基于数据挖掘的客户细分在电信精准营销中的研究与应用

发布时间：2017-09-14 18:16

  本文关键词：基于数据挖掘的客户细分在电信精准营销中的研究与应用

  更多相关文章： 数据挖掘 客户细分 精准营销 聚类分析 K-means算法 EM算法

【摘要】：在新的国内外竞争环境下,随着垄断格局被打破,各电信运营商都在实施企业战略转型,探索新技术、新业务所带来的新机遇,为企业创造更高的价值。面对越来越激烈的市场竞争,电信企业迫切地需要使企业内部的决策科学化,在市场营销方面的判断准确化,从而使企业在市场上获得竞争优势。电信企业已经积累了海量的业务运营数据,把这些数据转化成有价值的信息对企业进行精准营销十分重要。因此,企业需要采用数据挖掘技术对数据进行全方位地分析,并且对客户进行全面有效地分组,帮助企业做出正确决策,实现真正的精准营销。本文针对电信企业基于客户细分的精准营销,进行比较深入地研究与应用,主要有以下工作:(1)介绍了基于数据挖掘的客户细分在电信企业精准营销中的应用的国内外研究现状。阐述了与客户细分相关的数据挖掘的方法、策略与算法,尤其在对几种聚类分析算法进行比较分析的基础上,对基于划分的K-means聚类算法和基于模型的EM聚类算法进行全面、深入地剖析。(2)针对电信客户行为数据中数值属性众多的特点,提出了数值属性重要性得分来判断数值属性在聚类分析中的价值,为数据预处理提供依据,为所选数值属性的评估提供参考。(3)针对电信应用问题的特点和实现精准营销的目标,强化了聚类模型的评估,考虑到已有的评估簇有效性的相似度,在海量电信客户行为数据集中的时间复杂度为O(m2)(m是对象个数),开销太大,难以实现,提出了用于簇评估的簇个体质量得分,在此基础上,构建了聚类质量评估的综合指标体系,为应用实例中精准营销问题的解决奠定了基础。(4)在对中国联通M分公司进行充分调研,理解业务和数据的前提下,采用CRISP-DM过程模型,以通过客户细分实现精准营销为目标,使用K-means算法和EM算法分别建立聚类模型,并以所构建的聚类质量评估的综合指标体系对模型的质量进行全面评估和比较,选择性能较好的EM模型进行客户细分,结合应用实际提出了实现精准营销的策略,为该电信企业的决策提供依据。
【关键词】：数据挖掘 客户细分 精准营销 聚类分析 K-means算法 EM算法
【学位授予单位】：兰州财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13;F626;F274
【目录】：

• 摘要4-5
• Abstract5-11
• 1 绪论11-19
• 1.1 研究的目的和意义11-12
• 1.1.1 研究目的11
• 1.1.2 研究意义11-12
• 1.2 国内外研究和应用现状12-17
• 1.2.1 国外研究与应用现状13-14
• 1.2.2 国内研究与应用现状14-17
• 1.3 研究内容和组织结构17
• 1.4 创新点17-19
• 2 数据挖掘概述19-44
• 2.1 数据挖掘的概念和方法19-24
• 2.1.1 数据挖掘的概念19-20
• 2.1.2 数据挖掘的过程模型CRISP-DM20-22
• 2.1.3 数据挖掘的常用方法22-24
• 2.2 数据挖掘的任务24-26
• 2.2.1 验证型任务24-25
• 2.2.2 发现型任务25-26
• 2.3 数据预处理26-28
• 2.3.1 数据抽取26-27
• 2.3.2 数据清理27-28
• 2.3.3 数据转换28
• 2.3.4 数据归约28
• 2.4 数据质量评估28-30
• 2.4.1 数据质量评估模型29
• 2.4.2 数值属性的重要性评估29-30
• 2.5 聚类分析30-40
• 2.5.1 聚类分析的概念30
• 2.5.2 聚类分析的方法30-32
• 2.5.3 几种聚类算法及其比较32-35
• 2.5.4 聚类算法的选择标准35-36
• 2.5.5 K-means算法和EM算法36-40
• 2.6 无指导聚类模型的评估40-44
• 3 客户细分与精准营销44-49
• 3.1 客户细分44-46
• 3.1.1 客户细分的概念44
• 3.1.2 客户细分方法的分类44-46
• 3.2 精准营销46-49
• 3.2.1 精准营销的定义和内涵46-47
• 3.2.2 精准营销的思想方法47-49
• 4 基于数据挖掘的电信客户细分49-53
• 4.1 利用聚类技术进行客户细分49
• 4.2 基于数据挖掘的电信客户细分的模型设计49-53
• 4.2.1 基于数据挖掘的电信客户细分的设计目标50-51
• 4.2.2 电信客户细分的数据挖掘算法的选择51-53
• 5 基于数据挖掘客户细分的应用实例53-71
• 5.1 实例背景53
• 5.2 应用实例实现过程53-68
• 5.2.1 实验环境53-54
• 5.2.2 业务理解与目标54-56
• 5.2.3 数据理解56-57
• 5.2.4 数据准备57-58
• 5.2.5 算法实现过程58-65
• 5.2.6 模型评估65-68
• 5.3 实现精准化营销的策略和建议68-71
• 6 总结与展望71-72
• 参考文献72-76
• 致谢76-77
• 附录77-79

