• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于大數(shù)據(jù)技術(shù)的電信客戶(hù)流失預(yù)測(cè)模型研究及應(yīng)用

    2018-05-07 01:56:04許乃利
    信息通信技術(shù) 2018年2期
    關(guān)鍵詞:維系決策樹(shù)數(shù)據(jù)挖掘

    許乃利

    中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司安徽省分公司 合肥 230061

    基于大數(shù)據(jù)技術(shù)的電信客戶(hù)流失預(yù)測(cè)模型研究及應(yīng)用

    許乃利

    中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司安徽省分公司 合肥 230061

    為減少用戶(hù)流失,提高用戶(hù)保有率,文章介紹一種基于智慧運(yùn)營(yíng)平臺(tái),將大數(shù)據(jù)技術(shù)和數(shù)據(jù)挖掘技術(shù)相結(jié)合,對(duì)電信客戶(hù)流失進(jìn)行預(yù)測(cè)的模型。該模型利用大數(shù)據(jù)技術(shù)處理用戶(hù)離網(wǎng)前的海量數(shù)據(jù)信息,分析流失用戶(hù)特征,建立用戶(hù)流失預(yù)測(cè),提前鎖定流失風(fēng)險(xiǎn)較高的用戶(hù),有針對(duì)性地制定維挽策略,精準(zhǔn)開(kāi)展維系挽留活動(dòng),能夠有效降低用戶(hù)離網(wǎng)率。

    大數(shù)據(jù);流失預(yù)測(cè);數(shù)據(jù)挖掘;客戶(hù)流失;維系挽留

    引言

    隨著移動(dòng)通信成本逐步下降,移動(dòng)用戶(hù)滲透率超過(guò)100%,新增市場(chǎng)趨于飽和,面對(duì)新增市場(chǎng)的激烈競(jìng)爭(zhēng),存量用戶(hù)的保有顯得越來(lái)越重要。一項(xiàng)調(diào)查數(shù)據(jù)表明,爭(zhēng)取1位新客戶(hù)的成本是保住1位老客戶(hù)的5倍。面對(duì)新的競(jìng)爭(zhēng)形勢(shì),運(yùn)營(yíng)商需要從傳統(tǒng)只重視增量發(fā)展模式向“增存并重”發(fā)展模式轉(zhuǎn)變。如何最大限度地降低客戶(hù)的流失并挽留客戶(hù),成為決策者關(guān)注的話(huà)題。

    客戶(hù)流失給運(yùn)營(yíng)商帶來(lái)了巨大損失,成功挽留一個(gè)即將流失的客戶(hù)比重新發(fā)展一個(gè)客戶(hù)節(jié)約大量成本。減少客戶(hù)流失的關(guān)鍵是提前預(yù)測(cè)潛在的流失客戶(hù),采取相關(guān)措施提高客戶(hù)的滿(mǎn)意度,實(shí)現(xiàn)該預(yù)測(cè)的關(guān)鍵是數(shù)據(jù)挖掘[1]和大數(shù)據(jù)技術(shù)?;诖髷?shù)據(jù)技術(shù)的數(shù)據(jù)挖掘就是從海量的客戶(hù)資料、使用行為、消費(fèi)行為、上網(wǎng)軌跡等信息中提取有用的信息進(jìn)行組合關(guān)聯(lián),準(zhǔn)確判斷客戶(hù)流失的現(xiàn)狀或傾向,可以讓企業(yè)及時(shí)并有針對(duì)性的對(duì)客戶(hù)進(jìn)行挽留[2];因此,利用大數(shù)據(jù)技術(shù)進(jìn)行數(shù)據(jù)挖掘,預(yù)測(cè)客戶(hù)流失、減少客戶(hù)流失的發(fā)生成為電信行業(yè)研究的重點(diǎn)。

    1 國(guó)內(nèi)外研究現(xiàn)狀

    在數(shù)據(jù)挖掘方面,國(guó)外有很多案例和做法值得學(xué)習(xí),比如:文獻(xiàn)[3]中運(yùn)用決策樹(shù)、Logistic回歸、人工神經(jīng)網(wǎng)絡(luò)等算法建立了移動(dòng)用戶(hù)流失預(yù)測(cè)模型。Lightbridge[4]公司運(yùn)用CART算法分析了新英格蘭的一家移動(dòng)服務(wù)商的數(shù)據(jù)并建立了客戶(hù)流失模型。AT&T公司很早就開(kāi)始在大數(shù)據(jù)上的探索[5],2009年開(kāi)始與Teradata公司合作引進(jìn)天睿公司的大數(shù)據(jù)解決方案。

    在過(guò)去的幾十年中,中國(guó)企業(yè)都扮演著技術(shù)跟隨者的角色,現(xiàn)階段我國(guó)互聯(lián)網(wǎng)企業(yè)在數(shù)據(jù)挖掘、大數(shù)據(jù)處理以及人工智能、云計(jì)算等領(lǐng)域都有了巨大的發(fā)展。比如文獻(xiàn)[6]中使用K-means聚類(lèi)算法對(duì)電信客戶(hù)進(jìn)行細(xì)分,在此基礎(chǔ)上探索了客戶(hù)細(xì)分在營(yíng)銷(xiāo)中的實(shí)際應(yīng)用。文獻(xiàn)[7]中利用神經(jīng)網(wǎng)絡(luò)算法建立用戶(hù)流失預(yù)測(cè)模型,分析用戶(hù)流失特征。文獻(xiàn)[8]中利用Spark平臺(tái)實(shí)現(xiàn)了多種神經(jīng)網(wǎng)絡(luò)算法,對(duì)用戶(hù)流失問(wèn)題提出了快速精確的模型。

    國(guó)內(nèi)的電信企業(yè)雖然都建立了客戶(hù)流失預(yù)測(cè)、客戶(hù)分群等模型,但大多都是基于數(shù)據(jù)挖掘軟件如SPSS、SAS等應(yīng)用,使用的數(shù)據(jù)量有限,不能全面分析用戶(hù)流失行為。

    2 大數(shù)據(jù)平臺(tái)及技術(shù)

    安徽聯(lián)通構(gòu)建基于B域、O域和M域數(shù)據(jù)融合的大數(shù)據(jù)平臺(tái)——智慧運(yùn)營(yíng)平臺(tái),實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型及全業(yè)務(wù)流程的智慧運(yùn)營(yíng)。智慧運(yùn)營(yíng)平臺(tái)通過(guò)企業(yè)級(jí)大數(shù)據(jù)平臺(tái)實(shí)現(xiàn)企業(yè)全量數(shù)據(jù)的接入及治理,當(dāng)前包括Hadoop、Universe、實(shí)時(shí)流處理三大資源池,共計(jì)140多個(gè)節(jié)點(diǎn),存儲(chǔ)容量3PB、2200核CPU、8T內(nèi)存計(jì)算資源,實(shí)現(xiàn)資源動(dòng)態(tài)管理;流處理平臺(tái)具備百萬(wàn)級(jí)別消息并發(fā)處理能力,支持1分鐘級(jí)別提供用戶(hù)位置能力(見(jiàn)圖1)。

