在竞争激烈的电信市场中,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,因此谁拥有更多的客户,并获得更高的客户收入,谁就能在竞争中取胜。因此及时准确的洞察客户流失倾向是做好存量市场保有的必要手段。科学手段的预测可以通过对以往流失客户的历史数据进行分析,提前预测可能产生的损失,使我们能及时采取相应的措施,减少客户流失所带来的损失。因此,研究客户流失预测对企业降低运营成本,提高经营业绩有着极为重要的意义。支持向量机由于它的卓越功能使得它已经成为机器学习和数据挖掘的标准工具之一,是近年来发展起来的一种有效非线性问题处理工具,是一种基于统计学习理论的模式识别方法,主要应用于模式识别领域。把支持向量机运用到手机客户流失倾向预测模型中,通过对手机客户一段时间内的通话行为的变化,判断该客户是否有离网倾向,从而为电信运营商提供更加科学、准确、及时的客户保有数据,帮助企业找出客户流失的原因,减少因客户流失带来的损失。提出了全新的数据提取方法,结合我国的基本国情以及实际操作的可行性提出了独有的数据提取方案,寻找客户在主动离网前的通话特点,通过改进客户数据提取的方法和手段简化了基础数据的搜集过程,克服了不同客户套餐及资费带来的数据预测的影响,极大地缩短了数据提取的工作周期,并用支持向量机的方法加以区分。最后结合这两种方法,提出了基于支持向量机方法的手机客户流失倾向预测算法。采用LibSVM建立模型,根据预测准确度与必要参数C和γ之间的关系寻找最优参数,通过得到的最优参数建立最终预测模型。经过系统的学习训练、仿真预测等过程,取得了较好的预期效果。最后通过系统仿真预测的结果充分说明了该数据采集方式与LibSVM算法的结合对手机客户流失倾向预测是成功的并获的了较高的客户流失倾向的预测速度和准确率,从而说明了基于LibSVM预测算法和数据提取方案在手机客户流失倾向预测中具有一定的优势。