CRM是英文Customer Relationship Management的缩写，中文译为“客户关系管理”，从本质上看，CRM是利用信息技术来实现关系营销战略。客户挽留是CRM的重要内容，通过对客户进行离网预测进而实现客户挽留是电信业CRM的重要功能。 尽管国内外电信业都是CRM应用最广泛的行业，但由于国内电信业CRM的建设缺乏从整个企业的战略高度来进行统筹规划，没有使运营商实现自身经营模式及战略的根本转变。同时，国内电信业CRM对客户离网流失控制的关注非常有限，普遍采用决策树建模预测客户离网的准确率不是很理想，现有客户流失管理工作未形成自动化，存在手工操作、数据准确性差、效率低等诸多问题。 人工神经网络(Artificial Neural Networks，NN)系统从20世纪40年代末诞生以来，在短短半个多世纪里，由于它具有信息的分布存储、并行处理以及自学能力等优点，已经在信息处理、模式识别、智能控制及系统建模等领域越来越广泛地应用。尤其是基于误差反向传播(Error Back Propagation)算法的多层前馈网络(Mulfiple．Layer Feedforward Network)(简称BP网络)，以任意精度逼近任意的连续函数而广泛应用于非线性建模、函数逼近、模式分类等方面。电信业客户离网行为预测可看作一个模式分类问题，从神经网络的应用范畴来看，应用BP神经网络来进行客户离网预测应是合理的，但在国内外相关文献上未见有关BP神经网络运用于电信业客户离网的论述。 本文对CRM基础理论、eTOM模型以及国内运营商支撑系统的现状进行了研究，创新性地提出了中国电信业CRM体系框架，为电信运营商的CRM规划和建设提供了一个可供参考的蓝本。在此框架的基础上自行设计了客户挽留闭环流程。 本文在研究BP神经网络理论的基础上，将人工神经网络技术应用于电信业客户离网预测，结合电信业客户的消费特征，提取了可能影响客户离网的诸多因素，构建了电信业客户离网预测的BP神经网络模型。并从神经网络结构设计、学习算法、训练方式等的选择对BP神经网络应用于客户离网预测可能出现的局部极小、过拟合、收敛速度慢等问题进行了尝试。 仿真结果表明，本文研究选定的120-30-2的神经网络结构、改进的BP算法、引入验证样本及时停止训练的方式，使得模型的离网预测准确率达到90％，并具有较快的收敛速度，有效地避免了局部极小和过拟合现象发生，本文设计的客户离网预测BP神经网络模型有很高的准确性和很强的泛化能力，适于应用推广。 最后，在取得的仿真研究成果基础上，利用C/C++语言实现了BP神经网络的运算，结合客户挽留的相关过程，组织设计并开发了大客户离网预警系统，并投入生产运营，取得了很好的效果。本项研究成果不仅具有实验室价值，而且产生了较好的经济效益和社会效益，在电信业务实践中检验了CRM理论效用。