    圖1 智慧運(yùn)營(yíng)平臺(tái)架構(gòu)圖

    智慧運(yùn)營(yíng)平臺(tái)接入BSS、CBSS、OSS、SEQ、上網(wǎng)等全網(wǎng)多種數(shù)據(jù)源,利用BDI(Big Data Integration,數(shù)據(jù)集成套件)和Flume進(jìn)行離線(xiàn)數(shù)據(jù)及日志數(shù)據(jù)的抽取、轉(zhuǎn)換、加載等數(shù)據(jù)采集功能,實(shí)現(xiàn)高性能海量數(shù)據(jù)處理和存儲(chǔ)。利用Hadoop、Universe、實(shí)時(shí)流處理三大資源池,有效支撐上層各種應(yīng)用的開(kāi)發(fā)和運(yùn)行。利用基于大數(shù)據(jù)分析平臺(tái)構(gòu)建的新一代智能數(shù)據(jù)挖掘系統(tǒng)SmartMiner進(jìn)行自動(dòng)化數(shù)據(jù)挖掘,實(shí)現(xiàn)各種算法模型的訓(xùn)練和預(yù)測(cè)。借助智慧運(yùn)營(yíng)平臺(tái)強(qiáng)大的大數(shù)據(jù)分析和處理能力,結(jié)合現(xiàn)網(wǎng)客戶(hù)運(yùn)營(yíng)的經(jīng)驗(yàn),建立有效的用戶(hù)流失預(yù)測(cè)模型,實(shí)現(xiàn)用戶(hù)的流失預(yù)警、維系策略匹配、客戶(hù)反饋優(yōu)化等一整套流程,能夠有效降低用戶(hù)流失。

    3 離網(wǎng)預(yù)測(cè)模型構(gòu)建

    3.1 離網(wǎng)預(yù)測(cè)原理

    離網(wǎng)預(yù)測(cè)模型[9]主要是根據(jù)歷史數(shù)據(jù)特征,通過(guò)數(shù)據(jù)挖掘算法,建立預(yù)測(cè)模型,并將模型應(yīng)用于現(xiàn)網(wǎng)用戶(hù),預(yù)測(cè)出離網(wǎng)概率高的用戶(hù)。其主要包括數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練和驗(yàn)證、離網(wǎng)預(yù)測(cè)三大部分[10]。如圖2所示,數(shù)據(jù)準(zhǔn)備階段,根據(jù)出賬和充值規(guī)律定義離網(wǎng)規(guī)則,通過(guò)對(duì)電信業(yè)務(wù)和用戶(hù)行為的理解,從運(yùn)營(yíng)商各域數(shù)據(jù)里提取數(shù)據(jù),并篩選離網(wǎng)預(yù)測(cè)特征字段,構(gòu)建離網(wǎng)預(yù)測(cè)特征庫(kù)。模型訓(xùn)練和驗(yàn)證階段,選取數(shù)據(jù)挖掘算法,進(jìn)行模型訓(xùn)練、評(píng)估和調(diào)優(yōu),訓(xùn)練出最佳模型。離網(wǎng)預(yù)測(cè)階段,將訓(xùn)練的最佳模型應(yīng)用于現(xiàn)網(wǎng)數(shù)據(jù),實(shí)現(xiàn)準(zhǔn)確的流失預(yù)測(cè)。進(jìn)一步通過(guò)有效的維系手段,對(duì)預(yù)測(cè)流失用戶(hù)進(jìn)行精準(zhǔn)維系,減少用戶(hù)離網(wǎng),提升在網(wǎng)用戶(hù)價(jià)值。

    圖2 離網(wǎng)預(yù)測(cè)模型構(gòu)建示意圖

    3.2 隨機(jī)森林算法

    傳統(tǒng)數(shù)據(jù)挖掘中進(jìn)行流失預(yù)測(cè)多采用決策樹(shù)算法[11],它的特點(diǎn)有訓(xùn)練時(shí)間復(fù)雜度低、預(yù)測(cè)的過(guò)程比較快、模型容易展示等。但是單決策樹(shù)容易過(guò)擬合,雖然可以通過(guò)剪枝等方法減少這種情況的發(fā)生,但仍有不足。2001年Leo Breiman在決策樹(shù)的基礎(chǔ)上提出了隨機(jī)森林算法[12]。

    隨機(jī)森林是由多個(gè)決策樹(shù)構(gòu)成的森林,算法分類(lèi)結(jié)果由這些決策樹(shù)投票得到,決策樹(shù)在生成過(guò)程中分別在行方向和列方向上添加隨機(jī)過(guò)程,行方向上構(gòu)建決策樹(shù)時(shí)采用有放回抽樣(bootstrapping)得到訓(xùn)練數(shù)據(jù),列方向上采用無(wú)放回隨機(jī)抽樣得到特征子集,并據(jù)此得到其最優(yōu)切分點(diǎn)。從圖3中可以看到,通過(guò)K次訓(xùn)練,得到K棵不同的決策樹(shù){T1,T2,…,TK},再將這些樹(shù)組合成一個(gè)分類(lèi)模型系統(tǒng),隨機(jī)森林是一個(gè)組合模型,內(nèi)部仍然是基于決策樹(shù),同單一的決策樹(shù)分類(lèi)不同的是,隨機(jī)森林通過(guò)多個(gè)決策樹(shù)投票結(jié)果進(jìn)行分類(lèi),算法不容易出現(xiàn)過(guò)度擬合問(wèn)題。

