[发明专利]基于分类和聚类结合的宽带用户维挽的实现方法

说明书

本发明公开了一种基于分类算法和聚类思想结合的宽带离网用户维挽的实现方法，包括步骤：S1：采集用户宽带数据，用于后续判断用户是否会离网；S2：对步骤S1中采集的用户宽带数据进行数据清洗，将用户宽带数据转换成统一的格式后进行分类，筛选出样本数据；S3：对步骤S2中的样本数据进行降维处理，并根据特征重要性筛选数据，再采用重采样筛选数据获得数据集；S4：确定算法模型的评判标准选择算法模型；S5：根据数据集训练模型；S6：采用训练获得的模型拟合新数据并输出结果；S7：对结果进行分析并判断用户是否会离网。该方法实现提前、精准的预测离网的客户，并通过分析离网原理，做出针对性的挽留方案，降低客户的离网率。

技术领域

本发明涉及分类算法技术领域，具体涉及一种基于分类算法和聚类思想结合的宽带离网用户维挽的实现方法，主要涉及到决策树分类模型与聚类算法思想，基于聚类思想的提升分类算法精度的方法。

背景技术

近些年来，各大运营商为了能吸引更多的用户，推出各种手机流量套餐和宽带套餐。随着国家出台携号转网的政策后。降低客户的流失成了各个运营商的重点。最容易引起客户离网的是客户的投诉。如何降低客户的投诉，降低客户的流失成了各个运营商的重中只重。

大多数用户的离网，都发生在投诉问题之后。在手机端产生的问题，引发的投诉，往往可以及时有效的解决。大部分的投诉问题都是在运营商一侧可以解决，如有关更换套餐的问题，业务退订的问题。在接到投诉工单时，可以在较短的时间能够处理完成。而基于宽带的投诉则需要较长的时间，宽带的投诉，多数原因是用户无法正常使用网络，用户很难正确的描述出哪方面的原因导致的宽带异常，且运营商也无法指引用户如何排查故障，对于这种情况，通常需要工程师到用户的家中现场排查检测设备。在指定相应的方案。整个过程非常耗时，给客户带来非常不好的体验，严重时就会引起客户的离网。

因此，如何及时的发现宽带异常的行为，在客户未投诉之前及时的解决客户的宽带问题，提高客户对服务的满意度，减少客户的投诉率，降低客户离网的风险，成为需要重点解决的难题。

发明内容

本发明主要解决的问题是提供一种基于分类算法和聚类思想结合的宽带离网用户维挽的实现方法，实现提前、精准的预测离网的客户，分析离网原理，便于针对性的提出挽留方案，降低客户的离网率。

为了解决上述技术问题，本发明采用的技术方案是：该基于分类算法和聚类思想结合的宽带离网用户维挽的实现方法，具体包括以下步骤：

S1：采集用户宽带数据，用于后续判断用户是否会离网；

S2：对步骤S1中采集的用户宽带数据进行数据清洗，将所述用户宽带数据转换成统一的格式后进行分类并进行可视化，筛选出样本数据；

S3：对步骤S2中的样本数据进行降维处理，并根据特征重要性筛选数据，获得每个输入特征的平均重要性分数，再采用重采样筛选数据获得数据集；

S4：确定算法模型的评判标准，选择算法模型；

S5：根据数据集训练模型；

S6：采用步骤S5中训练获得的模型拟合新数据并输出结果；

S7：对结果进行分析并判断用户是否会离网。

采用上述技术方案，通过带数据采集、数据清洗、特征工程、算法拟合、预测分析等实现提前、精准的预测离网的客户，并通过分析离网原理，做出针对性的挽留方案，降低客户的离网率。