（系统工程专业论文）面向主动服务的客户流失预测模型研究.pdf

摘要 随着商品市场由卖方市场向买方市场过渡和以客户为中心的科学理论体系 的形成与完善，客户逐渐成为了现代制造业企业最重要的稀缺性资源，客户在 很大程度上决定着企业的命运和前途，因而企业在重视客户创造的同时，逐渐 意识到客户维持的重要性，增强了客户流失管理，其中客户流失预测将是面向 主动服务的客户流失管理的核心内容。 依据服务挖掘理论的主动服务和服务提前理念，以及企业级客户行为变化 规律的渐变性和可知性特点，本文将改进q s i m 算法和改进遗传算法与主动服 务理念和人工智能技术相结合，设计了面向主动服务的客户流失预测a g e n t 和自 适应修正a g e n t ，从而构建了面向主动服务的客户流失预测模型，并在此基础上 开发了该模型的原型系统进行实验仿真分析，检验了模型的有效性。该模型一 方面实现了客户流失管理系统的自动化和智能化，体现了服务挖掘的理念，为 企业提供了各种类型客户在每个阶段流失的可能性，并且能够为企业在何时实 施何种决策，才能得到“最佳的企业级客户流失管理效果，提供了一定的定 性参考依据；另一方面试图能够为面向主动服务的客户流失管理体系的发展做 出积极的作用。 本文主要围绕面向主动服务的客户流失预测a g e n t 和自适应修正a g e n t 的设 计展开论述。在客户流失预测a g e n t 设计中，本文运用因果关系图设计了客户流 失影响因素体系，提出了决策变量、状态变量和序列因果约束等概念，并且利 用基于随机行为抽取方式的多次定性模拟取代了传统q s i m 算法的一次性推理， 避免了算法的“组合爆炸 。经过相应的实验仿真分析，表明了预测a g e n t 能够 较好地解释和预测客户流失的演化过程，为企业在何时实施何种决策提供定性 参考。 在自适应修正a g e n t 设计中，本文对传统遗传算法特性进行了深入分析和研 究，设计了修正a g e n t 的免疫机制、双编码体系和改进遗传操作算子，以此实现 自适应地消除客户流失预测a g e n t 运行结果的系统误差，体现了自适应性、灵活 多样性和通用性。经过相应的实验仿真分析，表明根据不同行业不同环境的特 点，设定不同的自适应修正a g e n t 算法参数和求解模型参数，能够有效地实现对 不同客户流失预测a g e n t 的系统误差进行修正的目的。 关键词：主动服务，客户流失预测a g e n t ，自适应修正a g e n t ，q s i m 算法， 遗传算法 a b s t r a c t w i t ht h ec o m m o d i t ym a r k e tt r a n s i t i o nf r o mas e l l e rt ot h eb u y e r sm a r k e ta n d c u s t o m e r - c e n t r i cs y s t e mo fs c i e n t i f i ct h e o r yf o r m a t i o na n di m p r o v e m e n t ，t h e c u s t o m e rh a sb e c o m et h em o s ti m p o r t a n ta n ds c a r c er e s o u r c e si nm o d e m m a n u f a c t u r i n ge n t e r p r i s e s c u s t o m e rd e t e r m i n e st h ee n t e r p r i s e sf a t ea n df u t u r ei n l a r g ep a r t w h i l ee n t e r p r i s e sa t t a c hi m p o r t a n c et oo u rc l i e n t s ，t h e yh a v ei n c r e a s i n g a w a r e n e s so ft h ei m p o r t a n c eo fk e e p i n gc u s t o m e r s ，w h i c hi n c r e a s e dc u s t o m e rc h u m m a n a g e m e n t c u s t o m e rc h u mp r e d i c t i o nw i l lb et h ec o r ec o n t e n ti nc u s t o m e rc h u m m a n a g e m e n tf o ra c t i v es e r v i c e a c c o r d i n gt ot h ea c t i v es e r v i c ea n df u t u r e - o r i e n t e ds e r v i c eo fs e r v i c e - m i n i n g t h e o r y , a n dg r a d i e n ta n dk n o w na b i l i t yo fe n t e r p r i s e - c l a s sc u s t o