移动通信行业多维客户行为细分模型研究与实现
发布时间：2020-03-26 19:26
【摘要】： 随着电信行业的高速发展,各运营商之间的竞争也愈加激烈,运营商的ARPU值和利润空间都面临着巨大的挑战。客户需求也变得多样化、差异化,对电信业务、服务的要求日趋理性和严格,对电信服务的整体质量也提出了更高要求。通过分析所掌握客户海量信息,进行客户细分已经成为企业实施营销战略最为迫切和首要的任务。 本文通过对目前移动通信客户细分现状的分析,对传统客户细分体系的总结归纳,对客户细分中的数据挖掘算法的剖析,针对移动通信运营企业拥有比较完整地客户消费数据的实际情况提出了一个适合移动通信运营企业的客户细分模型。并将其模型具体地应用于移动通信企业,运用调研数据根据移动通信行业客户的消费特征对此企业的客户进行客户细分。在将客户分成不同的客户群体后,再对各群体的客户特征进行描述,而构建出客户细分矩阵。与此同时,也通过数据检验了模型。最后,本文将模型得到的结果与目前的商业实际进行关联,进一步说明了各细分群体的特征,并提出了相应的营销意见。 本文理论结合实例,定性研究与定量研究并用。用聚类算法来构建客户细分模型,并将其应用到具体的行业和企业,有着一定的理论价值和应用价值,希望本文有能为中国移动运营企业的发展提供一些有价值的建议。
【图文】：
然后使用k -Means结点再次执行4.4节中的聚类程序，会产生聚类模型，，再使用输出结点将聚类的结果输出。聚类产生的结果如图5.1所示。图5.1 聚类分析的结果图5.1很直观地给出了将数据聚成11类的聚类结果。各个类别的各变量的均值情况如表5.1所示 。表5.1 聚类后组内各变量均值Cluster MESS_FEE NEW_FEE LOCAL_FEE LONF_NATION_FEE WAN_FEE ALL_FEE ONLINE_TIME NO.1 3.11 0.88 18.51 0.91 0.70 37.22 10 26872 10.05 3.02 101.29 19.18 16.93 191.62 70 1733 141.92 4.47 33.34 10.22 1.49 208.01 17 334 10.18 2.99 117.31 20.18 17.53 200.14 19 3785 5.19 1.09 28.36 2.16 1.83 66.39 67 7576 47.96 3.62 72.70 8.70 8.47 170.23 17 1667 6.90 1.68 57.27 6.09 7.23 108.18 40 4358 21.75 3.65 17.40 1.12 1.09 57.21 11 7919 3.61 0.61 20.67 0.90 0.92 44.44 27 232910 6.41 1.55 56.62 5.94 4.47 94.66 14 128011 61.64 3.58 20.90 1.96 1.16 104.37 15 182Total 8.50 1.42 33.57 3.27 2.84 68.56 23 92115.2 客户细分矩阵根据4.4节中构建的细分模型，从 “传统业务”、“数据业务”和“在网时长”三个43
现将已经聚成的11个客户群体以三维矩阵的形式表现出来，如图5.2所示。音业务语数高低低16高5934在网时长图5.2 客户细分矩阵图中的客户细分矩阵分三个维度，各个维度分别取一个标准值。根据2/8原理，企业80%的收入是由20%的客户提供的，所以将各个细分维度的标准值取为样品80%处为分位点。如果某一个客户群体在某一维度上的均值大于标准值，则说明此客户群体在此维度上是对企业有所贡献的；反之，则说明对于企业来说此客户群体在此维度上的表现不佳。三个维度将将客户细分矩阵分为8个象限，而11个客户群体分布在客户细分矩阵的不同位置，其各象限的特征如表5.2所示。表5.2 象限划分象限 语音业务 数据业务 在网时长1 低于标准值 低于标准值 低于标准值2 高于标准值 低于标准值 低于标准值3 高于标准值 高于标准值 低于标准值4 低于标准值 高于标准值 低于标准值5 低于标准值 低于标准值 高于标准值6 高于标准值 低于标准值 高于标准值7 高于标准值 高于标准值 高于标准值8 低于标准值 高于标准值 高于标准值5.3 各客户细分群体特征描述（1）象限 1——数量众多的低价值群体该象限是客户在三个维度上都处于较低的水平
