1. 研究目的与意义
在过去的几十年中，通信行业在全球范围内都保持着稳定高速发展的态势。经济全球化必不可少的要素就是信息技术与电信产业的发展。从上世纪90年代开始，我国就开始对电信业进行了一系列的改革，从未停止发展的脚步。1994年，中国联通的成立推动了双寡头竞争格局。1999年，中国移动从中国电信剥离。2001年，南北拆分中国电信打破固网单一垄断。2008年，我国将当时的6家基础电信企业重新拆分，整合重组成更为我们所熟知的三家电信企业——中国移动、中国联通和中国电信。这次改革是一次前所未有的大规模电信市场重组。重组之后，电信行业开始稳定发展。2011年全行业实现电信业务总量11772亿元，实现电信业务收入9880亿元，全国电话用户总数累计达到12.7亿户，互联网宽带接入用户达到1.56亿户。到2018年，电信业务总量达到65556亿元，全国电话用户总数达到17.5亿，移动电话用户普及率达到112.2部/百人。国际电信联盟的研究表明, 电信业对发达国家GDP增长的直接贡献度仅为6%到9%, 而间接贡献度却通常超过90%。电信运营业的发展能够带动通信设备制造业、网络业、计算机产业、电子元器件产业、软件业的发展。足以见得电信业的发展在信息产业中有不可替代的作用。
但随着市场不断扩展, 电信业也遇到了一定的困难。比如发展新用户越来越难, 而且发展新用户的平均成本和新用户带来的平均利润的比例在逐步升高。在发展新用户的收益率逐步下降的同时, 随着竞争的逐步激烈, 老用户的流失问题也日益严重，成为各企业运营过程中面临的主要问题。比如客户恶意离网的欠费行为，会增加企业的运营成本，造成严重的经济损失。因此，防止客户流失是通信行业提升企业核心竞争力的有效手段。面临经济社会发展的新形势，在5G时代来临的节点上，这个时代给电信业的发展提出了更高的要求。所以对客户流失的研究就显得尤为重要。
2. 研究内容和预期目标
本文研究重点和分析角度表现在三个方面：一是不仅仅研究全行业范围的客户流失情况，还将基于性别、地区、收入等基本信息对客户进行分类，对客户流失情况进行判断，并探索各变量与客户流失之间的关系；二是通过分析每一类顾客的流失情况，判断各类客户流失的原因；三是针对不同种类的客户提出防止其流失的建议。
本文分为五个部分：第一部分是引言；第二部分通过聚类分析将客户分类，并通过主成分分析法来得出对客户流失有影响的因素；第三部分分析不同分类的客户特点与各影响因素对不同客户群体的影响程度；第四部分得出结论；第五部分是本文的结论及建议。
3. 国内外研究现状
客户流失是指由于企业各种营销手段的实施而导致客户和企业中止合作的现象。这种现象对全球范围内的企业来说已经成为一个普遍存在的问题，引起了部分专家学者对客户流失的关注。
2009年2月，蒋国瑞、司学峰（2009）运用支持向量机的方法来预测了电信客户的流失，但传统的支持向量机方法没有考虑样本分布不平衡的问题，导致预测精度下降。基于此，邝涛、张倩（2011）建立了基于代价敏感学习的支持向量机模型，提高了预测精度，解决了数据集非平衡型的问题。此外，王观玉、郭勇（2011）运用主成分分析法对数据进行降维，再运用支持向量机进行预测，解决了这两种方法各自的缺陷，使模型具有更高的精确性、泛化性。
除了贝叶斯分类与支持向量机两种方法外，也有部分专家学者运用聚类的方法进行相关研究。王颖、陈治平（2010）将K -means 算法与传统的分类预测算法相结合的方法来进行客户流失分析, 并根据这种方法的基本思想及步骤建立了客户流失分类预测模型。同样，为了解决大数据集和不平衡数据，姜晓娟、郭一娜（2014）提出带有不同权重参数的改进聚类算法，并将其用于电信行业的客户流失预测模型中，提高了预测的精度。
4. 计划与进度安排
1．2022年11月1日：完成选题
2．2022年11月29日前：阅读大量资料并选取有用资料待用，积累最新信息，完成开题工作
3．2022年3月13日前：完成初稿
5. 参考文献
[1] 周支立,刘斌.基于客户信息的电信企业客户流失问题分析[J].情报杂志. 2003(12)
[2] 蒋国瑞,司学峰.基于代价敏感SVM的电信客户流失预测研究[J].计算机应用研究. 2009(02).
[3] 邝涛,张倩.改进支持向量机在电信客户流失预测的应用[J].计算机仿真. 2011(07).
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
