代價敏感的目標客戶選擇半監督集成模型研究

肖 進，劉瀟瀟，謝 玲，劉敦虎，黃 靜

(1.四川大學商學院，四川 成都 610064；2.成都信息工程學院管理學院，四川 成都 610225； 3.四川大學公共管理學院，四川 成都 610064)

1 引言

隨著大數據時代的來臨，企業掌握的客戶數據越來越多，一些企業開始利用數據庫營銷(Database Marketing)來避免傳統營銷中存在的低效率，高成本等弊端，用以從海量客戶數據中快速挖掘出客戶多樣化和個性化的需求。作為數據庫營銷中最重要的問題之一，目標客戶選擇建模用于從潛在客戶中識別出企業的目標客戶，即對企業營銷手段最可能做出響應的客戶，從而幫助企業制定營銷戰略。

目標客戶選擇建模實質上是屬于客戶分類的范疇[1]，即將客戶分為兩類：對企業產品的營銷宣傳活動(如發送郵件或者短信等)做出響應，進而購買產品的客戶和不響應的客戶。目前，常用的目標客戶選擇模型主要包括人工神經網絡[2](Artificial Neural Networks, ANN)、遺傳算法[3](Genetic Algorithm，GA)、數據分組處理(Group Method of Data Handling,GMDH)神經元網絡[4]和支持向量機[5-6](Support Vector Machine, SVM)等。許多現實的客戶數據的類別分布往往是高度不平衡的，即會對企業的營銷活動做出響應的客戶比不響應的客戶少很多[7]。在這種情況下，上述傳統的分類模型可能會將所有的客戶預測為不響應的客戶，難以取得令人滿意的目標客戶選擇性能。為了解決這一問題，目前常用的方法是重抽樣技術(如隨機向上抽樣和隨機向下抽樣)來平衡訓練集的類別分布，再訓練分類模型。

上述研究對目標客戶選擇建模都做出了重要貢獻，但通過仔細分析，還存在以下不足：1)重抽樣技術存在缺陷。……