    圖3 隨機(jī)森林算法示意圖

    3.3 數(shù)據(jù)準(zhǔn)備

    3.3.1 離網(wǎng)定義及數(shù)據(jù)需求

    為了進(jìn)一步提前鎖定離網(wǎng)傾向用戶(hù),經(jīng)過(guò)歷史數(shù)據(jù)的比對(duì),結(jié)合用戶(hù)使用行為的分析,決定將過(guò)繳費(fèi)期10天未繳費(fèi)的用戶(hù)定義為流失用戶(hù)。根據(jù)傳統(tǒng)數(shù)據(jù)挖掘?qū)崿F(xiàn)的離網(wǎng)預(yù)測(cè)案例的經(jīng)驗(yàn),考慮到大數(shù)據(jù)系統(tǒng)的處理能力,通過(guò)對(duì)連續(xù)3個(gè)月內(nèi)離網(wǎng)的用戶(hù)進(jìn)行離網(wǎng)打標(biāo),增加離網(wǎng)用戶(hù)的樣本量,提高離網(wǎng)預(yù)測(cè)的準(zhǔn)確率;通過(guò)對(duì)目標(biāo)用戶(hù)中隔月后離網(wǎng)的用戶(hù)進(jìn)行打標(biāo),預(yù)留1個(gè)月的預(yù)測(cè)結(jié)果干預(yù)期,進(jìn)行維系挽留。如圖4所示,采用連續(xù)7個(gè)月的歷史數(shù)據(jù),對(duì)第N-6月的數(shù)據(jù)進(jìn)行隔月后的連續(xù)3個(gè)月(N-4月、N-3月、N-2月)離網(wǎng)用戶(hù)打標(biāo),取N-6月、N-5月、N-4月連續(xù)3個(gè)月的正負(fù)樣本并集,解決了傳統(tǒng)打標(biāo)負(fù)樣本量不足和維系干預(yù)期太短等問(wèn)題。

    圖4 正負(fù)樣本打標(biāo)示意圖

    3.3.2 數(shù)據(jù)特征提取

    根據(jù)業(yè)務(wù)經(jīng)驗(yàn),選取與用戶(hù)流失可能存在相關(guān)性的所有屬性,進(jìn)行數(shù)據(jù)審查,篩選存在相關(guān)性較大的特征屬性。本次建模數(shù)據(jù)特征主要采用B域用戶(hù)通信及消費(fèi)行為等基本屬性、衍生屬性(匯總、比例、趨勢(shì)和波動(dòng))、挖掘?qū)傩缘?,增加O域樣本數(shù)據(jù),如上網(wǎng)行為、終端屬性指標(biāo)(換機(jī)、應(yīng)用偏好、掉話(huà)率、上網(wǎng)協(xié)議響應(yīng)成功率等)。如表1所示,數(shù)據(jù)維度包括基礎(chǔ)信息維度、通信行為信息、賬務(wù)信息、消費(fèi)行為變化維度、交往圈信息、呼叫異網(wǎng)維度、投訴維度、通信行為維度及上網(wǎng)軌跡、掉話(huà)率等。根據(jù)這些維度數(shù)據(jù)合并匯總成數(shù)據(jù)挖掘特征寬表,用于模型訓(xùn)練和驗(yàn)證。

    表1 特征寬表部分屬性

    3.4 建立模型

    流失客戶(hù)預(yù)測(cè)模型的建立,具體包括原始數(shù)據(jù)處理、特征寬表構(gòu)建、模型訓(xùn)練、模型評(píng)估和模型調(diào)優(yōu)五個(gè)部分。如圖5所示,智慧運(yùn)營(yíng)平臺(tái)通過(guò)連接全網(wǎng)數(shù)據(jù)的接口,獲取建模所需的BSS系統(tǒng)(業(yè)務(wù)支持系統(tǒng))數(shù)據(jù)和OSS系統(tǒng)(運(yùn)營(yíng)支持系統(tǒng))數(shù)據(jù)。BSS系統(tǒng)是運(yùn)營(yíng)商向用戶(hù)開(kāi)展業(yè)務(wù)的主要IT組成部分,OSS系統(tǒng)是電信服務(wù)提供商用來(lái)管理通信網(wǎng)絡(luò)的主要系統(tǒng)。BSS數(shù)據(jù)包括CRM(客戶(hù)關(guān)系)、Billing(賬單數(shù)據(jù))、詳單數(shù)據(jù)及投訴數(shù)據(jù),OSS數(shù)據(jù)包括分組交換數(shù)據(jù)(Package Switch,PS)、測(cè)量報(bào)告數(shù)據(jù)(Measurement Report,MR)和電路交換數(shù)據(jù)(Circuit Switch,CS)。其中PS數(shù)據(jù)描述了用戶(hù)連接網(wǎng)絡(luò)的情況,如上網(wǎng)速度、掉線(xiàn)率和移動(dòng)搜索文本信息;MR數(shù)據(jù)可以用來(lái)給用戶(hù)定位,獲取用戶(hù)運(yùn)動(dòng)軌跡;CS數(shù)據(jù)描述的是用戶(hù)的通話(huà)質(zhì)量,如掉話(huà)率等。

    我們將獲取的原始數(shù)據(jù)存儲(chǔ)到Hadoop分布式文件系統(tǒng)中(HDFS),然后再利用Hive進(jìn)行特征生成和處理工作。HDFS可以處理PB級(jí)別的超大文件,Hive可以提供簡(jiǎn)單的SQL查詢(xún)功能,并能將SQL語(yǔ)句轉(zhuǎn)化為MapReduce任務(wù)分布式運(yùn)行。

    圖5 模型構(gòu)建框架圖

    特征寬表生成后,我們利用Spark的高效計(jì)算能力,在SmartMiner中選取隨機(jī)森林算法進(jìn)行流失預(yù)測(cè)模型的訓(xùn)練,經(jīng)過(guò)訓(xùn)練結(jié)果的多次驗(yàn)證和評(píng)估,我們將隨機(jī)森林設(shè)置為200顆樹(shù),SQR采樣方法,樹(shù)的最大深度為15層,葉子最小樣本數(shù)100個(gè),最大分箱數(shù)32,進(jìn)行模型建立。將分類(lèi)器訓(xùn)練出來(lái)的模型應(yīng)用到現(xiàn)網(wǎng)數(shù)據(jù),可以預(yù)測(cè)未來(lái)3個(gè)月有離網(wǎng)傾向的用戶(hù),按照離網(wǎng)傾向的高低排名,鎖定維系挽留的目標(biāo)客戶(hù)。

    3.5 模型評(píng)估

    訓(xùn)練模型的好壞可以通過(guò)對(duì)歷史流失數(shù)據(jù)的檢驗(yàn)來(lái)驗(yàn)證,模型評(píng)估參數(shù)一般包括準(zhǔn)確率和覆蓋率,準(zhǔn)確率越高、覆蓋率越大,模型效果越好,其中:準(zhǔn)確率=預(yù)測(cè)流失準(zhǔn)確的客戶(hù)數(shù) / 預(yù)測(cè)為流失的客戶(hù)數(shù);覆蓋率=預(yù)測(cè)流失準(zhǔn)確的客戶(hù)數(shù) / 實(shí)際流失的客戶(hù)數(shù)。

