基于数据挖掘技术的个人客户识别模型的研究及应用

论文摘要

随着电信企业的重组和3G牌照的发放,中国电信市场进入更加激烈的全业务竞争时代,如何适应日趋激烈的市场竞争环境,成为电信企业的重要问题。电信行业重组,中国移动面临着诸多的压力:如何应对由技术发展日新月异而引起的错综复杂的产业格局?如何经营自主研发的、不太成熟、在国际舞台上支撑力度弱的TD标准?如何应对“一家独大”局面受到的不对称监管的困境?如何经营已经开始的全业务模式?如果还是通过一些传统的、简单的数据统计,对于数据的利用仅限于数据的表层信息,而没有去挖掘数据之间更加深层次的信息,是不可能从如此海量的数据和信息中找到解决复杂问题的规律的。数据挖掘技术是一种功能强大的新技术,它能帮助企业在构建数据仓库中找到最重要的信息。本文利用数据挖掘技术找到个人客户的流动特征和规律,并应用数据挖掘技术来构建个人客户识别模型,主要研究内容有:分析并研究数据挖掘技术在移动个人客户识别模型中的应用;研究并初步实现了个人客户识别模型在移动业务相关领域的应用;针对C4.5可以通过改变样本的权重来处理属性值的缺失,利用C4.5的这种特性,对C4.5算法稍做改进可以得到一个基于代价敏感的变种算法C4.5_cs,并将这种算法应用到个人客户识别模型中;在建立个人客户认别模型时,提出了交往指数和符合率的指标,将这两个指标应用到模型构建中,对应用前后的C4.5_cs算法做了对比分析。本文主要基于中国移动现有的经营分析系统,针对中国移动的现实需求,重点研究讨论了决策树算法,从海量的业务系统数据中,分析挖掘个人客户的流动特征,利用决策树算法C4.5_cs建立个人客户识别模型,并利用模型生成的规则实现了模型的应用;模型通过对用户通话特征及个人信息特征等多种信息的分析挖掘,以个人客户交往圈匹配算法为核心,在用户全生命周期(获取期、成长期、成熟期、衰退期、流失期)之外,找到用户在获取期之前(游离期)的来源以及在流失期之后(离网期)的不同去向,使我们对用户的了解更加深入,从而为业务人员进一步了解客户提供帮助,为进行挽留用户和精准营销提供支持。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景
• 1.2 研究的目的和意义
• 1.3 国内外研究和应用现状
• 1.3.1 关联规则挖掘
• 1.3.2 分类挖掘
• 1.3.3 聚类挖掘
• 1.4 课题来源及研究内容
• 1.4.1 课题来源
• 1.4.2 研究内容
• 1.4.3 论文结构
• 第2章 数据挖掘理论与技术
• 2.1 数据挖掘概述
• 2.2 数据挖掘流程
• 2.3 数据挖掘技术分类
• 2.4 数据挖掘的主要方法
• 2.5 基于代价敏感的决策树算法
• 2.5.1 代价敏感学习的原理
• 2.5.2 基于代价敏感的C4.5 算法
• 2.6 分类算法的评价
• 2.7 本章小结
• 第3章 个人客户识别模型应用框架及交往圈的确定
• 3.1 个人客户识别模型应用框架
• 3.2 核心交往圈的确定
• 3.2.1 商业理解
• 3.2.2 数据准备
• 3.2.3 算法选择
• 3.3 数据抽样
• 3.4 选择输入变量
• 3.5 获得大小合适的树
• 3.6 生成交往圈基础数据表
• 3.7 本章小结
• 第4章 个人客户识别模型的建立与评估
• 4.1 问题定义
• 4.2 数据描述
• 4.3 数据准备
• 4.3.1 数据清洗
• 4.3.2 业务分析及建模宽表
• 4.3.3 数据处理
• 4.3.4 数据探索
• 4.4 模型构建
• 4.5 个人客户识别模型的评估
• 4.6 本章小结
• 第5章 个人客户识别模型的实现与应用
• 5.1 模型的实现思路与相关技术
• 5.1.1 模型实现思路
• 5.1.2 模型实现的相关技术
• 5.2 模型的实现
• 5.2.1 数据库设计
• 5.2.2 存储过程的实现与调度配置
• 5.2.3 个人客户识别结果汇总统计
• 5.2.4 个人客户识别清单查询
• 5.3 个人客户识别模型的应用
• 5.3.1 重入网应用
• 5.3.2 病毒性营销应用
• 5.3.3 零次户流向识别应用
• 5.3.4 应用效果
• 5.4 本章小结
• 结论
• 致谢
• 参考文献
• 攻读学位期间取得学术成果