WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     || 2 |

На правах рукописи

Салмин Алексей Александрович ФОРМИРОВАНИЕ ОЦЕНКИ ЛОЯЛЬНОСТИ КЛИЕНТОВ ТЕЛЕКОММУНИКАЦИОННОЙ КОМПАНИИ НА ОСНОВЕ БАЙЕСОВСКОГО ПОДХОДА Специальность 05.13.13 Телекоммуникационные системы и компьютерные сети

АВТОРЕФЕРАТ

диссертации на соискание учёной степени кандидата технических наук

Самара, 2008

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Поволжская государственная академия телекоммуникаций и информатики» (ГОУВПО ПГАТИ) Научный руководитель – доктор технических наук, профессор Кораблин М.А.

Официальные оппоненты – доктор технических наук, профессор Прохоров С.А., кандидат технических наук, доцент Шаталов В.Г.

Ведущая организация – Институт проблем управления сложными системами РАН (ИПУСС РАН), г. Самара

Защита диссертации состоится « 20 » июня 2008 г. в 14.00 час.

на заседании диссертационного совета Д 219.003.02 при Поволжской государственной академии телекоммуникаций и информатики по адресу: 443010, г. Самара, ул. Л. Толстого, 23.

С диссертацией можно ознакомиться в библиотеке ГОУВПО ПГАТИ.

Автореферат разослан « 16 » мая 2008 г.

Учёный секретарь диссертационного совета Д 219.003.02, д.т.н., доцент Мишин Д.В.

2

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования Одним из основных недостатков современных систем обслуживания клиентов телекоммуникационных компаний заключается в том, что клиент фактически обезличивается, рассматривается как «лицевой счёт». Такой подход к клиенту может привести к образованию упущенной выгоды, которая связана с недоучётом потребностей и возможностей клиента. Во многих ситуациях размер этой упущенной выгоды весьма значителен, поэтому в условиях обостряющейся конкурентной борьбы за клиента на первый план выходит индивидуальный подход к обслуживанию, способный найти наиболее рациональный индивидуальный баланс интересов на рынке телекоммуникационных услуг.

Одной из основных проблем при этом становится проблема лояльности (loyalty) и оттока клиентов (churn prediction). В настоящее время существуют различные методики анализа клиентской базы данных телекоммуникационной компании с целью формирования оценки лояльности клиентов. Наиболее известными в этой области являются исследования таких зарубежных и отечественных авторов, как: Вернер Дж. Рейнартц, В. Кумар, И. Ансофф, Д. Аакер, Ф. Котлер, Д. Кревенс, Ж. Ламбен, А. Макаров и др. Большой вклад в развитие этого направления внесли работы Д. Пепперс, М. Роджерс, Ф.

Райчхелд, Р.Д. Блэкуелл, Пол У. Минард, Ф. Котлер, Д. Шет, Р.

Голдсмит, С. Браун; этой проблеме посвящены работы российских авторов А.В. Зозулева, Ю. Морозова, В. Дорошева, Г. Багиева и др.

Однако эти разработки не всегда позволяют учесть специфические особенности телекоммуникационных систем: организацию данных, биллинга, учёт индивидуальных свойств клиента и т.п.

Неполнота априорной информации о свойствах клиентов препятствует использованию существующих аналитических систем для интеллектуального анализа данных в телекоммуникационных системах.

В связи с этим, решение проблемы оценки лояльности клиентов с учётом полноты разнородной информации об индивидуальных качествах клиента представляется актуальным, тесно связанным с развитием общих концепций CRM-систем (Customer Relationship Management).

Объектом исследования являются алгоритмы обработки данных биллинговой системы телекоммуникационной компании.

Целью работы является построение моделей и алгоритмов анализа данных телекоммуникационной компании, формирующих количественные оценки лояльности клиентов по отношению к компаниям-операторам.

Для достижения поставленной цели требуется решить следующие задачи:

1. Выявить наиболее перспективные подходы и методы оценки лояльности клиентов телекоммуникационной компании.

2. Проанализировать концепции апостериорного анализа данных для эффективного прогнозирования взаимодействий с клиентами.

3. Разработать алгоритмы сегментированного анализа данных с учётом индивидуальных свойств клиентов и оценки взаимосвязей между сегментами и услугами.

4. Провести моделирование, основанное на предложенных алгоритмах и реальных данных компании-оператора, и сделать выводы о целесообразности использования разработанных моделей.

Методы исследования Основные теоретические и экспериментальные исследования диссертационной работы выполнены с применением методов теории вероятности, математической статистики, когнитивного моделирования, регрессионного анализа.