    如圖6所示,我們根據(jù)建模訓(xùn)練數(shù)據(jù)的規(guī)則,可以在第N月預(yù)測(cè)第N+2月、N+3月、N+4月的流失用戶(hù),第N+1月為我們的維系窗口期。

    我們選取2016年1~6月數(shù)據(jù)進(jìn)行訓(xùn)練,對(duì)7~10月數(shù)據(jù)進(jìn)行模型預(yù)測(cè),如圖7所示,經(jīng)過(guò)2016年9月至2017年2月數(shù)據(jù)的驗(yàn)證,可以得到7~10月的預(yù)測(cè)數(shù)據(jù)TOP50 000中查準(zhǔn)率基本在80%,查全率40%。

    圖6 模型預(yù)測(cè)示意圖

    圖7 7~10月模型預(yù)測(cè)評(píng)估情況

    4 離網(wǎng)根因分析

    通過(guò)對(duì)離網(wǎng)用戶(hù)的特征屬性進(jìn)行聚類(lèi)分析,離網(wǎng)用戶(hù)大致原因可以分為:資費(fèi)原因、合約感知原因、社會(huì)交往影響原因、終端換機(jī)原因、地域變更原因、服務(wù)質(zhì)量原因、通信質(zhì)量原因、棄卡原因、新入網(wǎng)質(zhì)量原因及其他原因等。如表2所示,提取2016年11月數(shù)據(jù)預(yù)測(cè)2017年1~3月離網(wǎng)概率top400 000用戶(hù),對(duì)其離網(wǎng)情況進(jìn)行驗(yàn)證,其準(zhǔn)確率達(dá)到52%以上。

    5 應(yīng)用

    5.1 策略匹配

    通過(guò)對(duì)流失用戶(hù)的根因分析,結(jié)合現(xiàn)有維系業(yè)務(wù),將預(yù)測(cè)的離網(wǎng)用戶(hù),根據(jù)業(yè)務(wù)特征進(jìn)行分類(lèi),匹配相應(yīng)策略指導(dǎo)市分VIP維系客戶(hù)經(jīng)理進(jìn)行外呼維系。如表3所示,將離網(wǎng)傾向較高的用戶(hù)分為話(huà)務(wù)異常、業(yè)務(wù)異常和服務(wù)異常三類(lèi),針對(duì)話(huà)務(wù)異常用戶(hù),重點(diǎn)進(jìn)行優(yōu)惠活動(dòng)介紹,增加用戶(hù)黏性;對(duì)于業(yè)務(wù)異常用戶(hù),推薦合約續(xù)約及更換SIM卡;對(duì)于服務(wù)異常用戶(hù),進(jìn)行及時(shí)安撫并給予一定贈(zèng)送。

    表2 離網(wǎng)特征驗(yàn)證

    表3 維系策略匹配表

    5.2 維系效果

    針對(duì)三星級(jí)以上用戶(hù),我們利用在網(wǎng)維系系統(tǒng)進(jìn)行了針對(duì)性的維系挽留。從2017年1月開(kāi)始,我們將大數(shù)據(jù)系統(tǒng)預(yù)測(cè)出的離網(wǎng)傾向較高的高價(jià)值用戶(hù)通過(guò)在網(wǎng)維系系統(tǒng)下發(fā)到市分VIP客戶(hù)經(jīng)理處,根據(jù)匹配的策略進(jìn)行精準(zhǔn)維系。如圖8所示,2015年9月至12月,高價(jià)值用戶(hù)準(zhǔn)離網(wǎng)率平均值為2.04%,全網(wǎng)準(zhǔn)離網(wǎng)率為3.6%。模型應(yīng)用后,高價(jià)值離網(wǎng)率從2017年2月開(kāi)始持續(xù)降低,如圖9所示,截至2017年7月下降到1.35%,平均準(zhǔn)離網(wǎng)率為1.49%,相比應(yīng)用前的2.04%下降了0.55%,每月多挽留客戶(hù)8230戶(hù),高價(jià)值戶(hù)均ARPU按90元計(jì)算,月均減少損失74萬(wàn)元,年減少損失888萬(wàn)元。

    圖8 實(shí)施前高價(jià)值用戶(hù)流失情況

    圖9 實(shí)施后高價(jià)值用戶(hù)流失情況

    6 小結(jié)

    本文闡述了利用智慧運(yùn)營(yíng)大數(shù)據(jù)平臺(tái),對(duì)流失客戶(hù)的特征進(jìn)行的分析和研究,利用SmartMiner分析系統(tǒng)選取隨機(jī)森林算法,建立客戶(hù)流失預(yù)測(cè)模型,通過(guò)多次的訓(xùn)練和優(yōu)化,逐步提高流失預(yù)測(cè)模型的準(zhǔn)確性。通過(guò)對(duì)離網(wǎng)用戶(hù)的根因分析,制定相應(yīng)維系策略,匹配到相應(yīng)的離網(wǎng)傾向用戶(hù),在全網(wǎng)進(jìn)行了系統(tǒng)化的精準(zhǔn)維系,有效提升了用戶(hù)保有率。下一步將結(jié)合維系效果,繼續(xù)優(yōu)化模型參數(shù),完善訓(xùn)練模型,進(jìn)一步提升流失預(yù)測(cè)的準(zhǔn)確率和覆蓋率,繼續(xù)研究用戶(hù)流失根因,根據(jù)離網(wǎng)根因匹配維系策略,進(jìn)一步降低用戶(hù)流失,增強(qiáng)用戶(hù)黏性,提升客戶(hù)價(jià)值。

    [1] 王瑾. 基于數(shù)據(jù)挖掘的電信客戶(hù)流失預(yù)測(cè)研究[D]. 西安:西安電子科技大學(xué), 2012:35-42

    [2] 劉志超,王雷,谷壘,等.基于數(shù)據(jù)挖掘技術(shù)的客戶(hù)流失預(yù)警模型[J].微計(jì)算機(jī)信息,2011,(2):176-177

    [3] Mozer MC,Wolniewicz R,Grimes DB.et al. Predicting Subscriber Dissatisfaction and Improving Retention in the Wireless Telecommunications Industry[J]. IEEE Transactions on Neural Networks, 2000,11(3):690-6

    [4] TADESSE T,WILHITE DA,HARMS SK,et al. Drought Monitoring Using Data Mining Techniques: A Case Study for Nebraska,USA[J].Natural Hazards,2004,33(1):137-59

    [5] 全球十大電信如何玩大數(shù)據(jù)[EB/OL].[2017-12-12].http://www.199it.com/archives/210931.html

