基于数据挖掘的电信客户细分研究

发布时间：2020-03-22 20:28

【摘要】： 随着电信市场的逐步开发,竞争日趋激烈,不仅形成了各大运营商同台竞技的市场格局,而且从卖方市场转向买方市场,这就要求运营商要采取以“客户为中心”的策略,根据客户的实际需求提供个性化的服务解决方案,客户关系的大一统必然向细分化和个性化转变。因此,客户细分是电信企业营销的关键所在。客户细分是有效贯彻客户关系管理(CRM)理念,实现精益运营的基础。如何将客户根据其消费行为进行合理的细分,对不同的客户提供适合其特点的个性化服务,为客户创造价值,同时达到企业利润的最大化,已成为电信运营商关心的一个重要问题。 本文针对电信行业客户细分,做了如下工作: 首先,提出研究背景及意义,介绍国内外电信行业研究现状。其次,研究客户细分的相关理论与方法,对于客户细分的方法进行全面的总结与归纳,为电信企业客户细分的研究做理论铺垫。第三,分析电信企业业务,着重分析电信企业客户细分的应用现状,其中重点对电信企业常用的客户细分方法及模型进行总结与概述,并且针对本文模型推荐使用的K-means算法和BP神经网络算法做了较详细的介绍。第四,进行电信企业客户细分模型的设计,提出设计思想,结合之前的应用现状进行需求分析,确定细分标准和要求,设计出基于算法的数据挖掘细分模型。最后,将模型应用到某电信公司某业务的客户细分中去,经过反复实验得到比较理想的细分结果,以此为基础,针对不同的客户群制定不同的营销策略。 本文论述了客户细分的整个过程,并使用相应的算法和工具加以实现,实践证明,本文的技术路线是可行的,所得到的细分结果具有一定的合理性和实用价值,对经营分析人员进行相关的营销活动具有一定的参考价值。
【图文】：

提供支持所有这些任务的必要手段和功能，并最大限度地为用户使用这些功能提供方便的接口、选择和操作，利于挖掘算法的重用，嵌入，，利于算法与其他模块的有机结合。如图1.1[’o]所示。

(2)K一means聚类分析单击“整体属性聚类按钮”进入K一means聚类的界面。所有的数据采用的是平行坐标与表格显示相结合的方式进行输出，如图4.5所示。
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TP311.13

【引证文献】

相关期刊论文 前2条

1 关云鸿;;改进K-均值聚类算法在电信客户分类中的应用[J];计算机仿真;2011年08期

2 邓梦曦;;利用数据挖掘技术促进数字电视网络运营商的发展[J];新闻世界;2012年08期

相关硕士学位论文 前1条

1 杨继平;商洛电信公司运维服务差异化研究[D];西北大学;2010年

本文编号：2595580