Научная новизна диссертационной работы заключается в следующем:

Предложены алгоритмы формирования оценок лояльности клиентов телекоммуникационной компании с использованием их индивидуальных личностных характеристик: алгоритм наполнения сегментов и алгоритм оценки взаимосвязей между сегментами.

Алгоритм наполнения сегментов основан на использовании формулы Байеса, которая определяет апостериорную вероятность принадлежности клиента к сегменту с учётом его индивидуальных характеристик. Алгоритм оценки взаимосвязей между сегментами позволяет выявить скрытые закономерности между объёмами телекоммуникационных услуг на основе регрессионно-когнитивного моделирования.

Достоверность результатов работы обеспечивается адекватным использованием методов теории вероятности, математической статистики. Достоверность положений и выводов работы подтверждается результатами моделирования.

Практическая ценность работы Использование разработанных алгоритмов позволяет повысить эффективность взаимодействия с клиентами и обеспечить достоверность оценок их лояльности и платёжеспособности.

Реализация результатов работы Разработанные в работе алгоритмы анализа приняты к использованию ОАО «ВолгаТелеком» (г. Самара), а также внедрены в учебный процесс Поволжской государственной академии телекоммуникаций и информатики (г. Самара).

Апробация работы Отдельные законченные этапы работы докладывались и обсуждались на Российских научных конференциях профессорскопреподавательского состава, научных сотрудников и аспирантов (Самара, 2006-2008); Международных научно-технических конференциях «Проблемы техники и технологии телекоммуникаций» (Самара, 2006; Уфа, 2007); 4-й международной научно-технической конференции «Информатизация процессов формирования открытых систем на основе САПР, АСНИ, СУБД и систем искусственного интеллекта: ИНФОС-2007» (Вологда, 2007); 6-й Всероссийской научнопрактической конференции «Компьютерные технологии в науке, практике и образовании» (Самара, 2007); 7-й Всероссийской научнотехнической конференции «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2007).

Публикации Основное содержание диссертации отражено в опубликованных работах. Публикации включают 4 статьи в научных изданиях, рекомендуемых ВАК для публикации научных работ, и материалов докладов на научно-технических конференциях.

На защиту выносятся - модель прогнозирования лояльности клиентов телекоммуникационной компании, основанная на использовании их индивидуальных свойств;

- алгоритмы выявления скрытых зависимостей (корреляций) между объемами услуг телекоммуникационной компании;

- рекуррентные алгоритмы пересчёта апостериорных вероятностей при сегментном анализе платёжных диапазонов.

Структура и объём работы Диссертационная работа состоит из введения, трёх глав, заключения и списка литературы. Основная часть работы содержит страниц машинописного текста, 39 рисунков, 9 таблиц. Список литературы содержит 51 наименование.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, приведён обзор работ по теме диссертации, сформулированы цель и основные задачи исследования, описан состав и структура работы, обоснована достоверность полученных результатов, определена научная новизна.

Глава 1 посвящена обзору методов анализа лояльности клиентов и принципам многофакторного сегментного статистического анализа платёжных диапазонов.

Одно из основных свойств телекоммуникационных систем заключается в том, что они являются многопараметрическими и содержат множество различных факторов, влияющих на работу компании в целом. Взаимодействия между факторами в общем случае нетривиальны. Это объясняется многими обстоятельствами и в первую очередь спецификой предоставления телекоммуникационных услуг и потребления клиентами этих услуг. В связи с этим возникает одна из центральных проблем телекоммуникационного оператора, связанная с предсказанием лояльности клиента, которая характеризует стабильность отношений между клиентом и телекоммуникационной компанией.

В результате обзора методов оценки лояльности клиентов было установлено, что в качестве механизма оценки лояльности целесообразно использовать сегментный анализ личностных характеристик клиента, позволяющий формировать стереотипы, определяющие поведение клиента в компании и предсказывающие его лояльность. При этом выявляемые статистические закономерности должны дать оператору возможность на основе индивидуальных данных о клиенте отнести его к одной из категорий (стереотипов), базируясь на основе использования правдоподобных математических построений.

Глава 2 содержит разработки, описание и анализ предлагаемого алгоритма сегментирования клиентской базы компании с использованием вероятностных оценок, построенных на основе формулы Байеса. Приведены основные принципы анализа лояльности при помощи данного алгоритма.

Показано, что в качестве оценки лояльности клиента телекоммуникационной компании целесообразно использовать вероятностную меру, позволяющую реализовать пересчёт априорной вероятности в апостериорную на основе анализа статистики сегментов.

