以及应用,提出了企业校准行为模型;并通过对模型的分析,提出企业校准行为的基本特性;然后利用BP神经网络的自学习和泛化能力对客户进行了校准行为的预测以及分析;最后通过实验室近三年的客户送校样品数量来验证方法的正确性以及适用性。