A Big Data Clustering Algorithm for Mitigating the Risk of Customer Churn
A Big Data Clustering Algorithm for Mitigating the Risk of Customer Churn
复制标题
用于降低客户流失风险的大数据聚类算法
DOI：
10.1109/tii.2016.2547584
复制
发表时间：
2016-03
影响因子：
12.3
通讯作者：
Guo Li
中科院分区：
文献类型：
--
作者：
Wenjie Bi;Meili Cai;Mengqi Liu;Guo Li
随着市场竞争的加剧，客户流失管理日益成为企业获取竞争优势的重要手段。然而，在处理行业大数据时，现有的流失预测模型不能很好地工作。此外，决策者总是面临不精确的运营管理。针对这些困难，提出了一种新的聚类算法语义驱动的减法聚类方法（SDSCM）。实验结果表明，SDSCM比减法聚类法（SCM）和模糊C均值（FCM）具有更强的聚类语义强度。然后，通过Hadoop MapReduce框架实现了一个并行SDSCM算法。在实例研究中，所提出的并行SDSCM算法享有快速的运行速度时，与其他方法相比。根据聚类结果提出了相应的营销策略，并模拟了一个简化的营销活动，以保证利润最大化。
As market competition intensifies, customer churn management is increasingly becoming an important means of competitive advantage for companies. However, when dealing with big data in the industry, existing churn prediction models cannot work very well. In addition, decision makers are always faced with imprecise operations management. In response to these difficulties, a new clustering algorithm called semantic-driven subtractive clustering method (SDSCM) is proposed. Experimental results indicate that SDSCM has stronger clustering semantic strength than subtractive clustering method (SCM) and fuzzy c-means (FCM). Then, a parallel SDSCM algorithm is implemented through a Hadoop MapReduce framework. In the case study, the proposed parallel SDSCM algorithm enjoys a fast running speed when compared with the other methods. Furthermore, we provide some marketing strategies in accordance with the clustering results and a simplified marketing activity is simulated to ensure profit maximization.
登录
查看更多内容
DOI：
--
发表时间：
2008
期刊：
--
影响因子：
--
作者：
Irina Kļevecka;J. Lelis
通讯作者：
Irina Kļevecka;J. Lelis
影响因子：
2.5
作者：
Christos Boutsidis;M. Magdon-Ismail
通讯作者：
Christos Boutsidis;M. Magdon-Ismail
影响因子：
14.3
作者：
A. Garcia-Piquer;A. Fornells;J. Bacardit;A. Orriols-Puig;E. Golobardes
通讯作者：
A. Garcia-Piquer;A. Fornells;J. Bacardit;A. Orriols-Puig;E. Golobardes
通过大数据支持的客户流失分析提高电信服务质量：基础设施、模型和部署
DOI：
10.1007/s11390-015-1594-2
发表时间：
2015-11
期刊：
Journal of Computer Science and Technology (JCST)30
影响因子：
--
作者：
Yihao Ke;Wenjie Liu;Yuanhuan Zheng;Xiaola Lin
通讯作者：
Xiaola Lin
DOI：
10.1016/j.eswa.2011.08.024
发表时间：
2012
期刊：
Expert Syst. Appl.
影响因子：
--
作者：
B. Huang;Mohand Tahar Kechadi;Brian Buckley
通讯作者：
B. Huang;Mohand Tahar Kechadi;Brian Buckley