一种K-MEANS和SOM结合算法在电信客户细分中的应用

发布时间：2020-05-27 06:58

【摘要】：3G时代的到来使得中国电信行业的竞争格局发生了很大的变化,在新的经营环境下,运营商该如何调整各自的经营战略,从而让自己的市场占有率得到有效的提高。此时,能否合理的实施客户细分并准确定位客户的市场需求就成为了关键。数据挖掘技术的研究和发展为电信运营商的客户细分提供了有效的方法。 K-means算法是数据挖掘中发展较早,应用较为成熟的聚类算法之一,其可以用来发现数据集的分布模式,是数据挖掘领域中一种有效的聚类算法。K-means算法也有明显的不足之处,如在聚类之前必须给定最优K值,初始聚类中心的随机确定使得聚类的结果往往具有较大的不确定性等。 本文提出了一种基于距离代价函数的S-K算法,即利用距离代价函数事先确定K-means算法最优K值,弥补了K值必需事先给定的不足;运用SOM神经网络得到初始聚类中心,从而弥补了K-means算法因初始聚类中心随机确定而导致的聚类结果具有很大不确定性的不足,并运用了电信RFM模型来对电信客户群进行更加有效的细分。通过对Iris标准数据集的测试,证明了该算法的有效性。文章的重点是将基于距离代价函数的S-K算法运用在国内某通信运营商的客户细分研究上,得到了较为满意的聚类结果,并以此为运营商提出了具体的具有针对性的营销策略和建议。
【图文】：

行为和消费特征等变量所测度出的客户能够为于客户的感知的，因而，评估客户价值也要基于估指标有服务水平和客户满意度。服务水平是定效工具，其定义也因公司而变化；客户满意度的效的评估，为改善服务水平和产品质量提供反外，还需要关注的是比客户满意度更重要的客内部的数据库中客户再购行为的数据分析而获人提出了一种基于传统RFM分析方法的改进策户价值矩阵中，购买次数与平均购买额的度量标每个坐标轴的平均值，某个客户就被限定在客户据此分析每个象限中的客户群的差异性指标。客

从数据库的大量数据中揭示出隐含的、先前未知的和知识的过程（陈京明，2003）。挖掘是一种决策支持过程，其理论基础是人工智能、机器学习学、数据库等，它能够高度自动化地分析企业的相关数据，做挖掘出潜在的模式，用以辅助决策者调整市场的营销策略，降，，高学尔，2003）。数据挖掘的功能挖掘的目标是从数据库中发现隐藏的、有意义的信息，并将信具有自动预测其发展趋势和事务关联分析、行为分析、聚类分差检测等功能。数据挖掘是个完整的数据处理过程，能够从大知的、有效的、实用的信息，并使用这些信息做出决策或产生据挖掘的一般流程如图 3.1 所示。
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：F274;F626;F224

【参考文献】

相关期刊论文 前3条

1 魏敏;李江;万映红;;基于目的价值的客户需求建模研究与实证[J];清华大学学报(自然科学版);2006年S1期

2 肖胜;国际电信运营商电信市场细分的比较分析[J];世界电信;2001年10期

3 曾勇;黄建华;;从英国电信成功转型看我国电信企业深层次转型的三大问题[J];世界电信;2006年07期

本文编号：2683143