m e rb e h a v i o r , t h i s p a p e rc o m b i n e si m p r o v e dq u a l i t m i v es i m u l a t i o na l g o r i t h r na n di m p r o v e dg e n e t i c a l g o d t h r aw i 廿la r t i f i c i a li n t e l l i g e n tt e c h n o l o g y , d e s i g n sc u s t o m e rc h u mp r e d i c t i o n a g e n ta n da d a p t i v em o d i f i c a t i o na g e n tf o ra c t i v es e r v i c e s o ，i tc o n c e i v e st h ea c t i v e s e r v i c e o r i e n t e dc u s t o m e rc h u mp r e d i c t i o nm o d e l ，a n dd e v e l o p st h ep r o t o t y p e s y s t e mt os t i m u l a t e ，w h i c ht e s t st h ev a l i d i t yo ft h em o d e l o nt h eo n eh a n d ，t h i s m o d e li m p l e m e n t st h ei n t e l l i g e n ta n da u t o m a t i cc h u mm a n a g e m e n ts y s t e m ，r e f l e c t s t h ei d e ao fm i n i n gs e r v i c e s ，p r o v i d e st h ec h u mp r o b a b i l i t ya te a c hs t a g ef o re a c hk i n d o fc u s t o m e r , a n dp r o v i d es o m eq u a l i t a t i v er e f e r e n c ef o rh o wt om a k ed e c i s i o nt og e t t h eb e s te f f e c ti ne n t e r p r i s e c l a s sc u s t o m e rc h u mm a n a g e m e n t ；o nt h eo t h e rh a n d , i t c a nm a k eap o s i t i v er o l ei nt h ed e v e l o p m e n to fa c t i v es e r v i c e - o r i e n t e dc u s t o m e rc h u r n m a n a g e m e n ts y s t e m t h i sp a p e rf o c u s e so na c t i v es e r v i c ef o rc u s t o m e rc h u mp r e d i c t i o na n da d a p t i v e m o d i f i c a t i o n i nt h ed e s i g no fc u s t o m e rc h u mp r e d i c t i o na g e n t ，t h i sp a p e rc o n t r i v e s t h ec u s t o m e rc h u mf a c t o rs y s t e mu s i n gc a u s a l i t yg r a p ha n dp u tf o r w a r dt h es e v e r a l c o n c e p ta b o u td e c i s i o nv a r i a b l e s ，s t a t ev a r i a b l e s ，c o n s t r a i n to fs e q u e n t i a lc a u s a l i t y a n di tr e p l a c e sr a n d o mb e h a v i o re x t r a c t i o no ft h eo l l c - o f fr e a s o n i n go ft r a d i t i o n a l q s i ma n da v o i d st h ec o m b i n a t i o ne x p l o s i o no fa l g o r i t h m a c c o r d i n gt ot h ea n a l y s i s o fe x p e r i m e n t a ls t i m u l a t i o n ，i ti n d i c a t e st h a tt h ep r e d i c