• <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
    性高湖久久久久久久久免费观看| 熟女av电影| 午夜激情久久久久久久| 亚洲国产成人一精品久久久| 欧美另类一区| 成人免费观看视频高清| 另类精品久久| 亚洲综合色惰| 欧美97在线视频| 人人澡人人妻人| 大话2 男鬼变身卡| 丰满饥渴人妻一区二区三| 免费播放大片免费观看视频在线观看| 如何舔出高潮| 久久久久久伊人网av| 久久久久国产网址| 建设人人有责人人尽责人人享有的| 日韩av免费高清视频| 寂寞人妻少妇视频99o| 亚洲精品一区蜜桃| 搡老乐熟女国产| 寂寞人妻少妇视频99o| 国产深夜福利视频在线观看| 最近手机中文字幕大全| 汤姆久久久久久久影院中文字幕| 国产伦理片在线播放av一区| 曰老女人黄片| 久久午夜综合久久蜜桃| 日本免费在线观看一区| 日韩中文字幕视频在线看片| 国产成人精品无人区| 少妇精品久久久久久久| 国产日韩欧美视频二区| av国产精品久久久久影院| 国产 一区精品| 欧美xxⅹ黑人| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 热re99久久国产66热| 观看av在线不卡| 精品亚洲成a人片在线观看| 不卡av一区二区三区| 午夜激情久久久久久久| 国产精品国产三级专区第一集| 亚洲伊人色综图| 国精品久久久久久国模美| 日韩大片免费观看网站| 亚洲av日韩在线播放| 精品人妻在线不人妻| 精品少妇内射三级| 亚洲伊人久久精品综合| 午夜福利在线免费观看网站| 香蕉精品网在线| 美女福利国产在线| 国产97色在线日韩免费| 国产男女超爽视频在线观看| av在线老鸭窝| av不卡在线播放| 国产精品欧美亚洲77777| 亚洲欧美一区二区三区黑人 | 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 波野结衣二区三区在线| 婷婷色av中文字幕| 精品卡一卡二卡四卡免费| 少妇人妻久久综合中文| 黑丝袜美女国产一区| 伊人久久国产一区二区| 伦理电影免费视频| 在线观看免费日韩欧美大片| 成年人免费黄色播放视频| 91成人精品电影| 在线观看免费高清a一片| 亚洲天堂av无毛| 国产精品.久久久| 色94色欧美一区二区| 国产一区有黄有色的免费视频| 精品国产乱码久久久久久男人| 七月丁香在线播放| 国产一区二区激情短视频 | 尾随美女入室| 日本欧美国产在线视频| 欧美中文综合在线视频| 亚洲精品aⅴ在线观看| 国产欧美日韩一区二区三区在线| 久久久久人妻精品一区果冻| 国产成人精品久久久久久| 亚洲精品一区蜜桃| 亚洲情色 制服丝袜| 日韩av不卡免费在线播放| 男女无遮挡免费网站观看| 久久久久久久精品精品| 欧美bdsm另类| 男女下面插进去视频免费观看| 另类亚洲欧美激情| 久久久久精品性色| 又大又黄又爽视频免费| 亚洲,欧美精品.| 日韩中文字幕欧美一区二区 | 国产熟女欧美一区二区| 国产精品国产三级专区第一集| 久久久国产欧美日韩av| 99久国产av精品国产电影| 亚洲国产av影院在线观看| 成年美女黄网站色视频大全免费| 婷婷成人精品国产| 2018国产大陆天天弄谢| 只有这里有精品99| 18禁国产床啪视频网站| 久久精品夜色国产| √禁漫天堂资源中文www| 国产精品无大码| 岛国毛片在线播放| 天堂俺去俺来也www色官网| 十分钟在线观看高清视频www| 午夜日本视频在线| 老汉色av国产亚洲站长工具| 亚洲欧美色中文字幕在线| 久久久久久久大尺度免费视频| 