    [6] 朱姍姍.數(shù)據(jù)挖掘在電信行業(yè)客戶(hù)細(xì)分的應(yīng)用研究[D].沈陽(yáng):遼寧大學(xué),2012

    [7] 孫碧穎.基于神經(jīng)網(wǎng)絡(luò)算法構(gòu)建電信用戶(hù)流失預(yù)測(cè)模型的研究[D].蘭州:蘭州大學(xué),2016:5-10

    [8] 鄭杰文.基于Spark平臺(tái)的通信網(wǎng)用戶(hù)流失預(yù)測(cè)研究[D].合肥:中國(guó)科學(xué)技術(shù)大學(xué),2017.2-6

    [9] 王建仁,李妮,段剛龍.基于信息融合的電信客戶(hù)流失預(yù)測(cè)研究[J].計(jì)算機(jī)工程與應(yīng)用,2016,(10):64-70

    [10] 楊遠(yuǎn)佳.數(shù)據(jù)挖掘在電信客戶(hù)流失預(yù)測(cè)中的應(yīng)用[D].長(zhǎng)沙:湖南大學(xué),2016:8-16

    [11] 張宇,張之明.一種基于C5.0決策樹(shù)的客戶(hù)流失預(yù)測(cè)模型研究[J].統(tǒng)計(jì)與信息論壇,2015,(1):89-94

    [12] 邱一卉.基于剪枝隨機(jī)森林的電信行業(yè)客戶(hù)流失預(yù)測(cè)[J].廈門(mén)大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,(6):817-822

    許乃利

    碩士,工程師,安徽省通信學(xué)會(huì)大數(shù)據(jù)分會(huì)副秘書(shū)長(zhǎng)、中國(guó)聯(lián)通IT戰(zhàn)略人才骨干人才、中國(guó)聯(lián)通牛人實(shí)驗(yàn)室大數(shù)據(jù)技術(shù)與應(yīng)用學(xué)習(xí)小組組長(zhǎng)。目前主要從事客戶(hù)分析、數(shù)據(jù)挖掘、大數(shù)據(jù)精準(zhǔn)營(yíng)銷(xiāo)及客戶(hù)運(yùn)營(yíng)等工作。

    編者按本欄目關(guān)注信息通信行業(yè)最新動(dòng)態(tài)及趨勢(shì)的分析評(píng)論,刊登通信企業(yè)、行業(yè)專(zhuān)家在管理運(yùn)營(yíng)、策略規(guī)劃、業(yè)務(wù)創(chuàng)新等方面的研究成果。

    Ovum是一家在世界電信產(chǎn)業(yè)界富有權(quán)威性的獨(dú)立/中立咨詢(xún)顧問(wèn)公司;本期選取了Ovum關(guān)于德電數(shù)字化戰(zhàn)略的研究(本文由Ovum提供并翻譯,原文請(qǐng)見(jiàn)http://www.unicomlabs.cn/ICT.jsp);本期還選取了華為運(yùn)營(yíng)商市場(chǎng)部關(guān)于視頻戰(zhàn)略發(fā)展演進(jìn)的解析,供大家參考。

    Research and Application of Telecom Customer Churn Prediction Model Based on Big Data Technology

    Xu Naili

    Anhui Branch of China United Network Communications Co., Ltd., Hefei 230061, China

    Finding better ways for customer churns to reduce users' loss and improving customer experiences has become one of the critical competitive abilities for telecom operators. This paper introduces atelecom customer churn prediction model and its applications by using big data mining and artificial intelligence technologies. This model uses the vast amount of call detail records to find the reasons of customer losses and analyzes the characteristics of the lost customers. A customer churn prediction model is established based on these analyses as a tool to help field sales predict possible customer losses. The model is also used to create specific promotions, policies and sales strategies to retain these customers, thus significantly reduces customer losses.

