随着移动通信业务多样化的不断发展,个人信用问题越来越受到移动运营商的关注。目前大多省市的移动运营商很少有客户的信誉记录,只要用户欠费,系统就会停止向客户提供服务。这种直接停机的做法会导致用户投诉率增长、企业服务水平能力下降等问题,甚至导致运营商面临客户流失的问题,不利于移动行业多元化的发展和运营商竞争力的提高。因此,运营商需要找到一种合理、准确的客户信誉评价方法,通过用户的基本属性和行为属性评价和预测用户的信誉等级,从而根据用户的信誉等级为其提供不同的服务。本文主要的研究工作和创新点概述如下：1、调查研究了当今造成移动运营商话费流失现象的原因,分析和讨论了移动客户信用管理的现状；2、根据现有移动通信的业务规则和场景,探讨分析了影响移动用户信誉的因素,并就信誉评价方法进行了研究；3、针对移动通信行业的客户具有数据量大、客户信息变更频繁等特点,提出了一种基于信息增益和贝叶斯分类法的客户信誉评价分析模型。该模型需要对移动运营商数据库中未经处理的、全面的数据进行清洗、集成和变换等预处理后,然后采用信息增益法计算每个属性的信息熵来确定该属性能为分类系统带来多少信息贡献量,带来的信息贡献量越多,该属性对客户信誉分类越重要；4、采用贝叶斯分类模型方法进行移动客户信誉分类预测,以达到预测评价用户信誉等级的目的。本文采用某省移动客户的基本和通话交易数据对本文提出的客户信誉分析模型进行验证分析。验证结果表明,该模型预测偏离度低、具有较好的预测效果。本文的研究具有可行性和可借鉴性。