数据挖掘技术在移动客户流失分析中的应用研究

发布时间：2017-09-19 07:07

  本文关键词：数据挖掘技术在移动客户流失分析中的应用研究

  更多相关文章： 投诉数据 聚类分析 决策树 关联规则

【摘要】：大数据时代,海量数据蕴含着对企业经营、管理决策有用的重要信息。大型企业面对拥有的数据资源,如何有效地应用起来,发挥其最大的商业价值,是企业在经济新常态下保持核心竞争力的关键所在。投诉数据是每个通信企业中不可忽视的数据,对客户关系管理十分重要,对公司可持续发展起着关键作用。但面对居高不下移动通信投诉量,如何有效的维持现有的客户资源,做好客户关怀、客户管理、客户提升、预防客户流失具有十分重要的意义。论文使用数据挖掘技术对移动公司客户投诉数据进行分析,运用聚类分析对移动通信投诉数据进行分析,通过k取值的不同进行比较,大大提高了聚类的优越性,实现了良好的聚类性能。移动通信行业可以通过聚类分析,得到问题具体出现在哪些聚类当中,针对每种聚类提出合理的应对方案,推出适当的套餐优惠和选择。运通决策树对客户投诉数据进行合理有效分类,面对每层属性进行分析,且推出有效的解决方案,将会大大减少客户流失度。留住以为老客户的价值远远大于去开拓新客户的成本。通过合理的分类客户的投诉,做出相应的应对措施,可以有效地预防客户的流失。运用关联规则对投诉数据的预测分析,得出比较合理、置信度高的关联规则,移动通信公司可以更好的处理客户即将会产生的投诉。关联度的预测,可以进一步提升服务质量,降低客户的投诉。投诉量的下降,预示着公司业绩量增长,公司的核心竞争力的提升。通过对客户进行分类,建立不同客户群体有针对性的套餐组合；针对客户流失进行有效的预测,对流失度大的客户进行有效挽留；针对潜在的客户群体,推出比别的运营商更有卖点的套餐来吸引潜在消费群。论文实验SPSS Clementine数据挖掘软件实现了聚类、决策树和关联规则三种算法,实验结果验证了算法的可行性和有效性,为移动公司客户关系管理提供了一种研究思路和分析方法,研究内容有一定的理论意义和实际应用价值。
【关键词】：投诉数据 聚类分析 决策树 关联规则
【学位授予单位】：景德镇陶瓷学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F626
【目录】：

• 摘要3-4
• Abstract4-8
• 1 引言8-12
• 1.1 论文研究的背景与意义8-10
• 1.2 论文的研究内容10-11
• 1.3 论文文的基本框架11-12
• 2 客户投诉12-15
• 2.1 客户投诉价值12
• 2.2 国内外投诉现状与处理方式12-13
• 2.3 客户投诉处理存在的不足13-15
• 3 基于K-Means算法的移动客户分类方法15-27
• 3.1 聚类概念15-16
• 3.2 聚类分析16-18
• 3.2.1 聚类分析定义16
• 3.2.2 聚类分析的基本方法16-18
• 3.2.3 聚类分析常用的距离公式18
• 3.3 K-Means算法18-20
• 3.3.1 K-Means算法简介18
• 3.3.2 K-Means算法数据预处理18-19
• 3.3.3 K-Means算法流程19-20
• 3.4 K-Means算法在移动通信投诉数据分析中的应用20-24
• 3.5 实验结果分析24-25
• 3.6 K-Means算法实验总结25-27
• 4 基于决策树的移动通信客户流失分析27-37
• 4.1 数据挖掘中分类应用27
• 4.2 分类方法27-29
• 4.3 决策树概念29
• 4.4 ID3、C4.5、C5.0算法29-31
• 4.4.1 ID3算法29-30
• 4.4.2 信息增益计算方法30
• 4.4.3 ID3算法流程30-31
• 4.4.4 C4.5及C5.0简介31
• 4.5 基于C5.0算法的对客户流失分析方法31-34
• 4.6 实验结果分析34-36
• 4.7 实验总结36-37
• 5 关联规则在移动客户投诉数据分析中的应用37-46
• 5.1 数据挖掘中预测应用37
• 5.2 数据挖掘预测的方法37-39
• 5.3 关联规则39-40
• 5.3.1 关联规则概念39
• 5.3.2 关联规则定义39-40
• 5.4 Apriori算法40-42
• 5.4.1 Apriori算法简介40
• 5.4.2 Apriori算法原理40
• 5.4.3 APRIORI算法流程40-42
• 5.5 Apriori算法在上海移动投诉数据中的应用42-44
• 5.6 实验结果分析44-45
• 5.7 实验总结45-46
• 6 结论与展望46-48
• 6.1 结论46-47
• 6.2 取得的预期成果47
• 6.3 存在的不足和进一步研究的方向47-48
• 致谢48-49
• 参考文献49-52

【参考文献】

中国期刊全文数据库 前10条

1 徐立国;李朋;邹玲玲;;企业2.0时代下领导有效性的发挥机理研究[J];现代商业;2015年05期

2 张俊霞;孙平;;多目标分层等距复合抽样的应用[J];统计与决策;2014年22期

3 刘小娇;;浅议处理客户投诉的技巧[J];中小企业管理与科技(下旬刊);2014年05期

4 李湛;李栋;;移动通信投诉处理综合平台设计与实现[J];电信工程技术与标准化;2014年05期

5 舒文琼;;颠覆式创新:虚拟运营海外镜鉴[J];通信世界;2014年05期

6 薛安荣;闻丹丹;刘彬;;加速大规模数据集的离群点检测[J];计算机应用;2013年11期

7 于建华;卢和宇;;电信行业客户投诉管理现状及方法分析[J];北方经济;2013年10期

8 智慧来;智东杰;;关系粒度的概念格增量维护与关联规则更新[J];计算机科学;2013年04期

9 魏顺平;;学习分析技术:挖掘大数据时代下教育数据的价值[J];现代教育技术;2013年02期

10 李国杰;程学旗;;大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J];中国科学院院刊;2012年06期

中国硕士学位论文全文数据库 前4条

1 齐艳;迅雷网络技术有限公司客户服务问题研究[D];北京交通大学;2014年

2 王恺;基于MapReduce的聚类算法并行化研究[D];南京师范大学;2014年

3 陆芸;A公司客户投诉信息系统的综合评价和改进研究[D];华东理工大学;2014年

4 张丽;移动通信业客户关系价值评估模型研究[D];大连理工大学;2006年

，

本文编号：880211