［林宁 张明一 陈德全 陈卓］

1 引言

在市场竞争日渐激烈的大环境下，国内运营商为提高产品创新性和业务多样性投入较多精力。但随着市场快速发展，加以近年来工信部出台《携号转网服务管理规定》的催化作用，用户离网即客户流失问题日益显著，引发运营商对运营模式的思考并提高制定客户挽留策略的重视程度[1]。

根据Verbeke 研究数据分析可知[8]，在电信行业中每当用户的离网率降低5%，相对应地，运营商平均利润将会增加25～85%。同时，对于新用户入网的投入成本将明显高于老用户的维系成本[2,8]。因此运营商当前最为关心的重点问题是减少离网用户，用户维持也成为了目前较为热门的研究方向[9][10]。随着大数据信息技术的发展，算法的创新以及科学工具的普及，以大数据为驱动力的数据挖掘技术能够通过分析海量用户数据直达用户痛点。运营商可利用其所掌握海量用户数据，通过相关机器学习算法有效地挖掘出离网用户特征，并根据离网状况及时做出反应并制定挽留策略[3,10]。

众多研究学者对用户离网行为分析采取不同思路，分析方式也从早期的数据库联机分析处理（Online Analytical Processing，OLAP）分析，到大数据时代数据挖掘算法在用户离网预测中的应用。通过分析结果，对具有离网意向的客户制定并实施挽留策略，通过满足用户需求和提供福利等方法与企业客户维持良好关系，保持用户粘度[4]。目前的研究以传统的算法为主，逻辑回归、决策树、SVM 等方法，在众多分类算法中，决策树和SVM 是公认的具有较强泛化能力的算法，它们具有对数据质量要求不高、训练过程中关注错分样本和自带正则项防过拟合等优势[5,6]。……