电信客户分群方案的设计与实现

论文摘要

数据挖掘是近年来伴随着人工智能和数据库技术发展而出现的一门新兴技术。它的核心功能是从巨大的数据集或数据仓库中获取有用信息,以供企业分析和处理各种复杂的数据关系。随着电信市场竞争的日益加剧,运营商普遍开始向“客户驱动”管理模式转变。最近几年,数据挖掘技术以其强大的数据分析功能被普遍应用到电信运营商客户管理之中。目前,电信运营商面临激烈的市场竞争,客户争夺愈演愈烈,每个企业都存在客户流失的问题。传统意义上来讲,留住一个客户所需要的成本是争取一个新用户成本的1/5,尤其对于剩余客户市场日渐稀疏的通信市场来说,减少客户流失就意味着用更少的成本减少利润的流失,这点已经为运营商所广为接受。然而问题所在是当运营商面临海量的客户资料时,应如何才能够从中提取出有效的信息以判断客户流失的状况或者倾向。在此,数据挖掘所提供的数据探索能力得到了充分的发挥。本论文依据CRISP-DM方法论,对“商业理解-数据理解-数据准备-模型建立-模型评估-模型发布”各个环节的实施关键点结合实例进行了详述阐述；应用聚类分析的数据挖掘技术进行市场细分,使营销者根据顾客之间需求的差异性,把一个整体市场划分为若干个消费者群的市场分类,并简要地描述数据挖掘在客户流失分析管理中的应用过程。本论文的主要内容包括三部分：1,对数据挖掘技术的介绍；2,对电信行业客户关系系统特点分析；3,采用CRISP-DM方法对某电信客户群进行聚类分析。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.2 本论文所做的工作
• 第二章 数据挖掘技术介绍
• 2.1 数据挖掘的定义
• 2.1.1 技术上的定义
• 2.1.2 商业角度的定义
• 2.1.3 数据挖掘与传统分析方法的区别
• 2.2 数据挖掘的内容与技术
• 2.2.1 数据挖掘能做什么
• 2.2.2 数据挖掘技术实现
• 2.2.3 聚类分析的技术方法
• 2.2.4 数据挖掘过程模型
• 第三章 电信行业客户关系系统分析
• 3.1 客户关系管理-CRM
• 3.1.1 客户关系管理的含义
• 3.1.2 CRM中的管理理念
• 3.1.3 CRM项目的实施
• 3.2 电信CRM客户关系管理系统的现状和要求
• 3.3 电信行业实施客户关系管理的效用分析
• 第四章 电信客户分群的实现
• 4.1 项目背景
• 4.2 某电信数据挖掘项目建设思路及总体方案
• 4.4 采用CRISP-DM方法对客户群进行聚类分析
• 4.4.1 商业理解
• 4.4.2 数据理解
• 4.4.3 数据准备
• 4.4.4 模型建立
• 4.4.5 结果评估
• 4.4.6 应用部署
• 第五章 总结
• 参考文献
• 致谢