a t i o na g e n tc a ne x p l a i na n d p r e d i c tt h ee v o l u t i o no fc u s t o m e rc h u ma n dp r o v i d e sr e f e r e n c et om a k ed e c i s i o na n d i m p l e m e n t i nt h ed e s i g no fa d a p t i v em o d i f i c a t i o na g e n t ，t h i sp a p e ra n a l y z e sa n dr e s e a r c h e s t t o nt h et r a d i t i o n a lg e n e t i ca l g o r i t h m ，a n dd e s i g n st h em o d i f i e di m m u n em e c h a n i s m ， d u a lc o d i n gs y s t e ma n di m p r o v e dg e n e t i co p e r a t o r s t h e r e f o r e ，i te l i m i n a t e st h e s y s t e me r r o ro fo p e r a t i n gr e s u l t sa n di n d i c a t e st h ea d a p t a b i l i t y , g e n e r a l i t y , f l e x i b i l i t y a n dd i v e r s i t y a f t e rt h ea p p r o p r i a t ee x p e r i m e n t a ls i m u l a t i o n , i ts h o w st h a ts e t t i n g d i f f e r e n tp a r a m e t e r so ft h ea d a p t i v em o d i f i c a t i o na l g o r i t h mp a r a m e t e r sa n ds o l v i n g m o d e lp a r a m e t e r sa c c o r d i n gt ot h ec h a r a c t e r i s t i c so fd i f f e r e n ti n d u s t r i e si nd i f f e r e n t e n v i r o n m e n t sc a l le f f e c t i v e l ym o d i f yt h es y s t e mg l t o ro fd i f f e r e n tc u s t o m e rc h u m p r e d i c a t i o n k e yw o r d s ：a c t i v es e r v i c e , c u s t o m e rc h u mp r e d i c t i o na g e n t ，a d a p t i v e m o d i f i c a t i o na g e n t ，q s i ma l g o r i t h m ，g e n e t i ca l g o r i t h m i i i 独创性声明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及 取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 武汉理工大学或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示了谢意。 签名：丛生垡日期：一塑竺至兰望归 学位论文使用授权书 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即 学校有权保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权武汉理工大学可以将本学位论文的 全部内容编入有关数据库进行检索，可以采用影印、缩印或其他复制 手段保存或汇编本学位论文。同时授权经武汉理工大学认可的国家有 关机构或论文数据库使用或收录本学位论文，并向社会公众提供信息 服务。 ( 保密的论文在解密后应遵守此规定) 研究生( 签名) ：鸯辛畔导师( 签名) ：衫p y 日期二咖辛f 曰r 细 武汉理工大学硕士学位论文 1 1 选题的背景和意义 第1 章引言 随着商品市场由卖方市场向买方市场过渡、客户关系理论的发展和客户全 生命周期理论的提出，企业逐渐意识到客户是现代企业最为重要的稀缺性资源， 客户决定着企业的生存与发展，因而企业逐渐从重视客户创造，向重视维持客 户方向转化，增强客户流失管理的意识。据统计，一个企业如果每年客户流失 率增加5 ，利润每年可减少2 5 一8 5 ，而且由此带来的口碑效应也是巨大的， 一个满意的客户会引发8 笔潜在的生意，其中至少有1 笔成交，而一个不满意 的客户会影响2 5 个人的购买意愿，另外争取一位新客户所花的成本是保住一位 老客户所花成本的6 倍。 