    Big Data; Churn Analysis; Data Mining; Customer Churn; Customer Retention

    猜你喜歡
    維系決策樹(shù)數(shù)據(jù)挖掘
    民族互嵌村落共同體生成與維系機(jī)制研究
    探討人工智能與數(shù)據(jù)挖掘發(fā)展趨勢(shì)
    一種針對(duì)不均衡數(shù)據(jù)集的SVM決策樹(shù)算法
    決策樹(shù)和隨機(jī)森林方法在管理決策中的應(yīng)用
    電子制作(2018年16期)2018-09-26 03:27:06
    是什么維系著婚姻
    海峽姐妹(2018年8期)2018-09-08 07:58:58
    異質(zhì)型村莊共同體何以維系——一個(gè)滇西北民族村寨的互惠實(shí)踐研究
    西藏研究(2017年3期)2017-09-05 09:44:57
    基于并行計(jì)算的大數(shù)據(jù)挖掘在電網(wǎng)中的應(yīng)用
    電力與能源(2017年6期)2017-05-14 06:19:37
    基于決策樹(shù)的出租車(chē)乘客出行目的識(shí)別
    一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用
    基于肺癌CT的決策樹(shù)模型在肺癌診斷中的應(yīng)用
    高清在线国产一区| 精品亚洲成a人片在线观看| 欧美老熟妇乱子伦牲交| 少妇裸体淫交视频免费看高清 | 一区二区三区乱码不卡18| 每晚都被弄得嗷嗷叫到高潮| 国产欧美亚洲国产| 免费看十八禁软件| 高清在线国产一区| 日韩一区二区三区影片| 色老头精品视频在线观看| 久久久久国产精品人妻一区二区| h视频一区二区三区| 99精国产麻豆久久婷婷| 十八禁人妻一区二区| 69精品国产乱码久久久| 午夜激情久久久久久久| 五月天丁香电影| 国产亚洲精品第一综合不卡| 亚洲av日韩精品久久久久久密| 国产欧美日韩一区二区精品| 午夜免费鲁丝| 亚洲国产成人一精品久久久| 国产欧美日韩精品亚洲av| 超色免费av| 免费av中文字幕在线| 欧美人与性动交α欧美软件| 波多野结衣av一区二区av| 亚洲av电影在线进入| 免费在线观看黄色视频的| 日本av手机在线免费观看| 建设人人有责人人尽责人人享有的| 午夜福利一区二区在线看| 高清黄色对白视频在线免费看| 18禁裸乳无遮挡动漫免费视频| 99久久99久久久精品蜜桃| 天天躁夜夜躁狠狠躁躁| 人人妻人人澡人人爽人人夜夜| 亚洲一卡2卡3卡4卡5卡精品中文| 国精品久久久久久国模美| 国产一级毛片在线| 久久精品人人爽人人爽视色| e午夜精品久久久久久久| 99久久综合免费| 18禁观看日本| 国产男女超爽视频在线观看| 老司机午夜福利在线观看视频 | 久久人人爽人人片av| 一区福利在线观看| 麻豆av在线久日| 国产精品欧美亚洲77777| 欧美日韩av久久| 国产精品香港三级国产av潘金莲| 18在线观看网站| 国产人伦9x9x在线观看| 少妇粗大呻吟视频| 91麻豆精品激情在线观看国产 | 18禁观看日本| av有码第一页| 十分钟在线观看高清视频www| 国产亚洲精品一区二区www | 少妇精品久久久久久久| cao死你这个sao货| 伦理电影免费视频| 每晚都被弄得嗷嗷叫到高潮| 一个人免费在线观看的高清视频 | 999精品在线视频| 精品人妻熟女毛片av久久网站| 亚洲美女黄色视频免费看| 人人澡人人妻人| 另类精品久久| 日韩三级视频一区二区三区| 精品一区二区三区四区五区乱码| 欧美人与性动交α欧美软件| 亚洲国产看品久久| 国产精品 国内视频| 亚洲欧洲精品一区二区精品久久久| 亚洲精品成人av观看孕妇| 热99久久久久精品小说推荐| 美女主播在线视频| 夜夜骑夜夜射夜夜干| 国产精品久久久av美女十八| 这个男人来自地球电影免费观看| 久久99热这里只频精品6学生| 悠悠久久av| 国产一区二区激情短视频 | 成年动漫av网址| 国产精品 国内视频| 成人影院久久| 美女视频免费永久观看网站| 90打野战视频偷拍视频| 亚洲综合色网址| 老司机深夜福利视频在线观看 | 人人澡人人妻人| 国产一级毛片在线| 中文字幕另类日韩欧美亚洲嫩草| 久久久精品94久久精品| 三上悠亚av全集在线观看| 美女高潮到喷水免费观看| 亚洲欧美成人综合另类久久久| 大片免费播放器 马上看| 新久久久久国产一级毛片| 免费女性裸体啪啪无遮挡网站| 一级片'在线观看视频| 777久久人妻少妇嫩草av网站| 久久毛片免费看一区二区三区| 十八禁人妻一区二区| 日本av手机在线免费观看| 男人舔女人的私密视频| 永久免费av网站大全| 多毛熟女@视频| 午夜两性在线视频| 女性生殖器流出的白浆| 亚洲免费av在线视频| 在线十欧美十亚洲十日本专区| 成年动漫av网址| 汤姆久久久久久久影院中文字幕| 色播在线永久视频| 伊人久久大香线蕉亚洲五| 捣出白浆h1v1| av又黄又爽大尺度在线免费看| 午夜激情av网站| 久久亚洲国产成人精品v| 免费观看a级毛片全部| 亚洲色图综合在线观看| 国产野战对白在线观看| 男女边摸边吃奶| 男女高潮啪啪啪动态图| 欧美+亚洲+日韩+国产| 美女脱内裤让男人舔精品视频| 国产男人的电影天堂91| 欧美 日韩 精品 国产| 大陆偷拍与自拍| 久久久精品国产亚洲av高清涩受| 欧美精品啪啪一区二区三区 | 久久久久视频综合| 精品国产超薄肉色丝袜足j| www.av在线官网国产| 一区二区av电影网| 亚洲va日本ⅴa欧美va伊人久久 | 成人影院久久| 91成人精品电影| 永久免费av网站大全| 91大片在线观看| 国产成人欧美| 亚洲九九香蕉| 成人18禁高潮啪啪吃奶动态图| 纯流量卡能插随身wifi吗| 一个人免费在线观看的高清视频 | 极品少妇高潮喷水抽搐| 1024视频免费在线观看| 精品卡一卡二卡四卡免费| 巨乳人妻的诱惑在线观看| 日韩大码丰满熟妇| 又黄又粗又硬又大视频| 亚洲成av片中文字幕在线观看| 久久久精品国产亚洲av高清涩受| 久久人人爽人人片av| 女人久久www免费人成看片| 亚洲精品乱久久久久久| 国产精品久久久久久精品电影小说| 女人高潮潮喷娇喘18禁视频| 久久精品熟女亚洲av麻豆精品| 亚洲精品国产精品久久久不卡| 欧美日韩福利视频一区二区| 午夜免费鲁丝| 欧美 日韩 精品 国产| 19禁男女啪啪无遮挡网站| 亚洲精品日韩在线中文字幕| 男女国产视频网站| 国产视频一区二区在线看| 国产欧美日韩精品亚洲av| 成年人黄色毛片网站| 亚洲国产av新网站| 亚洲 欧美一区二区三区| 亚洲五月色婷婷综合| 国产91精品成人一区二区三区 | 人成视频在线观看免费观看| 18禁黄网站禁片午夜丰满| 亚洲国产精品一区三区| 国产精品熟女久久久久浪| 在线观看www视频免费| 国产淫语在线视频| 国产成人精品在线电影| 欧美成狂野欧美在线观看| 久久久精品94久久精品| 在线 av 中文字幕| 日韩电影二区| 美女脱内裤让男人舔精品视频| 视频区图区小说| 高潮久久久久久久久久久不卡| 国产亚洲av高清不卡| avwww免费| 亚洲精品中文字幕一二三四区 | www.