数据感知技术在动感地带品牌客户分类中的应用

论文摘要

动感地带的目标用户人群是电信运营商预付费用户的重要组成部分,其特征是年轻、时尚、潮流、富有个性,更加注重短信、上网等数据业务的使用。抓住这部分年轻、有潜力的客户,电信运营商就抓住了未来潜在的高价值客户。电信运营商主要通过细分目标客户和提供个性化服务来制定营销策略,组合出适合他们的业务和资费,实施差异化服务,不是以产品特性而是以客户特性细分市场。如何针对高校市场的细分差异化营销对于运营商发展校园用户更加重要。论文针对上述问题,用数据挖掘技术在动感地带目标用户群中细分校园用户。通过研究比较当前主流的几种分类方法,根据营销及决策过程中对数据规模、计算精度和运行效率的要求,选择以多层感知器为主,用局部参数调整方式进行优化,采用距离密度法进行聚类的方法,实现了动感地带校园用户群的识别和分类,并进行了几个营销实例的实际验证。主要内容为:1.详细研究分析比较了当前主流的几种分类法,包括贝叶斯分类,决策树分类,感知器分类,人工神经网络分类,KNN分类等,以及各种方法的适用环境;2.对需求进行了详细的分析,根据从识别用户群,合理适用资源,新产品研发等角度,结合对用户分类的动态化、模块化和快速分类与聚类的要求,选择分类方法;3.详细设计了系统模型,部署了整个项目的实施步骤,包括模块化设计,样本准备,数据预处理,感知器生成与优化,用户聚类,实际用户验证等;4.对感知器算法及优化过程和距离密度聚类算法的实现进行了介绍;5.对实际用户的识别和营销活动执行效果进行了总结,达到了本文的研究目的,并提出了需要进一步改进的几个方面。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题综述
• 1.2 目前运营商对校园用户管理的现状及进展情况
• 1.3 本文研究的主要内容
• 1.4 全文组织架构
• 第二章 技术理论以及相关原理概述
• 2.1 数据仓库及OLAP 技术
• 2.1.1 数据仓库技术介绍
• 2.1.2 OLAP 技术介绍
• 2.2 数据挖掘
• 2.2.1 数据挖掘背景
• 2.2.2 数据挖掘技术研究状况
• 2.2.3 数据挖掘–分类技术研究
• 2.2.4 数据挖掘应用现状
• 2.3 系统的实现方法
• 2.4 本章小结
• 第三章 需求与分类算法比较选择
• 3.1 动感校园用户的介绍和分析
• 3.1.1 目前校园用户市场的发展背景
• 3.1.2 对校园用户进行数据挖掘分析的重要性
• 3.1.3 通过数据挖掘能取得的成效
• 3.2 主要分类算法比较
• 3.2.1 贝叶斯分类
• 3.2.2 决策树分类
• 3.2.3 感知器分类
• 3.2.4 神经网络分类
• 3.2.5 KNN 法（K-Nearest Neighbor）
• 3.3 分类方法的评价- 选择感知器方法的理由
• 3.4 本章小结
• 第四章 系统的设计
• 4.1 系统模型设计
• 4.1.1 模块划分
• 4.1.2 样本准备
• 4.1.3 感知器自动生成
• 4.1.4 数据感知流程
• 4.1.5 结果与输出
• 4.2 本章小结
• 第五章 系统的实现
• 5.1 系统拓扑
• 5.2 系统实现
• 5.2.1 数据采集与预处理
• 5.2.2 样本选择
• 5.2.3 主因素分析（降维）
• 5.2.4 感知器算法实施
• 5.2.5 用户聚类
• 5.3 系统测试
• 5.4 本章小结
• 第六章 系统实施效果
• 6.1 案例1：校园用户话务类型分析
• 6.2 案例2：用户优惠与维护成本分析
• 6.3 案例3：飞信用户潜在用户挖掘
• 6.4 本章小结
• 第七章 总结和展望
• 致谢
• 参考文献