当今,随着国内电信业的改革,各运营商在企业大客户、长途业务、IP 业务、移动业务等领域展开了激烈的竞争。传统的以技术为驱动、以销售产品为目的的市场战略逐渐被以客户为中心、以满足客户需求为目的的市场战略所取代,客户资源成为了企业竞争的焦点。激烈的竞争必然导致客户处于不稳定状态,各运营商都面临严重的客户流失问题。大量而频繁的客户流失延长了企业利润回收的周期,给企业造成了巨大的损失。在这种形势下,如何防止客户流失、实施客户保持工作,已成为运营商关注的焦点之一。如何根据客户的特性和客户行为预测客户的流失,并结合竞争环境的变化制定有效的客户挽留和赢回策略并实现赢利,是电信运营企业正常运营的重要任务,也是电信客户研究咨询领域的一个重要课题。论文首先对客户价值作了初步的探讨,将客户价值分析引入客户流失预测和控制;同时,根据客户背景资料、消费/支付数据、行为资料及相关推导指标等历史数据,本文将RBF神经网络、最近邻聚类、时间序列等多种数据挖掘技术应用于客户流失研究,针对目前相关研究中存在的问题,给出了客户流失研究中涉及的主要问题的解决方案,包括客户描述、属性规约、流失原因分析以及流失预测与控制策略等,重点解决流失模型的建立问题,并利用基于梯度下降的误差纠正算法监督学习模型参数,提高模型训练和预测的精度及可靠性;最后利用训练后的模型对每个客户的流失可能性进行预测以及生成公司可能流失的客户列表。通过对实际案例的应用,作者对模型的有效性和可操作性进行了验证,取得了良好的效果,证明其具有相当的实际意义;同时,对电信企业的市场战略实施也具有现实的指导意义。