【学位授予单位】：武汉科技大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：F626
本文编号：2601863
【图文】：
然后使用k -Means结点再次执行4.4节中的聚类程序，会产生聚类模型，，再使用输出结点将聚类的结果输出。聚类产生的结果如图5.1所示。图5.1 聚类分析的结果图5.1很直观地给出了将数据聚成11类的聚类结果。各个类别的各变量的均值情况如表5.1所示 。表5.1 聚类后组内各变量均值Cluster MESS_FEE NEW_FEE LOCAL_FEE LONF_NATION_FEE WAN_FEE ALL_FEE ONLINE_TIME NO.1 3.11 0.88 18.51 0.91 0.70 37.22 10 26872 10.05 3.02 101.29 19.18 16.93 191.62 70 1733 141.92 4.47 33.34 10.22 1.49 208.01 17 334 10.18 2.99 117.31 20.18 17.53 200.14 19 3785 5.19 1.09 28.36 2.16 1.83 66.39 67 7576 47.96 3.62 72.70 8.70 8.47 170.23 17 1667 6.90 1.68 57.27 6.09 7.23 108.18 40 4358 21.75 3.65 17.40 1.12 1.09 57.21 11 7919 3.61 0.61 20.67 0.90 0.92 44.44 27 232910 6.41 1.55 56.62 5.94 4.47 94.66 14 128011 61.64 3.58 20.90 1.96 1.16 104.37 15 182Total 8.50 1.42 33.57 3.27 2.84 68.56 23 92115.2 客户细分矩阵根据4.4节中构建的细分模型，从 “传统业务”、“数据业务”和“在网时长”三个43
现将已经聚成的11个客户群体以三维矩阵的形式表现出来，如图5.2所示。音业务语数高低低16高5934在网时长图5.2 客户细分矩阵图中的客户细分矩阵分三个维度，各个维度分别取一个标准值。根据2/8原理，企业80%的收入是由20%的客户提供的，所以将各个细分维度的标准值取为样品80%处为分位点。如果某一个客户群体在某一维度上的均值大于标准值，则说明此客户群体在此维度上是对企业有所贡献的；反之，则说明对于企业来说此客户群体在此维度上的表现不佳。三个维度将将客户细分矩阵分为8个象限，而11个客户群体分布在客户细分矩阵的不同位置，其各象限的特征如表5.2所示。表5.2 象限划分象限 语音业务 数据业务 在网时长1 低于标准值 低于标准值 低于标准值2 高于标准值 低于标准值 低于标准值3 高于标准值 高于标准值 低于标准值4 低于标准值 高于标准值 低于标准值5 低于标准值 低于标准值 高于标准值6 高于标准值 低于标准值 高于标准值7 高于标准值 高于标准值 高于标准值8 低于标准值 高于标准值 高于标准值5.3 各客户细分群体特征描述（1）象限 1——数量众多的低价值群体该象限是客户在三个维度上都处于较低的水平
【学位授予单位】：武汉科技大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：F626
【引证文献】
相关硕士学位论文 前3条
1 孙朝继;S电信公司客户价值管理方法研究[D];电子科技大学;2011年
2 李欣;基于系统动力学的电信企业客户群细分模型研究[D];南京邮电大学;2011年
3 张雄;基于Gb口信令分析的手机客户上网行为的应用研究[D];华南理工大学;2012年
本文编号：2601863
本文链接：https://www.wllwen.com/jingjilunwen/xxjj/2601863.html
