论文摘要
在当今科技飞速发展的社会,客户是企业生存和发展的保障,拥有客户,就拥有了最大的市场。科学地维持客户、吸引客户和充分发掘客户的盈收潜力是企业提高核心竞争力的关键。而对客户聚类分析正是一个获取、稳定和增加可获利客户的前期工作。聚类分析又称为群分析,它是研究（样品或指标）分类问题的一种统计分析方法。随着人类对聚类的要求越来越高,以致有时仅凭经验和专业知识难以确切地进行分类,于是人们逐渐地把元分析的技术引入到数值分类学形成了聚类分析。聚类分析技术作为数据挖掘中的一个重要课题,能够将数据区分为自然的群体,并给出每个群体的特征描述。它可以发掘潜藏的有价值的信息,也为后续对数据的理解提供了科学的判断依据。聚类分析内容非常丰富,有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。通过对聚类结果做研究分析,运营商能够按照不同客户群体的消费行为特点提供相应的服务和采取针对性的营销策略,同时发掘出潜在客户及需求,最终为公司带来更大的利润。面对日益激烈的通信运营商的竞争,中国移动也需要一种高效的聚类分析技术,为制定客户营销决策提供依据,从而提升客户价值和满意度,增加企业的效益。因此,研究如何运用聚类分析技术实现中国移动客户消费模式的聚类应用具有重要意义。本文在分析了聚类技术的基础上,首先对中国移动客户数据进行预处理工作,得到了适用于算法模型的汇总数据；然后,采用传统算法当中的K-means算法聚类分析移动客户,取得了有效结果；针对K-means算法的一些缺陷,本文建立了模糊蚁群算法的聚类分析模型,结合了蚁群算法和模糊C均值算法的优点,得到了有效的聚类结果。实验表明,该算法一方面利用蚁群算法的鲁棒性（稳定性）有效的克服了模糊C均值算法对初始化的敏感；另一方面,它的并行分布式计算可以加速收敛,提高聚类效率。并且,聚类结果不是只含有“非此即彼”的结论,通过模糊C均值算法,我们可以得出样本的“亦此亦彼”的特征,体现出某客户与各个类别的关联程度,为分析客户的实质特征提供了更多依据,从而提前发觉潜力客户和变动客户。最后,根据不同类别的客户需求及中国移动的业务内容,为客户设计了一系列的可行性套餐,对中国移动企业制定客户营销策略具有一定的指导意义与应用价值。
论文目录
相关论文文献
标签：聚类技术论文; 中国移动客户论文; 算法论文; 模糊蚁群聚类算法论文;