根据服务挖掘理谢l 】的主动服务和服务提前理念，预测出每类客户何时最有 可能流失，企业何时采取何种措施才有可能有效挽留客户，能够为企业开展差 异化的“最佳 客户流失管理( 尤其是本文所研究的企业级客户流失管理) 提 供支持。本文旨在通过对主动服务理论、a g e n t 技术、客户流失预测与修正模型 及相关算法的研究，提出改进q s l m 算法和改进遗传算法，并将其应用于客户 流失预测a g e n t 和自适应修正a g e n t 的设计，最后通过实验仿真对模型的有效性 进行检验，实现对客户流失演化过程的描述和预测，以及对预测结果的自适应 修正。该模型一方面为企业客户流失管理提供决策支持，另一方面也争取能够 对面向主动服务的客户流失管理的发展做出积极的作用。 本文所提出和设计的面向主动服务的客户流失预测模型，在客户保持策略 实施方面，具有积极的地位和作用，具体表现在以下几个方面： ( 1 ) 客户流失预测不但是企业持续经营的关键，也是其提升核心竞争力的重 要动力。m o r g a n 和h u n t 认为客户行为是被客户满意度、服务品质、信任、承诺 与未来合作意愿所左右，因此有效地对潜在流失客户进行预测、降低客户流失， 是c r m 关系营销的重要组成部分。 ( 2 ) 客户流失预测是客户保持战略中的关键性问题。一般来说，企业客户保 持战略有效实施取决于对潜在流失客户群的准确定位。一个潜在流失客户能否 被挽留，在很大程度上取决于客户流失预测系统能否对其进行事前预测。 武汉理工大学硕士学位论文 ( 3 ) 研究客户流失预测可为客户流失分析提供更多、更有价值的特征属性( 或 指标) ，提高数据收集质量和效率，也增大了客户流失影响因素研究的空间。 ( 4 ) 在客户流失预测模型中，引入a g e n t 技术，有利于实现主动的、智能的、 动态的、一对一的客户流失管理。a g e n t 能够智能地按照用户预先设定的目标和 策略在企业信息系统中移动，并自主地进行客户流失预测和自适应修正算法的 运算，为企业客户流失管理提供决策支持。 1 2 国内外研究综述 1 2 1a g e n t 技术 a g e n t 思想【2 】的诞生可归功于j o h n m c c a r t h y 在2 0 世纪5 0 年代末提出的1 1 1 e a d v i c et a k e r ”系统，该系统被设想为具有目标性的智能整体，系统内实体采用 人类的术语进行交流，它们从用户利益出发来考虑从事各项任务。在移动a g e n t 方面，g e n e r a lm a g i c 公司在2 0 世纪9 0 年代初推出其商业系统t e l e s e r i p t 时第一 次提出了移动a g e n t 的概念，即一个能够在异构网络环境中自主地从一台主机迁 移到另一台主机，并可与其它a g e n t 或资源交互的软件实体。 a g e n t 一词常常被译作为“代理 、“主体或“智能主体 ，但是a g e n t 至 今仍没有一个公认的定义。w o o l d r i d g e 和j e n n i n g s 在总结了前人在a g e n t 领域的 一些工作后提出了一个比较权威的定义，即a g e n t 的弱定义和强定义： ( 1 ) a g e n t 的弱定义【” 5 6 】：几乎所有a g e n t 都具有以下特性。自治性 ( a u t o n o m y ) ：a g e n t 运行时不直接由人或者其他东西控制，它们对自己的行为 和内部状态有一定的控制权。社会能力( s o c i a la b i l i t y ) 或称可通信性 ( c o m m u n i c a b i l i t y ) ：a g e n t 能够通过某种a g e n t 通信语言与其他a g e n t 进行信 息交换。反应性( r e a c t i v i t y ) ：即对环境的感知和影响。自发行为 ( p r o a c t i v e n e s s ) ：a g e n t 感知周围环境的变化，并做出基于目标的行为。a g e n t 弱定义使a g e n t 不仅仅只用于人工智能领域，而且广泛地应用在诸如人机界面、 通信、并行工程、软件工程、搜索引擎等领域。 ( 2 ) a g e n t 的强定义【”，5 ，6 】：从人工智能研究角度来看，a g e n t 除了具有上述特 性，还应具有某些人类的特性，如知识、信念、意图、承诺等心智状态。因此， 人们对a g e n t 作如下强定义：“一个a g e n t 是这样一个实体，它的状态可以看作 由信念( b e l i e f ) 、能力( c a p a b i l i t y ) 、选择( c h o i c e ) 、承诺( c o m m i t m e n t ) 等 2 武汉理工大学硕士学位论文 心智构件组成。 在a g e n t 技术研究方面，目前国内外的主要成果如下： ( 1 ) 国外成果：基于a g e n t 的电子商务系统有：p e r s o n a l o g i c 系统、 b a r g a i n f i n d e r 系统、j a n g o 系统、f i r e f l y 系统等。