老司机亚洲免费影院| 久久久国产一区二区| 日韩伦理黄色片| 亚洲人成77777在线视频| 国产又爽黄色视频| 亚洲欧美中文字幕日韩二区| 亚洲精品乱久久久久久| 亚洲一码二码三码区别大吗| 两个人免费观看高清视频| 亚洲精品第二区| 日韩av在线免费看完整版不卡| 国产高清不卡午夜福利| 国产爽快片一区二区三区| 亚洲婷婷狠狠爱综合网| 菩萨蛮人人尽说江南好唐韦庄| 国产av精品麻豆| 免费看不卡的av| av线在线观看网站| 人妻少妇偷人精品九色| 我的亚洲天堂| 免费播放大片免费观看视频在线观看| 99精国产麻豆久久婷婷| 看免费成人av毛片| 男女午夜视频在线观看| 久久精品国产综合久久久| 精品久久蜜臀av无| 婷婷色麻豆天堂久久| 亚洲av欧美aⅴ国产| 欧美97在线视频| 午夜影院在线不卡| 久久久国产欧美日韩av| 亚洲国产成人一精品久久久| 精品少妇一区二区三区视频日本电影 | 亚洲国产最新在线播放| 人人澡人人妻人| www.精华液| 国产成人91sexporn| 91aial.com中文字幕在线观看| 纵有疾风起免费观看全集完整版| 久久人妻熟女aⅴ| 天堂中文最新版在线下载| 欧美老熟妇乱子伦牲交| 国产xxxxx性猛交| 丝袜喷水一区| 三级国产精品片| a级毛片黄视频| 国产精品99久久99久久久不卡 | 久久 成人 亚洲| 亚洲精品国产色婷婷电影| 日本色播在线视频| 欧美日韩精品成人综合77777| 只有这里有精品99| 日韩av在线免费看完整版不卡| 一区二区三区精品91| 交换朋友夫妻互换小说| 日韩熟女老妇一区二区性免费视频| 一区福利在线观看| 男女无遮挡免费网站观看| 国产精品麻豆人妻色哟哟久久| 欧美97在线视频| 飞空精品影院首页| 国产精品久久久久久久久免| 香蕉精品网在线| 日本91视频免费播放| 80岁老熟妇乱子伦牲交| 国产精品久久久久久久久免| 777久久人妻少妇嫩草av网站| 韩国高清视频一区二区三区| 国产在线一区二区三区精| 午夜影院在线不卡| 18禁国产床啪视频网站| a级片在线免费高清观看视频| 亚洲av电影在线进入| 男女边摸边吃奶| 欧美日韩精品成人综合77777| 国产黄色免费在线视频| 精品一区二区三区四区五区乱码 | 国产精品无大码| 天美传媒精品一区二区| 久久久久久久国产电影| 亚洲第一区二区三区不卡| 色哟哟·www| 我要看黄色一级片免费的| 国产一区有黄有色的免费视频| 欧美日韩一区二区视频在线观看视频在线| 精品一区在线观看国产| 777久久人妻少妇嫩草av网站| 老女人水多毛片| 国产在线免费精品| 熟女少妇亚洲综合色aaa.| 国产精品99久久99久久久不卡| 精品一品国产午夜福利视频| 男女床上黄色一级片免费看| 久久久精品国产亚洲av高清涩受| 国产精品一区二区精品视频观看| 欧美黑人精品巨大| 国产97色在线日韩免费| 亚洲全国av大片| 中亚洲国语对白在线视频| 久久久久久久久中文| 一进一出好大好爽视频| 精品午夜福利视频在线观看一区| 日韩精品青青久久久久久| 国产精品 国内视频| 在线国产一区二区在线| 老汉色av国产亚洲站长工具| av天堂久久9| 亚洲精品一区av在线观看| 最近最新免费中文字幕在线| 国产免费男女视频| 久久精品国产清高在天天线| cao死你这个sao货| av国产精品久久久久影院| 老熟妇仑乱视频hdxx| 国产一区二区三区在线臀色熟女 | 亚洲精品在线观看二区| 欧美在线一区亚洲| 两个人看的免费小视频| 国产主播在线观看一区二区| 女性生殖器流出的白浆| 国产免费av片在线观看野外av| 国产精品成人在线| 