客户数据特征与客户流失管理研究

客户流失预测是客户细分中的关键处理过程，其预测水平是衡量客户保持策略有效性和客户关系管理智能化程度的重要标志。如何建立精度高、解释强的客户流失预测模式，是客户流失管理领域，特别是网络客户流失管理领域亟待解决的关键性问题。希望能促进客户流失管理新理论在行业中的应用与提高。
本书适合高等院校高年级学生、研究生、教师和相关科研人员及相关领域的实际工作者使用。对于有关领域的具有高等数学知识的实际工作者，略去书中的某些理论部分，仍能对客户流失管理的本质有一个概括的理解，从而用它解决的问题。

夏国恩（1977-），男，四川内江人，广西财经学院工商管理学院教授、管理学博士、博士后。研究方向：客户关系管理、商务智能。在系统工程理论与实践、营销科学学报、金融研究、管理科学、管理学报等管理学权威期刊上发表学术论文70多篇。主持国家自然科学基金项目、*科学技术重点项目等省部级课题12项。获广西青年科技奖；广西高等学校创新团队及卓越学者计划。

第1章绪论

    1．1  研究背景和意义

    1．2  国内外研究现状

    1．3  相关的理论和技术

    1．4本书研究的内容和方法

    1．5本书结构安排

第2章客户流失预测模型新结构

    2．1  基于数据特征的客户流失预测模型结构

    2．2  基于特征分析的客户流失预警系统结构

第3章客户流失数据特征分析

    3．1  基于满意控制的客户流失两类错误研究

    3．2  基于不平衡数据集的客户流失预测研究

    3．3  支持向量机在客户流失预测中的解释性

第4章网络客户流失预测

    4．1  网络客户流失研究概述

    4．2  基于客户价值的网络客户流失预测

    4．3  融入客户评论情感的网络客户流失预测

    4．4  网络客户流失预测未来研究讨论

第5章集成理论与客户流失预测

    5．1  基于选择性集成的客户流失预测研究

    5．2  基于粗糙集理论一神经网络一蜂群算法集成的客户流失研究

    5．3  基于多分类器动态选择与成本敏感优化集成的客户流失预测研究

    5．4  基于集成学习的网购客户流失预测研究

第6章其他预测算法研究

    6．1  区域物流需求的组合预测模型研究

    6．2  基于属性约简的区域物流需求预测

    6．3  基于灰色神经网络集成的区域物流需求预测研究

    6．4  非规则弯曲形变的不变量表示

    6．5  遥感图像配准和异常检测方法

参考文献

后记