基于MLP神经网络模型的客户评分应用研究

doi:10.3969/j.issn.1006-2475.2017.03.006

计算机与现代化

基于MLP神经网络模型的客户评分应用研究

1.广东省邮政信息技术局,广东广州510000； 2.巴黎第九大学,法国巴黎75775

收稿日期:2016-08-05 出版日期:2017-03-29 发布日期:2017-03-30
作者简介:王冰（1984-），女，辽宁沈阳人，广东省邮政信息技术局工程师，硕士，研究方向：应用数学，数据分析，数据挖掘；韩俊宇（1984-），男，广东广州人，巴黎第九大学讲师，博士，研究方向：宏观经济学，货币政策。

Research on Customer Scoring Application Based on MLP Neural Network Model

1. Guangdong Postal Information Technology Bureau, Guangzhou 510000, China；
2. University ParisDauphine, Paris 75775, France

Received:2016-08-05 Online:2017-03-29 Published:2017-03-30

摘要/Abstract

摘要：

判断客户对产品购买的可能性，是企业营销人员重点关注的问题。针对保险产品客户与其他金融客户交叉销售，采用人工智能方法高精度量化客户的潜在购买力。根据对个人保险客户营销的总结,

提出保险客户购买评分模型。通过使用中国邮政代理金融的简易保险客户数据，对模型的有效性进行实证研究。研究结果表明，该模型提供了较高效的预测准确率和具体的评价标准，具有良好的预测功

能，可以帮助企业及时发现最有效的营销客户，最大程度上提高营销成功率。

关键词: 评分模型, 多层感知器（MLP）, 神经网络, 数据挖掘

Abstract:

The judgment of the possibility that customers purchase products is the focus of the enterprise marketers attention. The paper addresses the crossselling for the

insurance product customers and other financial product customers, thereby highly accurately quantifies their potential purchasing power. According to the summary of the applied

theory of the personal insurance business, this paper presents a customer purchasing behavior scoring model. Through the use of the simplified insurance customer data of China

Post Financiers, this paper carries out an empirical analysis of the model effectiveness. The results of the study show that the model, with a good forecasting performance,

provides more efficient predictions and specific evaluation criteria, thus being able to help enterprises timely identify the most effective marketing tool for customer

acquisition and retention, ultimately improving marketing success to a greater extent.

Key words: scoring model, multilayer perceptron (MLP), neural network, data mining

中图分类号:

TP391

王冰1，韩俊宇2. 基于MLP神经网络模型的客户评分应用研究[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.03.006.

WANG Bing1, HAN Junyu2. Research on Customer Scoring Application Based on MLP Neural Network Model[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.03.006.

［1］潘功胜. 国际大型银行成长之路［M］. 北京:中国金融出版社, 2008:134-148.
［2］鲁耀斌. 项目管理：过程﹑方法与实务［M］. 大连:东北财经大学出版社, 2008:44-45.
［3］郭文伟,陈泽鹏,钟明. 基于MLP 神经网络构建小企业信用风险预警模型［J］. 财会月刊, 2013(6):22-26.
［4］卿财源. 数据挖掘在电信宽带客户流失预警中的应用研究［D］. 广州：暨南大学, 2009.
［5］邹阿金,张雨浓. 基函数神经网络及应用［M］. 广州:中山大学出版社, 2009:8-22.
［6］吴柏林. 管理信息系统［M］. 北京:清华大学出版社,北京交通大学出版社, 2011:239-241.
［7］王海伟,谢禹,王雅林. 客户购买行为的双变量多层贝叶斯预测模型研究［J］. 哈尔滨工程大学学报, 2007,28(8):949-954.
［8］莫茜,高峰,董纪昌. 行为评分模型在个人信用评估应用中的实证研究［J］. 国际金融研究, 2008(7):45-51.
［9］罗晓曙. 人工神经网络理论﹑模型﹑算法与应用［M］. 桂林:广西师范大学出版社, 2005:10-15.
［10］梁循. 数据挖掘算法与应用［M］. 北京:北京大学出版社, 2006:88-92.
［11］张晓瑞，方创琳，王振波，等. 基于RBF神经网络的城市建成区面积预测研究——兼与BP神经网络和线性回归对比分析［J］. 长江流域资源与环境, 2013,22(6):691-697.
［12］施彦,韩力群,廉小亲. 神经网络设计方法与实例分析［M］. 北京:北京邮电大学出版社, 2009:27-81.
［13］Deng Xiangcheng, Huang Jikun, Scott Rozelle, et al. Growth, population and industrialization, and urban land expansion of China［J］. Journal of Urban Economics,