搡老熟女国产l中国老女人| 亚洲欧美日韩无卡精品| 久久精品亚洲av国产电影网| 黑人欧美特级aaaaaa片| 最好的美女福利视频网| 满18在线观看网站| 精品第一国产精品| 波多野结衣高清无吗| а√天堂www在线а√下载| 精品午夜福利视频在线观看一区| 国产亚洲av高清不卡| 五月开心婷婷网| 精品欧美一区二区三区在线| 丰满饥渴人妻一区二区三| 久久香蕉国产精品| 法律面前人人平等表现在哪些方面| 高清欧美精品videossex| 99精品欧美一区二区三区四区| 欧美精品一区二区免费开放| 少妇的丰满在线观看| 国产视频一区二区在线看| 亚洲久久久国产精品| 亚洲欧美激情综合另类| 一边摸一边做爽爽视频免费| av有码第一页| 国产精品一区二区免费欧美| 午夜影院日韩av| cao死你这个sao货| 窝窝影院91人妻| 免费看a级黄色片| 性色av乱码一区二区三区2| 欧美最黄视频在线播放免费 | 久久亚洲精品不卡| 后天国语完整版免费观看| 国产亚洲精品综合一区在线观看 | 欧美激情高清一区二区三区| √禁漫天堂资源中文www| 不卡一级毛片| 天堂√8在线中文| 欧美黄色淫秽网站| 亚洲欧美激情在线| 欧美日韩乱码在线| 黄色a级毛片大全视频| 久久亚洲精品不卡| 午夜精品久久久久久毛片777| 精品卡一卡二卡四卡免费| 免费少妇av软件| 嫩草影院精品99| 黄色怎么调成土黄色| 国产精品影院久久| 亚洲七黄色美女视频| 免费一级毛片在线播放高清视频 | 欧美激情 高清一区二区三区| 18禁美女被吸乳视频| 国产av一区在线观看免费| 亚洲成人久久性| av在线天堂中文字幕 | 久久精品亚洲熟妇少妇任你| 亚洲成人国产一区在线观看| 精品久久久久久电影网| 超碰97精品在线观看| 亚洲九九香蕉| xxx96com| 国产真人三级小视频在线观看| 久久国产精品人妻蜜桃| 国产av一区二区精品久久| 欧美一级毛片孕妇| 黄色成人免费大全| 精品久久久久久久毛片微露脸| 一级片'在线观看视频| 久久久久久免费高清国产稀缺| 欧美日韩亚洲综合一区二区三区_| 视频区图区小说| 九色亚洲精品在线播放| 女性生殖器流出的白浆| 成人18禁在线播放| 久久人人精品亚洲av| 国产精品 国内视频| 脱女人内裤的视频| 另类亚洲欧美激情| 亚洲欧洲精品一区二区精品久久久| 天天影视国产精品| av网站在线播放免费| 欧美av亚洲av综合av国产av| 精品久久蜜臀av无| 无遮挡黄片免费观看| 69精品国产乱码久久久| 黄色 视频免费看| www.www免费av| 欧美精品亚洲一区二区| 久久亚洲真实| 色老头精品视频在线观看| 男女之事视频高清在线观看| 超碰成人久久| 中文字幕另类日韩欧美亚洲嫩草| 中文字幕av电影在线播放| 国产成年人精品一区二区 | 在线永久观看黄色视频| 成人影院久久| 岛国视频午夜一区免费看| 国产高清国产精品国产三级| 两个人免费观看高清视频| 亚洲精品国产一区二区精华液| 欧美av亚洲av综合av国产av| 精品午夜福利视频在线观看一区| 久久狼人影院| 成人18禁在线播放| 欧美老熟妇乱子伦牲交| 久久人人爽av亚洲精品天堂| 长腿黑丝高跟| 在线观看免费高清a一片| 一二三四社区在线视频社区8| 黄片播放在线免费| 亚洲国产精品999在线| 亚洲人成伊人成综合网2020| 国产高清视频在线播放一区| 国产欧美日韩综合在线一区二区| 日韩欧美国产一区二区入口| 日本vs欧美在线观看视频| 99久久人妻综合| 99riav亚洲国产免费| 欧美 亚洲 国产 日韩一| 久久人妻福利社区极品人妻图片| 日日夜夜操网爽| 久久久水蜜桃国产精品网| 