其中p c r s o n a l o g i c 系统是基于 特征的筛选工具，通过对买方所需的产品特征加以指定，筛选掉特定领域中不 符合买方的产品。b a r g a i n f i n d e t 系统通过浏览器的方式，从几个互不相同的商 家w e b 站点中获取价格。j a n g o 系统主要为用户查找所需商品信息。f i r e f l y 系统 主要为用户推荐相关商品信息。同时，国外有专门的国际会议进行a g e n t 和移动 a g e n t 的讨论，1 9 9 6 年首次在英国伦敦举行名为：智能a g e n t 和多a g e n t 的实际 应用国际会议，并以后每年举行一次。 ( 2 ) 国内成果：武汉大学计算机学院正在研究多a g e n t 系统模型及移动a g e n t 的应用。南京大学计算机系正在开展面向a g e n t 的软件工程及安全性的研究。清 华大学、浙江大学正在开展多a g e n t 的组织结构在并行工程和网络管理中的应用 研究等等。 1 2 2 服务挖掘 2 0 0 7 年，王虎【l 】等人提出并界定了服务挖掘的概念，认为服务挖掘是指基 于客户服务数据库，通过利用各种分析与统计工具，获取每个客户对某一特定 产品的消费或使用偏好特征，结合给定的专家知识以及生产商所提供的服务指 南，挖掘出客户行为特征对每项服务所产生的影响因子，并将其作为制定客户 服务计划的主要知识保存于知识库中，这一系列的因子将随着客户接受服务的 不断延续而被持续刷新。结合预测模型、标准服务指南和知识库，预测出每个 客户下一次最有可能接受服务的项目以及最有可能接受此项服务的时间，从而 为服务商开展差异化的主动服务提供技术上的支持。它主要强调服务提前理念， 作用是在高度竞争的市场情况下为客户提供差异化的“主动”服务，改变传统 “被动”服务的运作模式，使企业的有限资源发挥最大作用。 服务挖掘的机理是：( 1 ) 依据产品的物理特性、服务指南和所属行业规则， 从纯物理上演化出该类产品所有可能的元服务项目，构成元服务项目集 ( m e t a - s e r v i c es e t ，m s s ) ：( 2 ) 依据所采集的客户服务属性数据和客户本体属性 数据，从“质 的层面上对客户使用行为进行统计分析，筛选出客户群在使用 该产品过程中体现出来的共同行为偏好，通过构建客户群共性特征子模型，进 3 武汉理工大学硕七学位论文 而确定客户群共性特征因子( c o m m o nc h a r a c t e r i s t i cf a c t o r ，c c f ) ：( 3 ) 从“量 的层面上对个体客户使用行为进行分析，比较和测量个体行为特征与客户群共 性特征的偏差，结合历史服务数据，挖掘出个体客户行为特征对每项服务所产 生的个体影响因子( i n d i v i d u a li m p a c tf a c t o r ，i i f ) ；( 4 ) 探求客户群的共性特征因 子( c c f ) 与元服务项目集( m s s ) 之间的关联规则，演化出符合各个客户群共 性特征的亚元服务项目集( m s s ) ；( 5 ) 将个体影响因子( i i f ) 与亚元服务项目集 ( m s s ) 归纳入库，通过精益服务匹配分析，最终制定出一对一的精益服务方 案，l s p = f ( m s s c e f , i i f ) 。 1 2 3 客户关系管理 根据文献【7 8 ，9 】：客户关系管理起源于2 0 世纪8 0 年代初提出的“接触管理” ( c o n t a c tm a n a g e m e n t ) ，即专门收集整理客户与企业联系的所有信息。2 0 世纪 9 0 年代，g a r t n e rg r o u p 正式提出了客户关系管理的概念( c u s t o m e rr e l a t i o n s h i p m a n a g e m e n t ，c r m ) ，加速了c r m 的产生和发展。2 0 世纪9 0 年代末，随着电 子商务的兴起，c r m 向e b r m e c r m 方向发展。经过二十多年的发展，c r m 开 始趋向成熟，最终形成为一套先进的完整的管理理论体系及技术手段。c r m 通 过将人力资源、业务流程与专业技术进行有效的整合，最终为企业提供涉及到 客户或消费者的全领域的完美集成，使得企业可以更低成本、更高效率地满足 客户的需求，并与客户建立起基于学习型关系基础上的一对一营销模式，从而 让企业可以最大程度的提高客户满意度及忠诚度，保留现有的客户，挽回失去 的客户，不断发展新的客户，发掘并牢牢地把握住能给企业带来最大价值的客 户群。 依据企业价值链理论，决定企业价值生成的整条价值链上每一个环节都会 对企业价值产生影响，因此，在客户关系管理中广义上的客户内涵包括了价值 链上企业产品或服务的所有下游环节，它是企业内部客户( 即企业员工) 与外 部客户( 分销商、零售商和最终消费者) 的集合。而结合本文的研究内容，本 文只采用了狭义的客户内涵，即仅指企业的最终消费者。 c r m 的核心管理思想主要包括以下两方面： ( 1 ) 客户是企业的一项重要资产。