2008,63(1):96-115.
［14］孙艳玲,何源,李旭阳. 例说SPSS统计分析［M］. 北京:人民邮电出版社, 2010.
［15］王洪涛. 保险客户关系管理效率研究［D］. 天津：南开大学, 2012.
［16］肖汉,王国利,王本德. 基于因子分析的ＢＰ神经网络在需水预测中的应用［J］. 甘肃农业大学学报, 2012,47(5):148-152.
［17］余建英,何旭宏. 数据统计分析与ＳＰＳＳ应用［M］. 北京:人民邮电出版社, 2003:291310.

[1]	宋涛涛, 李艳萍, 李洪港, 韩春雪. 基于改进变结构趋近律的机械臂滑模控制系统[J]. 计算机与现代化, 2023, 0(12): 14-18.
[2]	周成诚, 曾庆军, 杨康, 胡家铭, 韩春伟. 基于高效通道注意力模块的运动想象脑电识别[J]. 计算机与现代化, 2023, 0(12): 19-23.
[3]	王宇航, 董宝良, 公超, 尚真真, 姚康宁. 基于意图识别的空中群目标动态威胁评估[J]. 计算机与现代化, 2023, 0(12): 100-104.
[4]	谷明轩, 范冰冰. 基于多模态特征融合的抑郁症识别[J]. 计算机与现代化, 2023, 0(10): 17-22.
[5]	陈俊义. 基于图节点动静态特征的健康事件预测模型[J]. 计算机与现代化, 2023, 0(10): 39-44.
[6]	黎世达, 项剑文. 一种提高图像识别模型鲁棒性的弱化强化方法[J]. 计算机与现代化, 2023, 0(10): 70-76.
[7]	陈子健, 段春红. 面向在线学习情境的认知情绪面部表情识别[J]. 计算机与现代化, 2023, 0(10): 92-98.
[8]	刘付琪, 张达, 宋建华, 王海东. 基于CNN-BiLSTM的液压系统故障诊断[J]. 计算机与现代化, 2023, 0(09): 10-19.
[9]	吴甜, 刘海华, 童顺延. 基于深度反馈的卷积神经网络的图像分类[J]. 计算机与现代化, 2023, 0(09): 82-86.
[10]	毛明扬, 徐胜超. 面向粒子群优化BP神经网络的粗糙集连续属性离散化算法[J]. 计算机与现代化, 2023, 0(09): 115-119.
[11]	孙子雨, 任燃, 魏曦哲. 基于DTW-TCN的股票分类及预测研究[J]. 计算机与现代化, 2023, 0(08): 31-37.
[12]	曾丽丽, 汤华贝, 牛艺晓, 孟凡月. 基于LSTM堆叠残差网络的岩相识别方法[J]. 计算机与现代化, 2023, 0(08): 38-43.
[13]	江蕾, 唐建, 杨超越, 吕婷婷. 基于CWGAN-GP与CNN的轴承故障诊断方法[J]. 计算机与现代化, 2023, 0(07): 1-6.
[14]	谢仕斌, 刘梦赤, 唐诗琪, 周瑞平, . 基于多特征提取的时间卷积知识追踪模型[J]. 计算机与现代化, 2023, 0(07): 25-29.
[15]	崔少国, 张岗, 王奥迪. 基于感知注意力的深度交叉网络推荐模型[J]. 计算机与现代化, 2023, 0(07): 54-60.

基于MLP神经网络模型的客户评分应用研究

Research on Customer Scoring Application Based on MLP Neural Network Model

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价