黄色怎么调成土黄色| 91精品三级在线观看| 9色porny在线观看| 国产主播在线观看一区二区| 精品久久蜜臀av无| 日本五十路高清| 麻豆av在线久日| 色老头精品视频在线观看| 国产免费现黄频在线看| 50天的宝宝边吃奶边哭怎么回事| 黄色女人牲交| 国产精品秋霞免费鲁丝片| 亚洲 国产 在线| 午夜免费激情av| 淫妇啪啪啪对白视频| 国产精品香港三级国产av潘金莲| 久久久久久亚洲精品国产蜜桃av| 国产乱人伦免费视频| 在线看a的网站| 日日摸夜夜添夜夜添小说| 欧美黑人精品巨大| 精品第一国产精品| 亚洲国产精品999在线| 国产成人一区二区三区免费视频网站| 水蜜桃什么品种好| 这个男人来自地球电影免费观看| 老司机亚洲免费影院| 久久精品人人爽人人爽视色| 我的亚洲天堂| 宅男免费午夜| 脱女人内裤的视频| 国产精品国产av在线观看| e午夜精品久久久久久久| 亚洲精品一区av在线观看| 69精品国产乱码久久久| 亚洲精品在线观看二区| 亚洲成国产人片在线观看| 亚洲av成人不卡在线观看播放网| 国产欧美日韩一区二区精品| 成人国产一区最新在线观看| 99香蕉大伊视频| 水蜜桃什么品种好| 黄频高清免费视频| 在线十欧美十亚洲十日本专区| 国产一区二区三区在线臀色熟女 | 国产熟女xx| 99re在线观看精品视频| 亚洲欧美精品综合久久99| 精品人妻1区二区| 香蕉国产在线看| 丝袜在线中文字幕| 日韩大码丰满熟妇| 欧美日韩精品网址| 男女下面插进去视频免费观看| 好看av亚洲va欧美ⅴa在| 欧美日本中文国产一区发布| 成人影院久久| 免费av毛片视频| 精品久久久久久成人av| 国产野战对白在线观看| 日本撒尿小便嘘嘘汇集6| 国产欧美日韩一区二区三区在线| 男人的好看免费观看在线视频 | 亚洲avbb在线观看| 亚洲欧美日韩无卡精品| 交换朋友夫妻互换小说| 欧美性长视频在线观看| 久久中文字幕一级| 女人爽到高潮嗷嗷叫在线视频| 国产精品一区二区三区四区久久 | 黑人欧美特级aaaaaa片| 亚洲成人国产一区在线观看| 国产精品偷伦视频观看了| 欧美日韩精品网址| 日本a在线网址| 国产1区2区3区精品| 99国产精品免费福利视频| 在线播放国产精品三级| 可以免费在线观看a视频的电影网站| 少妇 在线观看| 亚洲精品中文字幕一二三四区| 日日摸夜夜添夜夜添小说| 亚洲狠狠婷婷综合久久图片| 久久精品亚洲熟妇少妇任你| 十八禁人妻一区二区| 中文字幕精品免费在线观看视频| 欧美不卡视频在线免费观看 | videosex国产| 久久精品国产综合久久久| 香蕉丝袜av| 亚洲av五月六月丁香网| 久久九九热精品免费| 欧美日韩亚洲高清精品| 欧美中文日本在线观看视频| 亚洲视频免费观看视频| 可以在线观看毛片的网站| 一个人免费在线观看的高清视频| 日韩精品中文字幕看吧| 这个男人来自地球电影免费观看| 纯流量卡能插随身wifi吗| 桃色一区二区三区在线观看| 久久精品国产亚洲av香蕉五月| 精品一区二区三区av网在线观看| 国产一区二区三区在线臀色熟女 | 91国产中文字幕| 亚洲 国产 在线| 老司机午夜十八禁免费视频| 精品一区二区三卡| 精品一区二区三区av网在线观看| 国产精品自产拍在线观看55亚洲| 日韩精品中文字幕看吧| 久久九九热精品免费| 99久久人妻综合| 国产亚洲欧美精品永久| 国产精品免费一区二区三区在线| 色综合婷婷激情| 欧美在线一区亚洲| 丝袜在线中文字幕| 首页视频小说图片口味搜索| 国产免费av片在线观看野外av| 免费在线观看日本一区| 国产亚洲精品久久久久5区| 