基于数据挖掘的电信业CRM的客户细分研究

论文摘要

随着垄断格局的打破,国内电信运营商间的竞争也越来越激烈,而网络服务质量等方面的差别也在逐渐减少,单纯的价格战将对竞争的双方造成损失。因此电信企业都在寻求改善服务质量、提高市场竞争力的方法。面对这种越来越激烈的市场竞争,电信企业迫切地需要提高企业内部的科学决策能力,增强在市场经营方面的正确判断能力,因此,电信运营商需要客户关系管理系统(CRM)。另一方面,电信运营商积累了大量的业务运营数据,这些数据都是已经电子化的数据,通过数据挖掘技术,可以从这些用户数据中发现很多有价值的信息,例如用户的消费行为分析特征等。根据这些消费行为特征,市场经营部门可以提供针对性更强的市场服务策略,并且.节约了市场营销的成本。因此,电信企业的大量电子化数据为其建设客户关系管理系统奠定了技术基础。本文首先对客户群细分作出了初步的研究,利用聚类算法将电信客户群进行系统自动划分；同时,根据CRM系统里的客户背景资料、消费／支付数据、行为资料及相关推导指标等历史数据,本文利用决策树等数据挖掘技术对CRM里要求的客户流失预测进行了研究,针对目前相关研究中存在的问题,给出了客户流失研究中涉及的主要问题的解决方案,包括客户描述、属性规约、流失原因分析以及流失预测与控制策略等,重点解决流失模型的建立问题。本文的研究工作为电信企业应用数据挖掘技术分析客户行为和提升CRM水平可提供有益参考,在理论研究和工程实践上具有重要意义。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究的背景
• 1.2 选题的意义
• 1.3 研究的目标
• 1.4 研究的思路与方法
• 1.5 论文的结构
• 第2章 数据挖掘与客户细分文献综述
• 2.1 数据挖掘的概念与方法
• 2.1.1 数据挖掘的概念
• 2.1.2 数据挖掘的方法
• 2.2 CRM的定义、组成及工具
• 2.2.1 CRM的定义
• 2.2.2 CRM的组成
• 2.2.3 CRM的相关工具
• 2.3 客户细分概念与方法
• 2.3.1 客户细分的概念
• 2.3.2 客户细分的原则
• 2.3.3 客户细分的方法
• 2.3.4 数据挖掘与客户细分
• 2.4 本章小结
• 第3章 数据挖掘与客户细分技术
• 3.1 数据挖掘的常用技术与挖掘工具
• 3.1.1 常用技术
• 3.1.2 挖掘工具
• 3.2 数据挖掘的常用算法
• 3.2.1 决策树
• 3.2.2 关联规则
• 3.2.3 人工神经网络
• 3.2.4 遗传算法
• 3.2.5 K-means算法
• 3.3 数据挖掘的任务
• 3.4 客户细分中的技术
• 3.5 客户细分中的数据挖掘应用
• 3.6 本章小结
• 第4章 电信行业现行客户细分及建模方法
• 4.1 电信行业业务特征
• 4.2 电信业客户特点
• 4.3 电信业客户细分方法
• 4.4 电信业客户细分的建模方法
• 4.5 本章小结
• 第5章 基于改进的K平均算法的电信客户细分建模
• 5.1 电信客户细分的基本模型
• 5.2 原始算法的不足
• 5.3 算法的改进
• 5.4 改进后的细分模型
• 5.4.1 选取数据
• 5.4.2 建立模型
• 5.5 本章小结
• 第6章 改进的电信客户细分模型应用实例
• 6.1 数据源分析
• 6.2 客户流失模型的建立
• 6.3 模型的评估
• 6.4 结果分析
• 6.5 本章小结
• 第7章 结论与展望
• 7.1 研究总结
• 7.2 研究展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文