На рис. 1 представлен пример сегментированного анализа, позволяющего совершать процесс сегментации с учётом личностных характеристик клиента и производить вероятностные выводы о его лояльности. Например, если клиент обладает личностной характеристикой 2 или 3 в категории ЛХ 2, то клиент со стереотипом или 2 с характеристикой 1 или 2 в категории ЛХ 1 соответственно считается лояльным. Если клиент обладает характеристикой 1 в категории ЛХ 2, то он считается нелояльным.

Рис. 1. Пример проверки лояльности клиента В качестве механизма, позволяющего количественно охарактеризовать значение лояльности клиента с учётом его индивидуальных личностных характеристик, предлагается использовать формулу Байеса:

PЛХSi PSi PSi ЛХ ; (1) n PЛХSi PSi iгде вероятность принадлежности клиента сегменту Si при PSi ЛХ условии, что клиент имеет набор личностных характеристик {ЛХ};

– вероятность того, что клиент имеет набор личностных PЛХSi характеристик {ЛХ} при условии его принадлежности сегменту Si;

PSi – безусловная априорная вероятность принадлежности клиента сегменту Si.

Схема сегментного анализа на основе использования формулы (1) (см. рис. 2) позволяет определить сегмент, к которому следует отнести клиента с учётом его {ЛХ}. Формируя набор личностных характеристик, по формуле Байеса можно определить количественную оценку лояльности клиента, состоящую из набора вероятностей принадлежности клиента ко всем сегментам компании {Si}. Наибольшая апостериорная вероятность принадлежности клиента к сегменту из всего полученного набора определяет максимальное правдоподобие пребывания клиента именно в этом сегменте и дополняет априорные сведения о клиентах апостериорными значениями с учётом их индивидуальных характеристик.

Рис. 2. Сегментный анализ, построенный на формуле Байеса Набор сегментов, представленный на рис. 2, обладает отличной друг от друга статистикой (стереотип сегмента), в которую входят данные об общем количестве клиентов в сегменте и количестве клиентов, дифференцированных по значениям личностных индивидуальных свойств. Стереотипы сегментов образуют общую сегментарную базу компании, на основе которой формируется итерационный процесс пересчёта вероятностей по формуле (1) с учётом предъявляемых личностных характеристик клиента (рис. 3).

Рис. 3. Алгоритм перечёта апостериорных вероятностей на основе формулы Байеса На рис. 2 и 3 m – количество сегментов, n – количество личностных характеристик клиента.

В этой главе также рассматриваются и синтезируются алгоритмы выявления скрытых зависимостей между объёмами услуг компании-оператора. Такие зависимости идентифицируются как внутри сегментов, так и в общем (многосегментном) диапазоне.

Концептуальная основа этих алгоритмов связана с понятием когнитивных графов. В диссертации эта концепция развивается с использованием методов регрессионного анализа, на основе которого удаётся получить разметку когнитивного графа (коэффициенты взаимовлияния факторов – объёмов услуг и/или трафика).

Если Ф1 б, Ф2 б, …, Фn б – базовые значения факторов Ф1, Ф2, …, Фn (свободные члены регрессий), а k – коэффициенты влияния (например, kФ1Ф2 определяет влияние фактора Ф1 на фактор Ф2), то общая линейная модель взаимовлияний представляется в виде:

i i 1, n; j j 1, n; exept i j;

n (2) Фi Фi б kФ Фi Ф j j j j i Такая регрессионно-когнитивная модель позволяет оценить взаимосвязи между факторами.

В классической регрессионной модели коэффициенты взаимовлияний размерны (могут быть разной размерности). Для использования этих коэффициентов в сегментном анализе целесообразно привести значения этих коэффициентов к вероятностной шкале (от 0 до 1). С этой целью в работе используется логистическая регрессия, которая переводит фактор Фi, рассчитанный по (2), в вероятностную шкалу:

i еФ pS Фi. (3) j i 1 еФ Здесь pS Фi рассматривается как условная вероятность j наполнения сегмента S при наличии взаимовлияний Фi (Фi j интерпретируется как фактор – регрессор).

В целом алгоритмы, описанные во 2-й главе, позволяют реализовывать эффективный вычислительный процесс анализа телекоммуникационных данных и формирования оценки лояльности клиентов с учётом различных взаимовлияющих факторов.

В главе 3 рассмотрены вопросы реализации разработанных алгоритмов с целью определения лояльности клиентов на реальных данных биллинговой системы оператора мобильной связи.

Для реализации предлагаемых алгоритмов был использован файл данных оператора мобильной связи, в котором были отражены сведения по платежам за услуги, оказанные клиентам в течение года.

Pages:     || 2 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»