c r m 的前提基础是客户成为企业的战略资 产，实质就是对客户资产的增值管理，即通过从评估和分析现有客户价值到综 合调配企业各项资源实现客户资产增值，再到对变化后的客户价值进行评估和 4 武汉理工大学硕士学位论文 分析的动态循环过程。 ( 2 ) 对客户的价值评判贯穿在对客户识别、保留和发展的动态管理过程中。 客户关系管理的核心是价值创造，对长期价值的关注是客户关系管理的重要特 点。客户关系管理并不是对所有客户不加区别地对待，而是不断为价值客户提 供优厚的价值服务，以使从价值客户得到卓越回报的一种有选择性的价值交换 战略。客户关系管理的目标是，最长时问地留住拥有最高生命周期价值的客户， 从而增加整体的客户价值，最终实现企业价值的最大化。 1 2 4 客户流失预测 根据文献【1 0 , i i , 1 2 ：客户流失是指客户因为某些原因终止购买该企业的产品或 服务的行为。根据客户流失的方式和内容不同，一般可以将其划分为三种情况： 第一种情况是客户从本企业完全转到同行业的竞争对手；第二种情况是客户平 均消费量降低，从高价值客户转变为低价值客户；第三种情况是客户转向于购 买和使用本企业的其他品牌或同一品牌的其他档次产品或服务，从高价值品牌 转向低价值品牌。其中第一种情况属于完全流失，后两种情况属于部分流失。 客户流失管理的概念起源于全面质量管理运动，客户流失管理是一种在客 户流失之前就主动地努力挽留客户的系统化过程。客户流失管理的主要工作是 根据所跟踪的客户流失原因，连续地改进服务提交系统，从而减少进一步的客 户流失。 通过对国内外客户流失预测方法的研究发现，目前主要把客户流失预测看 作为分类问题。也就是，根据已知所属类别的若干个客户的n 个特征指标，去 判别一个未知类别的客户属于两个( 或多个) 不同类别中的哪一类别。根据智能化 程度的高低，其研究的方法可分为传统分类方法和人工智能分类方法。 根据文献 1 3 , 1 4 , 1 5 , 1 订，传统分类方法包括：决策树、l o g i s t i c 回归、贝叶斯分 类器和聚类等。该类方法的主要特点是可以对定类和连续性的客户数据进行处 理，且对于所构建的模型有较强的可解释性。c h i h - p i n gw e i 等在假设数据类别 是对称的前提下，以客户合同信息和客户通话行为信息为历史数据，利用决策 树c 4 5 来预测客户流失，得到了较高的提升率( 1 i r ) 。r o s s e t 等在引入客户价值 的基础上，利用l o g i s t i c 回归建立客户流失预测模型，发现其模型提升率得到较 大的改善。a u 等利用r o c 曲线方法来评估决策树客户流失预测模型，取得了 较好的效果。朱世武等利用c h a i d 决策树算法，对移动电话号码和电话类型进 5 武汉理工大学硕士学位论文 行了分析，发现客户性别、年龄、籍贯及职业四个人口统计变量在不同的流失 类别上有显著影响，为建立预测模型提供了参考。盛昭瀚、徐远纯和柳炳祥对 客户流失分别采用基于加权嫡的i d 3 决策数算法和粗糙集方法进行分析，为电 信业客户流失预测提供了新的研究思路和分析方法n a t h 、叶进、田辽等采用贝 叶斯分类器计算出了未来两个月内客户流失的概率。y a n gy i m i n g 等利用序列聚 类方法，对仿真客户流失进行了非监督分类。 根据文献 1 7 , 1 8 , 1 9 瑚】，人工智能分类方法包括：人工神经网络、自组织映射和 进化学习算法等。y a n l i a n 等为了使预测模型反映客户行为的不稳定性，从多个 时间窗口提取数据，并引入人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a 卜沦i ) 建 立预测模型，获得了较高提升率。u l t s o h 利用非监督学习方法s e l fo r g a n i z i n g m a p s 对客户进行流失分类，取得了较高预测命中率和覆盖率。a u 等认为流失预 测模型不仅要预测客户将流失或不流失，对于预测客户流失的可能性同样重要， 因此采用进化学习( e v o l u t i o n a r yl e a n i n g ，e l ) 算法对客户流失进行了预测，与 决策树c 4 5 、s c s 和g a b l 进行比较，发现e l 算法能得到更好的预测精度。 h w a n g 等考虑利用客户的过去利润贡献来表达客户价值，通过韩国一家无线电 话公司的客户流失预测研究发现，与决策树c 5 0 、l o g i s t i c 回归相比，a n n 的 预测具有更高的综合性能。姚敏等通过采用多准则a n n 来对客户数据进行属性 约减，并通过决策树来预测流失客户，发现结合多准则神经网络属性约简的分 类回归树比未结合多准则神经网络的分类回归树具有更高的命中率和覆盖率。 鉴于以上客户流失预测模型主要是基于数据挖掘等定量化方法对客户流失 进行预测，缺乏考虑“人组织 本身的不确定性因素，没有解释客户( 特别是 企业级客户) 为什么和如何经历流失的连续过程，缺乏反映客户流失演化过程 的能力，也缺乏对模型在主动服务理念和在应用人工智能技术实现预测过程方 面的考虑，这在一定程度上影响了预测模型在企业客户流失管理方面的应用。 