|
|
|
|
| LEADER |
02668na a2200241 4500 |
| 003 |
HR-ZaFER |
| 005 |
20160713153632.0 |
| 008 |
160221s2015 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid2597
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Rasonja, Ozren
|9 37539
|
| 245 |
1 |
0 |
|a Modeli predviđanja prijelaza korisnika drugim davateljima usluga u telekomunikacijama :
|b diplomski rad /
|c Ozren Rasonja ; [mentor Ignac Lovrek].
|
| 246 |
1 |
|
|a Models for predicting customer churn in telecommunications
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b O. Rasonja,
|c 2015.
|
| 300 |
|
|
|a 45 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Telekomunikacije i informatika, šifra smjera: 53, datum predaje: 2015-06-30, datum završetka: 2015-07-03
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Kao rješenje problema odljeva korisnika, koji je prepoznat kao jedan od najvažnijih problema s kojim se susreću telekomunikacijska poduzeća, ističe se aplikacija koja se svrstava u kategoriju proaktivnog upravljanja odljevom korisnika. Radi se o aplikaciji koja na temelju ulaznih podataka izgrađuje model te vrši predviđanje hoće li neki korisnik raskinuti poslovni odnos. Na taj način moguće je unaprijed predvidjeti odljev te poduzeti određene akcije kako bi se on spriječio. U ovom radu poseban naglasak stavljen je na istraživanje uspješnosti predviđanja koristeći različite tehnike strojnog učenja i algoritme za izgradnju modela. Napravljena je usporedba izgrađenih modela te analiza dobivenih rezultata. Uočeno je da najuspješnije rezultate daju tehnika unakrsne provjere i algoritam J48 kao predstavnik stabla odlučivanja.
|
| 520 |
3 |
|
|a Sažetak na engleskom: Churn prediction stands out as a solution for customer churn which is one of the biggest problems for communications service providers. Application for churn prediction is part of preemptive churn management and its main goal is to predict which customer will churn, so that company can start with customer retention strategies. The emphasis in this work is set on the machine learning techniques and data mining algorithms for the identification of churn. The comparison of used algorithms and techniques showed that the best results are provided using cross-validation technique and J48 algorithm used to generate decision tree.
|
| 653 |
|
1 |
|a korisnici, telekomunikacije, odljev korisnika, upravljanje odnosima s kupcima, modeli predviđanja odljeva
|
| 653 |
|
1 |
|a customers, telecommunications, churn prediction, CRM, churn prediction models
|
| 700 |
1 |
|
|a Lovrek, Ignac
|4 ths
|9 6356
|
| 942 |
|
|
|c Y
|2 udc
|
| 999 |
|
|
|c 46197
|d 46197
|