【相似文献】

中国期刊全文数据库 前10条

1 于宗民;;从客户细分看企业信息化建设中的缺失[J];中国金融电脑;2007年07期

2 张静;;通信企业客户细分及相关技术综述[J];信息与电脑(理论版);2014年01期

3 李益强,漆晨曦;基于数据挖掘的电信客户细分研究析[J];广东通信技术;2005年05期

4 张晓航;基于聚类算法的客户细分[J];通信企业管理;2005年12期

5 赵坊芳;;客户细分中聚类的应用[J];电脑知识与技术;2010年11期

6 文碧桂;赵蔚;;网络教育服务中的客户细分策略分析[J];中国教育技术装备;2010年12期

7 岳小婷;;基于客户消费行为的电信客户细分[J];电子商务;2011年12期

8 胡静静;王爱金;;3G业务的客户细分研究[J];商业文化(下半月);2011年12期

9 宋才华;蓝源娟;范婷;翟鸿荣;李滨涛;;电力企业客户细分模型研究[J];现代电子技术;2014年02期

10 王荇;李彗;;基于聚类的客户细分方法研究[J];电脑知识与技术;2008年S1期

中国重要会议论文全文数据库 前3条

1 张国政;;基于CLV及客户满意度的客户细分研究[A];中国市场营销创新与发展学术研讨会论文集[C];2009年

2 谢琳;潘定;;珠三角宽带客户细分及保持策略研究[A];第二十九届中国控制会议论文集[C];2010年

3 卢艳丽;韩景元;袁丽娜;;基于客户终身价值的客户细分方法实证研究[A];中国市场学会2006年年会暨第四次全国会员代表大会论文集[C];2006年

中国重要报纸全文数据库 前10条

1 范炜;合理确定客户细分标准是理财业务的重中之中[N];中国城乡金融报;2006年

2 ;拨开“客户细分”迷雾[N];网络世界;2006年

3 工业和信息化部电信研究院泰尔管理研究所 狄辉;客户细分魔法书[N];通信产业报;2009年

4 任柏菘;普尔特的客户细分[N];中国房地产报;2011年

5 主持人 中国房地产报管理评论部资深记者 张劲松;怎样实现中国特色的客户细分？[N];中国房地产报;2011年

6 邮储银行江苏省连云港市分行 朱慈;基于经济生命周期的银行客户细分[N];中国邮政报;2013年

7 本报记者 李秀中;客户细分 上海大众运作“关系营销”[N];第一财经日报;2005年

8 记者 方俊;券商强化客户细分初尝甜头[N];上海证券报;2011年

9 中研博峰咨询有限公司咨询顾问 高荣霞;六步骤锁定细分市场[N];通信产业报;2009年

10 杨怡 刘学;重庆移动深度推进客户细分工程[N];人民邮电;2006年

中国硕士学位论文全文数据库 前10条

1 吴昊;基于利益的客户细分方法研究[D];华中科技大学;2004年

2 罗斌;面向客户细分的改进关联规则算法研究[D];哈尔滨工业大学;2006年

3 蔡巧宇;基于数据挖掘的客户细分案例分析[D];兰州财经大学;2015年

4 徐欢;基于数据挖掘的房地产开发企业既有客户细分研究[D];重庆大学;2015年

5 陈东沂;融合用户兴趣和文本聚类的企业微博客户细分[D];广东外语外贸大学;2015年

6 邹湘萍;基于数据挖掘的移动公司高端客户细分及营销策略研究[D];电子科技大学;2013年

7 张洁勤;电信企业针对性营销系统设计与实现[D];电子科技大学;2014年

8 杨晓斌;改进的BIRCH算法在电信客户细分中的应用[D];合肥工业大学;2015年

9 樊仙仙;基于聚类分析的H银行客户细分及营销策略研究[D];华东理工大学;2016年

10 杨茜;基于大数据的客户细分模型及精确营销策略研究[D];南京邮电大学;2015年

，

本文编号：851551