BP神经网络电信行业客户流失风险预测研究王素娟摘要：随着移动互联网的蓬勃发展，电信服务企业处于日趋激烈的竞争漩涡中，对于电信企业来说，客户的多少决定着企业的自身竞争力与效益，精准预测客户流失风险对企业的战略决策来说至关重要。因此，本文结合电信行业的背景，利用BP神经网络的机器学习理论，融合CRM系统中的数据，建立了电信行业客户风险预测模型，并通过Matlab实验平台验证模型预测的可行性、准确性与有效性。关键词：BP神经网络;电信行业;风险预测;客户流失：F416文献标识码：A：1005-913X（2020）10-0050-03近些年来，我国的互联网产业进入了高速发展的轨道，各种互联网产品和移动终端相继出现，其中移动互联网行业更是连续几年保持飞速增长，这种飞速增长的态势相应地也加快了我国电信行业的发展。根据有关数据表明，我国的移动互联网产业产值已跃居全球第一，移动智能手机产量位居世界第一，4G用户也在保持持续增长。截至2019年，中国电信拥有3.258亿4G用户，中国联通拥有3.2462亿用户，中国移动用户数高达9.38641亿，占全国用户60.16%。电信行业面临着日益严峻的竞争压力，激烈的竞争也就迫使各电信企业采取措施发展新客户和留住老客户，以此提高自身在行业的竞争力，而从运营成本来说，挽留老客户的成本相对较少。因此，如何精确的预测客户流失的风险，对运营商的决策起着举足轻重的作用。行业客户流失风险的预测是当前学术界研究的热点，从研究对象和研究方法上来看，相关研究可分为两类：第一类大多从客户层面出发，利用数据挖掘技术，结合决策树、支持向量机等分类算法深入研究客户性质和消费行为，构建客户流失的风险预测模型。例如AhmadAK[5]利用SyriaTel电信公司的大量原始数据，结合XGBOOST算法构建电信公司的客户流失风险预测模型，并应用于客户流失的分类。第二类从客户关系管理角度出发结合其他的算法例如逻辑回归、灰色预测等对客户流失行为预测并采取挽救措施。例如，VijayaJ[6]结合粗糙集理论本提出了一种识别电信客户流失预测有效特征的方法。这些研究为电信行业决策者理解客户流失风险预测提供了很好的视角，但也存在一些不足：一是，大多学者的研究对象在客户层面，研究领域主要集中在金融行业、电子商务、银行业务领域，缺乏电信行业的针对性的客户流失风险预测;二是，从大量学者的研究反馈中得出，众多研究者的研究仿真精准度不高，须要对模型展开改进与完备。本文认为要克服上述的第一个问题就必须充分结合我国电信行业的客户关系管理的相关理念，从企业的客户管理角度构建评价指标体系，克服第二个问题应挖掘相关电信企业的数据，借助于BP神经网络算法，构建电信行业客户风险预测模型，并通过MATLAB仿真实验验证模型的科学性、精确性。一、电信行业客户流失风险预测指标体系的构建在电信行业中，影响着客户的流失存在诸多的原因，可能是客户自身原因，也有可能是运营商的原因。对于运营商来说，影响客户流失主要有套餐资费优惠程度、工作人员服务态度等，而对于客户本身来说，则影响原因更为复杂，有可能是工作人员的服务质量问题，也有可能是客户自身的原因。构建合理、高效又完善的客户流失風险预测指标体系对提高风险预测的准确性极其重要。综合考虑了国内外关于电信行业客户流失风险预测的相关资料，用频数统计分析挑选出4个一级指标，财务、客户、运营商和服务，16个二级指标。其中财务方面包括销售收入X1、欠费率X2、利润率X3、业务价格X4、合同签约率X5，客户方面包括客户满意度X6、新客户增长率X7、投诉率X8、忠诚度X9、合约到期时间X10;运营商方面包括技术开发费X11、市场开拓力X12、营销人员态度X13;服务方面包括网络功能实现度X14、业务多样性X15、服务人员流动率X16。经过分析众多专家学者的观念并结合数据的特征，去除了代表性差、随机性大、实用性低的指标，以确保各指标的科学性与独立性，使得指标体系更加科学与完善。二、神经网络相关理论（一）BP神经网络概述BP（backpropagation）神经网络，是一种应用广泛、误差方向传播的多层前馈神经网络，可以对输入的数据进行学习，并输出相应的结果，其优势在于不需要去建立数学...