电信业潜在宽带客户获取预测研究

发布时间：2020-10-17 07:23

　　 我国电信行业的竞争日益激烈,发展宽带业务对于电信运营商具有战略性意义。现阶段对于获取宽带客户的需求就显得尤为必要和迫切。目前我国固定电话业务与宽带业务用户比例为4:1左右。我国宽带市场存在巨大的潜在空间可供发掘。 面对目前运营商对于宽带客户的粗放式获取方式,本研究利用数据挖掘的方法,根据信息系统中的客户固定电话消费数据,预测出宽带客户获取概率及客户类型,促使客户由固定电话客户向宽带客户发展,为电信运营商带来新的机会。 客户获取预测,就是使用数据挖掘的方法,整合客户历史海量数据,通过对客户基本状态属性与历史行为属性等数据进行深入分析,提炼出已使用该业务的客户具有的特征,建立获取模型,预测出近期可能使用该业务的潜在客户。 目前的客户获取预测研究,缺乏对于潜在客户的深入探索分析,如特征分析,消费模式等,也没有进一步对可获取客户的类型进行预测的研究。并且大部分研究仅仅得出潜在客户的名单,没有利用预测结果来指导运营商的实践。 在前人研究的基础上,本文提出“电信业潜在宽带客户获取两步预测模型”,在预测潜在宽带客户的基础上,进一步预测潜在宽带客户所属的消费模式类型,便于运营商开展针对性的营销策略和措施,获取有价值的宽带客户,使得预测更为精准有效。并且构建了该模型研究框架,模型训练过程以及模型预测过程。 本文以中国电信T分公司为背景,利用可视化数据挖掘工具—Clementine的建立了电信业潜在宽带客户获取两步预测模型。具体介绍了建模的过程和其中参数的调整,并利用数值化指标和图形化指标对模型进行了评价。模型预测的命中率、覆盖率,总准确率和提升系数均达到了较好的效果。 本文最后详细分析了各类型客户的特征,概括出四种客户的消费模式类型。并结合市场营销知识,提出了相应的客户获取策略,包括客户资源配置策略和客户关系发展策略,并设计了相应的客户宽带营销策略,为电信运营商的客户获取实践提供一定的参考。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2009
【中图分类】：F274;F623;F224
【部分图文】：

数据准备，建立模型，模型评估，模型发布。图3-7给出了e 包含了数据挖掘的大部分分析方法：分类、预测、关联该软件也包含了大量的挖掘模型，比如 C5 决策树、C&逻辑回归和 k-means 聚类等。我们在模型建立的过程中模型达到最优的效果。通过使用 Clementine，可以使整于理解。

至五月都尚未安装宽带的客户，最后共得到 8197 条数据。将训练和测试集分割为训练集和测试集，在分割方式上可以采用“50/50”60/40”、“70/30”等方式，本文中采用常用的 70/30 的方式，其中 70%为训，30%为测试集。.3 模型建立本研究使用 SPSS 公司的 Clementine11.0 软件进行模型的建立。4.3.1 第一步预测：潜在客户预测模型的建立

图 4-2 客户聚类模型建立过程步聚类算法可以简单总结为以下两个步骤：一步，首先建立起聚类特征树（Cluster Features Tree）,将数据集中第在由树根发起的一个叶结点上。该点包含了这条记录中所有变量信例记录将利用距离测量作为相似准则，根据它与现存结点的相似性现有的结点上或者形成一个新的结点。当一个结点包含了多例记录上这群记录的信息变量是相同的，这些共点记录的变量信息就可以。这样，所建立的聚类特征树就提供了该数据集的变量信息概要。二步，利用合并聚类算法对聚类特征树上的每个叶结点进行组合。算法可以产生一组不同聚类数的聚类方案。然后，根据聚类准则，Scsian Criterion(BIC)或者 Akaike Information Criterion(AIC)来对各种聚类选择，选定最佳聚类方案[48]。类结果自动聚为四类客户。各类客户比例如表 4-6 所示。其中，各类在第 4.6 节 客户特征分析中进行详细介绍。表 4-6 两步聚类结果
【相似文献】

相关期刊论文 前10条

1 张炳明;毕学慧;;C4.5算法在客户关系管理中的应用研究[J];阜阳师范学院学报(自然科学版);2009年02期

2 张丹;;数据挖掘技术在保险业客户关系管理中的应用[J];保险职业学院学报;2007年06期

3 赵丽萍;舒期梁;;数据挖掘在陶瓷企业客户关系管理中的应用研究[J];科技信息;2010年30期

4 胡致杰;;数据挖掘技术在银行CRM中的应用[J];华南金融电脑;2008年07期

5 韩艳;;面向CRM的数据挖掘技术的应用研究[J];科技创新导报;2009年34期

6 王芳;杨奕;;论数据挖掘技术在客户关系管理(CRM)中的应用[J];现代商贸工业;2009年01期

7 毛晓晨;;电信经营分析系统应用中的问题和对策[J];江西通信科技;2007年01期

8 张晓伟;杜龙非;刘丽娜;;XML与Web数据挖掘技术[J];商场现代化;2007年23期

9 李瑾;王世民;;数据挖掘在报刊业信息系统的应用[J];全国商情(经济理论研究);2009年04期

10 李英;;数据挖掘技术在高校财务管理信息化中的应用研究[J];会计师;2009年01期

相关博士学位论文 前10条

1 许增福;DL环境下的信息资源管理及知识发现研究[D];哈尔滨工程大学;2005年

2 庞淑英;三江并流带旅游地质景观数据挖掘及旅游价值评价研究[D];昆明理工大学;2008年

3 赵晨;过程控制中的数据挖掘技术研究及其智能控制策略探讨[D];浙江大学;2005年

4 高清东;复杂供矿条件矿山技术指标整体动态优化系统及应用[D];北京科技大学;2005年

5 李兴;高光谱数据库及数据挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2006年

6 王玉峰;变电站瞬态电磁环境及微机保护系统EMC研究[D];大连理工大学;2007年

7 潘海天;数据挖掘技术在聚合过程建模与控制的应用研究[D];浙江大学;2003年

8 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年

9 束志恒;化学化工数据挖掘技术的研究[D];浙江大学;2005年

10 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年

相关硕士学位论文 前10条

1 邓玉珊;电信业潜在宽带客户获取预测研究[D];电子科技大学;2009年

2 孙革新;基于数据挖掘的企业客户关系管理系统的设计与实现[D];吉林大学;2009年

3 朱银欢;数据挖掘技术在客户关系管理中的应用[D];西安电子科技大学;2006年

4 赵林明;基于数据仓库的信用卡数据挖掘研究[D];山东科技大学;2005年

5 陈骏武;基于数据挖掘技术的电信客户关系管理研究[D];湖南大学;2005年

6 房静;面向CRM的数据挖掘在电力市场营销中的应用[D];天津大学;2004年

7 罗国甫;数据挖掘在银行客户经理考核系统中的应用[D];同济大学;2006年

8 王鑫;数据挖掘中聚类分析算法的研究[D];山东师范大学;2006年

9 袁明;基于网格的数据挖掘应用研究[D];西安电子科技大学;2007年

10 左红武;基于数据挖掘的房地产企业客户关系管理研究[D];昆明理工大学;2006年

本文编号：2844476