国产精品98久久久久久宅男小说| 国产av又大| 最好的美女福利视频网| 伦理电影免费视频| videosex国产| 精品福利观看| 欧美日韩福利视频一区二区| 在线视频色国产色| 黑人欧美特级aaaaaa片| 叶爱在线成人免费视频播放| 亚洲精品一卡2卡三卡4卡5卡| 两性夫妻黄色片| 免费看a级黄色片| 色尼玛亚洲综合影院| 十八禁网站免费在线| 韩国av一区二区三区四区| 国产精品 国内视频| 欧美日韩亚洲高清精品| 婷婷丁香在线五月| 老汉色av国产亚洲站长工具| 不卡av一区二区三区| 日韩大码丰满熟妇| 日本五十路高清| 丰满人妻熟妇乱又伦精品不卡| 国产精品九九99| 又黄又爽又免费观看的视频| 又大又爽又粗| 嫩草影视91久久| 精品日产1卡2卡| 一二三四社区在线视频社区8| 久久精品亚洲精品国产色婷小说| 桃红色精品国产亚洲av| 亚洲精品在线观看二区| 伦理电影免费视频| 天天添夜夜摸| 黄色成人免费大全| 女警被强在线播放| 亚洲国产看品久久| 一级毛片精品| av网站免费在线观看视频| 一进一出抽搐gif免费好疼 | 99国产精品免费福利视频| 午夜福利影视在线免费观看| 亚洲五月婷婷丁香| 日本五十路高清| 正在播放国产对白刺激| 久久久久久大精品| 麻豆成人av在线观看| 一进一出抽搐动态| 国产av一区二区精品久久| 在线观看免费高清a一片| 国产精品久久久久久人妻精品电影| 不卡一级毛片| 精品日产1卡2卡| 日韩三级视频一区二区三区| 激情在线观看视频在线高清| 国产欧美日韩综合在线一区二区| 久久精品aⅴ一区二区三区四区| 日日爽夜夜爽网站| 国产成人精品无人区| 999精品在线视频| 91麻豆av在线| 欧美激情极品国产一区二区三区| 岛国在线观看网站| 国产欧美日韩一区二区精品| av在线播放免费不卡| 国产精品电影一区二区三区| 高清黄色对白视频在线免费看| 女人被躁到高潮嗷嗷叫费观| 国产精品久久电影中文字幕| 久久精品人人爽人人爽视色| 又紧又爽又黄一区二区| 国产97色在线日韩免费| 男女床上黄色一级片免费看| 亚洲国产精品合色在线| 99香蕉大伊视频| 精品一品国产午夜福利视频| 看黄色毛片网站| www.www免费av| 色在线成人网| 亚洲精品久久午夜乱码| 日韩av在线大香蕉| 亚洲 国产 在线| 级片在线观看| 日本免费a在线| 悠悠久久av| 日本三级黄在线观看| 嫩草影院精品99| 精品一区二区三区视频在线观看免费 | 国产精品一区二区免费欧美| 亚洲欧美一区二区三区黑人| 欧美一区二区精品小视频在线| 欧美中文综合在线视频| 天天添夜夜摸| 亚洲精品中文字幕在线视频| 免费久久久久久久精品成人欧美视频| 久久久水蜜桃国产精品网| 国产乱人伦免费视频| aaaaa片日本免费| 美女高潮喷水抽搐中文字幕| 又黄又爽又免费观看的视频| 久久这里只有精品19| 欧美黄色片欧美黄色片| 超碰成人久久| 国产成人影院久久av| 每晚都被弄得嗷嗷叫到高潮| 久久久久久亚洲精品国产蜜桃av| 午夜a级毛片| 久久青草综合色| 窝窝影院91人妻| 91精品三级在线观看| 精品国内亚洲2022精品成人| 嫩草影院精品99| 变态另类成人亚洲欧美熟女 | 久久精品亚洲av国产电影网| 麻豆成人av在线观看| 久99久视频精品免费| 村上凉子中文字幕在线| 午夜成年电影在线免费观看| 亚洲熟妇中文字幕五十中出 | 欧美日韩乱码在线| 午夜两性在线视频| 18禁黄网站禁片午夜丰满| 久久人人精品亚洲av| 男女高潮啪啪啪动态图| 在线天堂中文资源库| 日韩免费高清中文字幕av| 国产精品久久视频播放| 亚洲精品中文字幕在线视频|