熟女人妻精品国产| 欧美日韩精品网址| 久久天堂一区二区三区四区| 操出白浆在线播放| 97精品久久久久久久久久精品| 日韩熟女老妇一区二区性免费视频| 亚洲国产欧美在线一区| 国产无遮挡羞羞视频在线观看| 久久中文字幕一级| 亚洲情色 制服丝袜| 在线观看人妻少妇| 国产熟女午夜一区二区三区| 久久久久国产精品人妻一区二区| 国产亚洲精品久久久久5区| 亚洲欧洲精品一区二区精品久久久| 自线自在国产av| 中亚洲国语对白在线视频| 国产成人a∨麻豆精品| 人妻 亚洲 视频| 日韩有码中文字幕| 日韩中文字幕欧美一区二区| 69av精品久久久久久 | 亚洲国产欧美日韩在线播放| 一级,二级,三级黄色视频| 男男h啪啪无遮挡| 久热这里只有精品99| 亚洲熟女精品中文字幕| 久热爱精品视频在线9| 精品久久久久久久毛片微露脸 | 久久狼人影院| bbb黄色大片| 一二三四在线观看免费中文在| 国产免费现黄频在线看| 色视频在线一区二区三区| 亚洲第一av免费看| 99热网站在线观看| 中文字幕制服av| 亚洲精华国产精华精| 国产成人a∨麻豆精品| 热99久久久久精品小说推荐| 欧美另类亚洲清纯唯美| 国产日韩欧美亚洲二区| 人人妻人人澡人人看| 国产精品1区2区在线观看. | 日韩电影二区| 首页视频小说图片口味搜索| 亚洲av成人不卡在线观看播放网 | 丝瓜视频免费看黄片| 1024视频免费在线观看| 老司机深夜福利视频在线观看 | av不卡在线播放| 91精品三级在线观看| 一级片'在线观看视频| 亚洲 国产 在线| 亚洲一区二区三区欧美精品| 色老头精品视频在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 久久99一区二区三区| 免费一级毛片在线播放高清视频 | 91成年电影在线观看| 男女高潮啪啪啪动态图| 免费黄频网站在线观看国产| 菩萨蛮人人尽说江南好唐韦庄| 激情视频va一区二区三区| 男女免费视频国产| 一本综合久久免费| 欧美日本中文国产一区发布| √禁漫天堂资源中文www| 新久久久久国产一级毛片| 后天国语完整版免费观看| 色老头精品视频在线观看| 在线天堂中文资源库| 国产精品欧美亚洲77777| 国产亚洲av片在线观看秒播厂| 欧美成狂野欧美在线观看| 老司机在亚洲福利影院| 黄频高清免费视频| 国产在视频线精品| 老司机影院毛片| 国产成人av激情在线播放| 国产主播在线观看一区二区| 成人三级做爰电影| 国产日韩欧美在线精品| 一本色道久久久久久精品综合| 国产精品久久久久久精品古装| 69av精品久久久久久 | 国产成人系列免费观看| 久久久精品国产亚洲av高清涩受| 久久久久久久国产电影| 国产成人影院久久av| 欧美精品啪啪一区二区三区 | 脱女人内裤的视频| 国产又色又爽无遮挡免| 中文精品一卡2卡3卡4更新| www.自偷自拍.com| 一区在线观看完整版| 一级黄色大片毛片| 麻豆av在线久日| 欧美国产精品va在线观看不卡| 性高湖久久久久久久久免费观看| 亚洲 欧美一区二区三区| 宅男免费午夜| 正在播放国产对白刺激| 少妇被粗大的猛进出69影院| 2018国产大陆天天弄谢| 免费黄频网站在线观看国产| 十分钟在线观看高清视频www| 18禁观看日本| 国产极品粉嫩免费观看在线| 悠悠久久av| 欧美亚洲 丝袜 人妻 在线| 欧美性长视频在线观看| 精品免费久久久久久久清纯 | 亚洲欧美日韩高清在线视频 | 一区二区三区精品91| 777久久人妻少妇嫩草av网站| 狠狠婷婷综合久久久久久88av| 午夜福利视频精品| 国产精品九九99| 人人澡人人妻人| 欧美午夜高清在线| 欧美精品av麻豆av| a级片在线免费高清观看视频| 欧美日韩亚洲国产一区二区在线观看 | 大片电影免费在线观看免费| 啦啦啦免费观看视频1| e午夜精品久久久久久久| 亚洲 国产 在线| 久9热在线精品视频| 一区二区三区激情视频| 成人手机av| 一二三四在线观看免费中文在| 久久99一区二区三区| 午夜福利影视在线免费观看| 狠狠婷婷综合久久久久久88av| 99九九在线精品视频| 国产免费现黄频在线看| 9191精品国产免费久久| 久久中文字幕一级| 亚洲自偷自拍图片 自拍| 亚洲性夜色夜夜综合| 黄色毛片三级朝国网站| 国产精品.久久久| 精品国产乱子伦一区二区三区 | netflix在线观看网站| 国产三级黄色录像| 日日夜夜操网爽| 国产在线视频一区二区| 啦啦啦视频在线资源免费观看| 捣出白浆h1v1| 久久国产亚洲av麻豆专区| 亚洲精品美女久久av网站| 我的亚洲天堂| 日韩,欧美,国产一区二区三区| 人人妻人人添人人爽欧美一区卜| 欧美日本中文国产一区发布| 真人做人爱边吃奶动态| videosex国产| 亚洲国产欧美网| 国产精品.久久久| 啦啦啦视频在线资源免费观看| 久久久水蜜桃国产精品网| 日本av手机在线免费观看| 在线精品无人区一区二区三| 国产av国产精品国产| 亚洲精品粉嫩美女一区| 男男h啪啪无遮挡| 成人免费观看视频高清| netflix在线观看网站| 精品久久久久久久毛片微露脸 | 欧美日本中文国产一区发布| 在线观看免费高清a一片| 国产在线免费精品| 色播在线永久视频| 捣出白浆h1v1| 正在播放国产对白刺激| 在线观看人妻少妇| a级毛片在线看网站| tocl精华| 91国产中文字幕| 亚洲欧美精品综合一区二区三区| 亚洲精品中文字幕一二三四区 | 夫妻午夜视频| 日本欧美视频一区| 久久久国产成人免费| 欧美日韩精品网址| 免费高清在线观看日韩| 久久人人爽av亚洲精品天堂| 巨乳人妻的诱惑在线观看| 亚洲国产av影院在线观看| 黄色 视频免费看| 成年人黄色毛片网站| 亚洲精品成人av观看孕妇| 香蕉丝袜av| 久久人人爽av亚洲精品天堂| 日韩欧美一区视频在线观看| 老司机午夜福利在线观看视频 | 飞空精品影院首页| 欧美在线一区亚洲| 99国产精品一区二区三区| 99精国产麻豆久久婷婷| 