近年来,随着电信行业的蓬勃发展,通信市场逐渐饱和,形成了“三足鼎立”的态势,移动、电信、联通三大企业的竞争焦点由新增用户变为存量用户。事实上,以前的研究大都没有考虑到非平衡数据对预测结果的影响,因此本文欲在前人的基础上探索基于非平衡数据的电信客户流失预警研究。本文的数据来源于某公司真实数据。对于非平衡数据,本文创新性的提出了基于密度聚类的改进SMOTE算法和基于聚类算法的欠抽样的混合抽样技术。其中基于密度聚类的改进SMOTE算法核心思想是通过对少数类样本进行聚类识别出噪声样本,并将得到的非噪声样本进行SMOTE过抽样。然而通过改进的SMOTE过抽样技术得到的正负类样本的比例仍然相差较大,故本文对负类样本采用了基于聚类算法的欠抽样技术对负类样本进行处理,本文主要采用了系统聚类中的离差平方和、K-Means聚类以及PAM聚类方法得到样本的类别标签,然后按照分层抽样抽取一定的比例,从而使数据达到平衡。将最终得到的样本数据分别运用决策树方法和随机森林方法构建模型,通过precision、recall、F-value和AUC值对模型进行评估,最终认为基于决策树的随机森林集成模型效果最好。完成客户流失预测后,需要及时的进行客户的维系与挽留,才能真正实现客户的保有,本文创新性地将潜在流失客户按照价值度、风险度、稳定度等几个指标进行客户细分,得到几个客户群并进行特征刻画,最后依据企业的资源与主推产品进行策略匹配,最终得到各个保有用户的精确营销策略。