本文将致力于弥补这方面的不足，做一定的探讨。 1 3 本文工作 1 3 1 研究内容及创新 本文提出并设计一个基于a g e n t 的面向主动服务的客户流失预测模型，并从 运行机理分析、相关算法改进、模型设计、建模求解、实验仿真等方面对该客 6 武汉理工大学硕士学位论文 户流失预测模型进行详细分析和设计，争取能够为企业客户流失管理提供决策 支持，和对面向主动服务的客户流失管理的发展做出积极作用。 论文研究内容主要分为以下几个方面： ( 1 ) 阐述客户流失管理、服务挖掘、客户关系管理、a g e n t 技术和移动a g e n t 技术的定义和特点； ( 2 ) 分析并归纳影响客户流失的因素，以及因素间的作用关系； ( 3 ) 对传统定性模拟算法和遗传算法进行分析的基础上，设计改进的q s i m 算法和改进的遗传算法； ( 4 ) 面向主动服务的客户流失预测a g e n t 与自适应修正a g e n t 的算法设计和 模型构建，该部分内容是本文的核心； ( 5 ) 开发面向主动服务的客户流失预测模型的原型系统，并通过实验仿真使 其具有实践指导意义。 论文的主要创新点是： 本文提出了改进q s i m 算法和改进遗传算法，并将其与主动服务理念和人 工智能技术相结合，用于设计面向主动服务的客户流失预测模型的核心构件 客户流失预测a g e n t 和自适应修正a g e n t ，并在此基础上开发了该模型的原 型系统进行实验仿真分析，检验了模型的有效性，使其具有实践指导意义，用 于解释、预测和修正企业客户流失的演化过程，为制造业企业的客户流失管理 提供决策支持。 一j 1 3 2 论文结构 本论文分为六章t 第l 章：本章主要对本文选题背景、研究意义、国内外研究现状以及本文 主要工作进行了综述。 第2 章：本章主要对面向主动服务的客户流失预测模型的机理进行分析， 为后续研究提供理论支撑。具体内容包括：设计了面向主动服务的多a g e n t 客户 流失模型，并对该多a g e n t 模型的框架、构成要素和要素分工进行了界定和阐述； 从环境、企业和客户三大层面分析了影响客户流失的因素体系；结合生物遗传 学的原理分析了遗传算法的自适应机理，为自适应修正a g e n t 的设计做好准备； 对标准遗传算法的构成要素和形式化定义进行阐述，并对标准遗传算法的优越 性和不足进行了深入分析。 7 武汉理工大学硕士学位论文 第3 章：本章主要研究面向主动服务的客户流失预测a g e n t 的模型设计，它 是本文三个核心章节之一。通过对k u i p e r s 的定性模拟理论的分析，以及对预 测模型的变量、定性模拟规则和算法流程的设计，设计出了本文的核心构件客 户流失预测a g e n t 。 第4 章：本章主要研究面向主动服务的自适应修正a g e n t 的模型设计，它也 是本文三个核心章节之一。在对标准遗传算法的分析的基础上，通过对修正 a g e n t 的求解模型的设计、改进遗传算法的设计和算法流程的设计，设计出了本 文的另一个核心构件自适应修正a g e n t ，实现对客户流失预测a g e n t 运行结果的 自适应修正，达到消除客户流失预测a g e n t 系统误差的目的。 第5 章：本章主要研究面向主动服务的客户流失预测模型的实验仿真，它 也是本文三个核心章节之一。具体内容包括：首先对面向主动服务的客户流失 预测模型的实验仿真运行环境进行介绍，进而对客户流失预测a g e n t 和自适应修 正a g e n t 进行实验仿真，并且对实验仿真的结果进行深入分析，检验了客户流失 预测模型的有效性和实用性。 第6 章：本章主要是对面向主动服务的客户流失预测模型进行概括性说明， 并对这个领域的研究进行展望。 8 亟堡里王盔堂堡堂焦堡塞 第2 章面向主动服务的客户流失预测模型的机理分 析 21 面向主动服务的多a g e n t 客户流失模型 a g e n t 是一个强有力的复杂软件的想象和结构的抽象概念口”，它不需要外界 的帮助就能根据事先所设定的意图和目杯独立地完成一项明确的工作，并且具 有很强的交流性，可以与其他的a g e n t 、用户或其他程序进行交流。因此，多 a g e n t 系统运用于企业( 尤其是大型制造企业) 的客户流失管理，将有利于降低 分靠式环境下的企业客户流失管理的整体成本；有利于企业及时地为客户提供 差异化的“主动”服务，改变传统“被动”服务的运作模式；有利于企业对有 限的资源进行优化配置，发挥资源的最大被用。而向主动服务的多a g e n t 客户流 失模型的结构如图2 - 1 所示。 l a ni n t e r n e t 囝 客户流* 顶酒a p n i ，国 修正a g e n t 。7 7 。 。 、7 。 n $ im $ * mn 镕* * o ( n 4 “# i ) ( # * m 船en l m ) ( h g ，乳z 删m + 1 ) ( 分& * f 槲) 图2 - l 面向主动服务的多a g e n t 客户流失模型结构 面向主动服务的客户流失预测模型的多a g e n t 系统中包括三大类a g e n t ，即 分级管理a g e n t 、客户流失预测a g e n t 和自适应修萨a g e n t ，三大类a g e n t 相互 武汉理工大学硕士学位论文 之间信息的交流及时而充分，能对企业内外部的各种可见变化的信息做出迅速 采集、处理和反馈。