1、CRM是英文Customer Relationship Management的縮寫，中文譯為“客戶關(guān)系管理”，從本質(zhì)上看，CRM是利用信息技術(shù)來實現(xiàn)關(guān)系營銷戰(zhàn)略?？蛻敉炝羰荂RM的重要內(nèi)容，通過對客戶進行離網(wǎng)預測進而實現(xiàn)客戶挽留是電信業(yè)CRM的重要功能。 盡管國內(nèi)外電信業(yè)都是CRM應用最廣泛的行業(yè)，但由于國內(nèi)電信業(yè)CRM的建設缺乏從整個企業(yè)的戰(zhàn)略高度來進行統(tǒng)籌規(guī)劃，沒有使運營商實現(xiàn)自身經(jīng)營模式及戰(zhàn)略的根本轉(zhuǎn)變。同時，國內(nèi)電信業(yè)C

2、RM對客戶離網(wǎng)流失控制的關(guān)注非常有限，普遍采用決策樹建模預測客戶離網(wǎng)的準確率不是很理想，現(xiàn)有客戶流失管理工作未形成自動化，存在手工操作、數(shù)據(jù)準確性差、效率低等諸多問題。 人工神經(jīng)網(wǎng)絡(Artificial Neural Networks，NN)系統(tǒng)從20世紀40年代末誕生以來，在短短半個多世紀里，由于它具有信息的分布存儲、并行處理以及自學能力等優(yōu)點，已經(jīng)在信息處理、模式識別、智能控制及系統(tǒng)建模等領(lǐng)域越來越廣泛地應用。尤其是基于誤

3、差反向傳播(Error Back Propagation)算法的多層前饋網(wǎng)絡(Mulfiple．Layer Feedforward Network)(簡稱BP網(wǎng)絡)，以任意精度逼近任意的連續(xù)函數(shù)而廣泛應用于非線性建模、函數(shù)逼近、模式分類等方面。電信業(yè)客戶離網(wǎng)行為預測可看作一個模式分類問題，從神經(jīng)網(wǎng)絡的應用范疇來看，應用BP神經(jīng)網(wǎng)絡來進行客戶離網(wǎng)預測應是合理的，但在國內(nèi)外相關(guān)文獻上未見有關(guān)BP神經(jīng)網(wǎng)絡運用于電信業(yè)客戶離網(wǎng)的論述。

4、本文對CRM基礎理論、eTOM模型以及國內(nèi)運營商支撐系統(tǒng)的現(xiàn)狀進行了研究，創(chuàng)新性地提出了中國電信業(yè)CRM體系框架，為電信運營商的CRM規(guī)劃和建設提供了一個可供參考的藍本。在此框架的基礎上自行設計了客戶挽留閉環(huán)流程。 本文在研究BP神經(jīng)網(wǎng)絡理論的基礎上，將人工神經(jīng)網(wǎng)絡技術(shù)應用于電信業(yè)客戶離網(wǎng)預測，結(jié)合電信業(yè)客戶的消費特征，提取了可能影響客戶離網(wǎng)的諸多因素，構(gòu)建了電信業(yè)客戶離網(wǎng)預測的BP神經(jīng)網(wǎng)絡模型。并從神經(jīng)網(wǎng)絡結(jié)構(gòu)設計、學習算法、

5、訓練方式等的選擇對BP神經(jīng)網(wǎng)絡應用于客戶離網(wǎng)預測可能出現(xiàn)的局部極小、過擬合、收斂速度慢等問題進行了嘗試。 仿真結(jié)果表明，本文研究選定的120-30-2的神經(jīng)網(wǎng)絡結(jié)構(gòu)、改進的BP算法、引入驗證樣本及時停止訓練的方式，使得模型的離網(wǎng)預測準確率達到90％，并具有較快的收斂速度，有效地避免了局部極小和過擬合現(xiàn)象發(fā)生，本文設計的客戶離網(wǎng)預測BP神經(jīng)網(wǎng)絡模型有很高的準確性和很強的泛化能力，適于應用推廣。 最后，在取得的仿真研究成果基