基于铁路货运价值分类的客户流失预测研究

• 作者: 张斌 彭其渊
• 来源期刊: 铁道科学与工程学报
• 学科: 交通运输
• 关键词: 铁路运输 客户价值 客户流失 KFA模型 支持向量机
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 运输·物流·工程管理
• 页码范围: 1059-1066
• 页数: 8页
• 分类号: U294.1
• 字数: 6715字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-7029.2018.04.032

摘要

结合铁路货运行业的特征,获取其他货运市场数据,从客户发货情况、客户服务情况和运输市场情况3方面建立客户流失识别方法.根据铁路货运特征提出基于RFM的货运客户价值分类模型KFA和货运客户价值的计算方法.运用k-means聚类算法对货运客户进行分类,并利用支持向量机(SVM)建立各类货运客户的流失预测模型.制定评估标准来验证预测模型的预测效果.仿真结果显示,KFA客户分类模型具有较好的分类效果,按照不同客户分类建立支持向量机客户流失预测模型具有较强的预测能力,且对于不同观察窗口的数据分析结果差异性较小,说明模型具有较强的泛化能力,并且相比于全局预测,对于高价值客户更具有准确性,具有较高的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭其渊	西南交通大学交通运输与物流学院	258	3785	32.0	47.0
2	张斌	西南交通大学交通运输与物流学院	20	127	6.0	11.0