同一企业的各级分销商和办事处都有一个对应的分级管理 a g e n t ，它在该面向主动服务的多a g e n t 客户流失模型中扮演着联络员的角色， 其主要功能一方面是收集对应主体单位的各种有效信息，包括客户满意度、实 际客户流失率、员工满意度、营销策略、产品或服务的质量情况等一系列与客 户流失相关的历史数据，并将这些数据通过l a n 或i n t e m e t 传输给企业的信息 处理中心；另一方面是接收信息处理中心反馈的客户流失预测结果，以便于各 个主体单位为相应的客户制定差异化的主动服务方案。 信息处理中心将各分级管理a g e n t 收集的信息汇总后，传输给客户流失预测 a g e n t 和自适应修正a g e n t 。客户流失预测a g e n t 的主要功能是通过利用改进的 q s i m 算法进行运算，处理输入的各种数据，预测出企业各种类型客户的总体流 失可能性、各个阶段的流失可能性和企业各种相关决策对客户流失的影响程度， 并将运算的结果发送给相应的分级管理a g e n t 和自适应修正a g e n t ，最后根据各 分级管理a g e n t 反馈的数据对客户流失预测a g e n t 进行有效性的检验和对核心算 法进行完善。 自适应修正a g e n t 的主要功能是在客户流失预测a g e n t 的运行结果的基础 上，根据企业各种类型客户的实际流失率和有效终生价值，利用改进的遗传算 法进行运算，自适应地处理输入的各种数据，实现企业总体客户有效终生价值 最大化和实现客户流失预测a g e n t 总体预测效果的最优化目的。自适应修正 a g e n t 的修正结果也将发送给各分级管理a g e n t ，最后也将根据各分级管理a g e n t 反馈的数据对自适应修正a g e n t 进行有效性的检验和对核心算法进行完善。 2 2 客户流失的影晌因素分析 根据美国著名的管理学家f r e d e r i cr e i c h h e l d 的研究成果表明，随着企业与 客户保持商业关系时间的延长，企业从客户身上获取的利润额不断增大。因此， 加强与客户的关系，分析客户流失的原因，并针对原因实施有效的管理策略对 企业至关重要。根据相关研究显示，导致企业客户流失的最关键因素往往是客 户需求不能得到切实有效地满足，表现为客户的满意程度低。本文综合有关方 面的研究阱 2 3 ，2 4 2 5 舶, 2 7 1 ，总结出了导致客户需求不能得到切实有效地满足的三类 影响因素及其相互间的作用关系，其中三类影响因素分别是环境因素、企业因 素和客户因素。 l o 武汉理工大学硕士学位论文 ( 1 ) 根据企业与客户所处的环境对客户流失的影响，分别从政治、经济、文 化和社会四个方面，将环境因素再分为法规政策、宏观经济、道德文化和社会 因素等四个次级因素。 ( 2 ) 根据企业的经营活动对客户流失的影响，将企业因素分为：全面质量 管理力度：提供高质量的产品和服务，是创造价值和达成客户满意的前提。只 有为客户提供高质量的产品和服务，企业才有可能建立持久真诚的客户关系， 而实施全面质量管理，有效控制影响质量的各个环节、各个因素，是创造优质 产品和服务的关键。营销策略：通过营销网络、品牌认知度和合理的优惠政 策等营销策略，减少客户购买商品的时间、体力和精力的消耗。客户关系管 理力度：通过增强客户联系、正确处理客户的建议和投诉、建立强力督办系统 等客户关系管理手段，提升客户的受重视程度，增强与客户的情感交流，为客 户创造更多的经营价值。内部客户关系管理力度：j a m e sl h e s k e t t 在关于服务 利润链的模型中，认识到企业提供给客户的服务质量是关于负责提供服务的员 工的满意度的函数，但这个决定作用具有一定的滞后性。特例，因员工离职而 带来的客户流失。企业重大变革：如企业产品结构的重大调整。 ( 3 ) 客户是否愿意与企业建立关系，很大程度上取决于客户的满意程度。 p h i l i pk o t l e r 认为，客户满意是指一个人通过对一个产品的可感知效果( 或结果) 与他的期望值相比较后，所形成的愉悦或失望的感觉状态。客户满意度是客户 在历次购买活动中逐渐积累起来的连续状态，是一种经过长期沉淀而形成的情 感诉求。也就是客户在商品或服务的消费过程中，商品或服务对客户消费期望 的满足程度。因而，可以将客户因素分为客户期望和感知效果两大部分。 而客户感知效果在很大程度是由客户的需求决定的，因此，本文根据 a b r a h a mhm a s l o w 的需求层次理论构造客户感知效果模型，m a s l o w 假定人会逐 步地更多地产生更高层次的需求，从基本的生理需求开始，经过安全、社交、 自尊到自我实现，在这些阶段上个体达到了对自己的生活的完全满意。客户感 知效果模型将一个企业提供给客户的产品和服务转化为相应的五个层次的感知 效果：货币价值：企业所提供的基本的产品和服务的质量情况；非货币价 值：企业所提供的外围的支持性的服务的价值，体现为客户购买商品所付出的 时间、体力和精力；承诺实现度：企业向客户承诺的服务的实现情况；公 平