中文字幕av电影在线播放| 午夜免费观看性视频| 大码成人一级视频| 日韩制服丝袜自拍偷拍| 中文字幕人妻熟女乱码| 水蜜桃什么品种好| 免费观看人在逋| 国精品久久久久久国模美| kizo精华| 成年女人毛片免费观看观看9 | 久久久久久亚洲精品国产蜜桃av| 黄色 视频免费看| 视频在线观看一区二区三区| 亚洲自偷自拍图片 自拍| 啦啦啦 在线观看视频| 男女高潮啪啪啪动态图| 深夜精品福利| 国产免费视频播放在线视频| 最近中文字幕2019免费版| 中文字幕精品免费在线观看视频| 亚洲黑人精品在线| 午夜两性在线视频| 99热国产这里只有精品6| 十八禁高潮呻吟视频| 成年女人毛片免费观看观看9 | 在线观看人妻少妇| 欧美黄色淫秽网站| 日韩精品免费视频一区二区三区| 青春草亚洲视频在线观看| 深夜精品福利| 精品卡一卡二卡四卡免费| 免费观看av网站的网址| 免费在线观看视频国产中文字幕亚洲 | 人人澡人人妻人| 黄色视频不卡| 亚洲欧美清纯卡通| 1024视频免费在线观看| 女人被躁到高潮嗷嗷叫费观| 国产成人免费观看mmmm| 亚洲国产看品久久| 久久国产精品人妻蜜桃| 成人亚洲精品一区在线观看| 不卡av一区二区三区| 久久免费观看电影| 免费在线观看影片大全网站| 色婷婷av一区二区三区视频| 在线观看免费视频网站a站| 青春草亚洲视频在线观看| 亚洲精品粉嫩美女一区| 老司机深夜福利视频在线观看 | 18禁观看日本| av又黄又爽大尺度在线免费看| 欧美国产精品一级二级三级| 国产伦理片在线播放av一区| 热re99久久国产66热| 国内毛片毛片毛片毛片毛片| 亚洲欧美精品综合一区二区三区| 男人操女人黄网站| 亚洲成人免费av在线播放| 色综合欧美亚洲国产小说| 考比视频在线观看| 日日摸夜夜添夜夜添小说| 欧美激情高清一区二区三区| 老司机在亚洲福利影院| 一区在线观看完整版| 亚洲少妇的诱惑av| 夫妻午夜视频| a级片在线免费高清观看视频| 丰满人妻熟妇乱又伦精品不卡| 欧美在线黄色| 各种免费的搞黄视频| 在线观看人妻少妇| 亚洲国产av新网站| 午夜精品国产一区二区电影| 狠狠狠狠99中文字幕| 亚洲天堂av无毛| 999久久久精品免费观看国产| 国产一区二区三区av在线| 999久久久精品免费观看国产| 国产精品偷伦视频观看了| 国产视频一区二区在线看| 丝袜人妻中文字幕| 黄网站色视频无遮挡免费观看| 日韩人妻精品一区2区三区| 久久国产精品影院| 亚洲精品日韩在线中文字幕| 少妇 在线观看| 在线看a的网站| 久久精品亚洲熟妇少妇任你| 亚洲九九香蕉| 搡老熟女国产l中国老女人| 亚洲av日韩精品久久久久久密| 一区二区三区四区激情视频| 欧美黑人欧美精品刺激| 久久久久久久久免费视频了| 欧美老熟妇乱子伦牲交| 中文字幕最新亚洲高清| 国产精品国产av在线观看| 黑人猛操日本美女一级片| 国产精品香港三级国产av潘金莲| 欧美日韩亚洲国产一区二区在线观看 | 国产精品香港三级国产av潘金莲| 亚洲国产欧美在线一区| 午夜影院在线不卡| 777米奇影视久久| 日韩 欧美 亚洲 中文字幕| 亚洲第一欧美日韩一区二区三区 | 成人av一区二区三区在线看 | 久久精品国产a三级三级三级| 久久精品久久久久久噜噜老黄| 女人被躁到高潮嗷嗷叫费观| 香蕉国产在线看| 国产亚洲一区二区精品| 久久性视频一级片| 热re99久久精品国产66热6| 亚洲五月婷婷丁香| 老司机在亚洲福利影院| 99国产精品一区二区蜜桃av | 亚洲精品日韩在线中文字幕| 一级a爱视频在线免费观看| 电影成人av| 狂野欧美激情性bbbbbb| 亚洲激情五月婷婷啪啪| 国产日韩欧美视频二区| 中国美女看黄片| 久久久久国产精品人妻一区二区| 老鸭窝网址在线观看| 一边摸一边抽搐一进一出视频| 男女下面插进去视频免费观看| 欧美激情久久久久久爽电影 | 在线永久观看黄色视频| 国产高清videossex| 宅男免费午夜| 我的亚洲天堂| 19禁男女啪啪无遮挡网站| 在线观看免费高清a一片| 国产精品一区二区在线观看99| 男男h啪啪无遮挡| 精品国产乱码久久久久久男人| 女人爽到高潮嗷嗷叫在线视频| 香蕉丝袜av| 久久精品亚洲熟妇少妇任你| 电影成人av| 亚洲精品成人av观看孕妇| 亚洲精品久久久久久婷婷小说| 侵犯人妻中文字幕一二三四区| 午夜精品久久久久久毛片777| 国产真人三级小视频在线观看| 国产99久久九九免费精品| 69av精品久久久久久 | 欧美日韩中文字幕国产精品一区二区三区 | 国产免费一区二区三区四区乱码| 母亲3免费完整高清在线观看| 纯流量卡能插随身wifi吗| 欧美中文综合在线视频| 91成年电影在线观看| 黑人巨大精品欧美一区二区mp4| 99久久精品国产亚洲精品| 91麻豆精品激情在线观看国产 | 汤姆久久久久久久影院中文字幕| 国产日韩欧美亚洲二区| 人人澡人人妻人| 亚洲精品中文字幕一二三四区 | 90打野战视频偷拍视频| 秋霞在线观看毛片| 18禁裸乳无遮挡动漫免费视频| 99re6热这里在线精品视频| www日本在线高清视频| 在线观看免费午夜福利视频| av视频免费观看在线观看| 王馨瑶露胸无遮挡在线观看| 亚洲五月婷婷丁香| 啦啦啦免费观看视频1| 中文字幕av电影在线播放| 日韩人妻精品一区2区三区| 午夜免费成人在线视频| 9色porny在线观看| 大型av网站在线播放| 欧美+亚洲+日韩+国产| av天堂久久9| 男女之事视频高清在线观看| 亚洲国产成人一精品久久久| 男女高潮啪啪啪动态图| 中文字幕另类日韩欧美亚洲嫩草| 亚洲国产欧美日韩在线播放| 欧美国产精品一级二级三级| 国产精品av久久久久免费| 动漫黄色视频在线观看| 国产亚洲欧美精品永久| 精品久久久久久久毛片微露脸 | 日韩人妻精品一区2区三区| 午夜免费成人在线视频| 国产成人av激情在线播放| 亚洲黑人精品在线| 亚洲少妇的诱惑av| 一级毛片女人18水好多| 久久天躁狠狠躁夜夜2o2o| 国产亚洲av片在线观看秒播厂| 啦啦啦中文免费视频观看日本| 色精品久久人妻99蜜桃| 波多野结衣av一区二区av| 啦啦啦在线免费观看视频4| 国产黄色免费在线视频| av在线老鸭窝| 久久国产亚洲av麻豆专区| 亚洲人成电影观看| 国产又爽黄色视频| 精品少妇内射三级| 成年人黄色毛片网站| h视频一区二区三区| 人妻人人澡人人爽人人| 美女主播在线视频| 91麻豆精品激情在线观看国产 | 免费观看人在逋| 纯流量卡能插随身wifi吗| av天堂久久9| 国产福利在线免费观看视频| 人人妻,人人澡人人爽秒播| 亚洲欧美日韩高清在线视频 | 熟女少妇亚洲综合色aaa.|