面向电信CRM的数据挖掘应用研究

发布时间：2021-06-24 09:56

　　面对电信市场竞争的加剧和信息技术的发展,电信企业必须建立以“客户为中心”的管理模式。因此,利用数据挖掘技术对海量的电信企业客户数据进行挖掘分析,从中发现各种潜在的、有价值的、规律性知识,是当前电信企业提升CRM水平的重要方面,极具理论意义和应用价值。本文运用理论分析与实证研究相结合的方法,针对数据挖掘在电信CRM中的若干个具体应用问题进行研究。主要内容如下:1.详细地分析了电信企业IT系统现状,建立面向客户主题的电信企业数据仓库体系结构,对电信企业数据仓库主题分析进行了研究,设计了相应的数据模型:物理模型和逻辑模型,并对电信企业数据仓库的实现方式进行了分析论述。2.系统地介绍了CRM理论,设计了以客户为中心、闭环的四层电信CRM体系结构;对电信客户管理进行系统地研究,以电信客户生命周期管理理论为框架,建立了基于数据挖掘的电信客户生命周期管理模型。3.依据CLV理论,建立了基于当前价值、增量价值和存量价值的电信客户价值模型;并以此为理论依据,设计了电信客户价值评价指标体系;结合AHP法,提出了电信CLV的计算方法,并对某电信企业客户进行了实证分析。4.建立了遗传算法优化的改进K-mean... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：174 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
术语缩写对照表
图目录
表目录
1 绪论
    1.1 问题的提出
    1.2 研究现状
        1.2.1 客户关系管理
        1.2.2 数据挖掘技术
        1.2.3 数据挖掘在CRM中的应用
        1.2.4 面向电信CRM的数据挖掘应用
        1.2.5 目前研究的不足
    1.3 本文的研究内容和结构
    1.4 本文的主要创新点
2 数据挖掘理论与方法基础
    2.1 数据挖掘过程
        2.1.1 明确商业问题
        2.1.2 数据准备
        2.1.3 选择挖掘算法
        2.1.4 建立并评估模型
        2.1.5 解释挖掘结果
    2.2 数据挖掘功能
        2.2.1 聚类
        2.2.2 分类和预测
        2.2.3 关联和序列模式发现
    2.3 数据挖掘算法
        2.3.1 K-means算法
        2.3.2 决策树
        2.3.3 关联规则
        2.3.4 人工神经网络
        2.3.5 遗传算法
    2.4 本章小结
3 电信企业数据仓库建设
    3.1 IT系统现状
        3.1.1 业务支撑系统(BSS)简介
        3.1.2 BSS的不足
    3.2 电信企业数据仓库的分析与设计
        3.2.1 数据仓库建设的必要性
        3.2.2 功能需求和主题确定
        3.2.3 体系结构
        3.2.4 分析维度
        3.2.5 分析方法和分析模型体系
        3.2.6 数据模型设计
    3.3 电信企业数据仓库的实现
        3.3.1 建设方法选择
        3.3.2 ETL子系统设计
        3.3.3 粒度设计
    3.4 本章小结
4 基于数据挖掘的电信企业客户关系管理
    4.1 CRM理论回顾
        4.1.1 CRM的内涵
        4.1.2 CRM的产生背景
        4.1.3 CRM系统的类型与功能
    4.2 电信企业的CRM
        4.2.1 实施CRM的动因
        4.2.2 CRM的目标与系统结构
    4.3 基于CLT和DM的电信CRM模型
        4.3.1 CLT理论
        4.3.2 电信CLT管理
        4.3.3 基于DM的电信CLT管理模型
    4.4 本章小结
5 电信客户生命周期价值模型及其评价
    5.1 CLV模型研究综述
    5.2 电信CLV模型
    5.3 电信客户价值评价指标体系
        5.3.1 客户当前价值
        5.3.2 客户增量价值
        5.3.3 客户存量价值
        5.3.4 递阶层次结构
    5.4 实证研究
        5.4.1 指标赋权
        5.4.2 客户价值评价
        5.4.3 营销建议
    5.5 本章小结
6 电信客户细分模型
    6.1 客户细分意义与方法
        6.1.1 客户细分的意义
        6.1.2 细分方法演进
    6.2 属性选择
        6.2.1 客户基本属性
        6.2.2 价值属性
        6.2.3 行为属性
    6.3 数据准备
        6.3.1 数据检测
        6.3.2 属性约简
        6.3.3 数据转换
    6.4 客户细分模型
        6.4.1 K-means算法
        6.4.2 LKM算法
        6.4.3 GLKM算法
    6.5 客户细分模型的评价
        6.5.1 无指导的评价
        6.5.2 有指导的评价
    6.6 仿真计算
    6.7 本章小结
7 电信客户细分实证研究
    7.1 宽表设计
        7.1.1 数据来源
        7.1.2 宽表设计
        7.1.3 宽表属性
    7.2 数据准备
        7.2.1 数据检测
        7.2.2 属性约简
        7.2.3 数据转换
    7.3 建立与评估模型
        7.3.1 价值细分
        7.3.2 行为细分
        7.3.3 价值-行为细分
    7.4 结果与解释
    7.5 本章小结
8 电信客户流失预测模型
    8.1 研究背景与问题定义
        8.1.1 背景
        8.1.2 问题理解
    8.2 电信客户流失预测研究综述
        8.2.1 客户流失的影响因素
        8.2.2 预测的相关方法
    8.3 数据理解与数据准备
        8.3.1 数据理解
        8.3.2 建模数据采集
        8.3.3 不对称样本分布问题的处理
    8.4 代价最小化的电信客户流失预测模型
        8.4.1 流失预测与代价敏感学习
        8.4.2 C4.5 决策树算法
        8.4.3 组合分类器与AdaCost算法
        8.4.4 建模思路
    8.5 模型评估
        8.5.1 不考虑代价的模型评价指标
        8.5.2 考虑代价的模型评估方法
    8.6 本章小结
9 电信客户流失预测实证研究
    9.1 数据准备
        9.1.1 样本数据采集
        9.1.2 数据集描述
        9.1.3 属性约简
    9.2 代价敏感客户流失预测的实证研究
    9.3 模型的收益性分析
    9.4 营销建议
        9.4.1 规则导出示例
        9.4.2 客户挽留流程
        9.4.3 挽留策略设计
    9.5 本章小结
10 总结与展望
    10.1 论文的主要结论
    10.2 研究局限与研究展望
11 参考文献
12 作者在学期间发表与投稿的论文以及主持和参加的科研项目
    作者在学期间发表、录用和已投的论文
    作者在学期间主持和参加的科研项目
    科研获奖
致谢


【参考文献】：
期刊论文
[1]一种基于SOM和K-means的文档聚类算法[J]. 杨占华,杨燕.  计算机应用研究. 2006(05)
[2]代价敏感支持向量机[J]. 郑恩辉,李平,宋执环.  控制与决策. 2006(04)
[3]客户资源价值评价体系设计[J]. 林彦,蔡启明.  商业研究. 2006(03)
[4]基于数据挖掘粗糙集技术的电信运营商客户价值评价[J]. 谭耀武.  沿海企业与科技. 2006(01)
[5]基于价值的客户序位评价应用研究[J]. 刘承水,乞建勋.  管理科学. 2005(06)
[6]电信客户细分方法及应用[J]. 陈凤洁.  科技和产业. 2005(11)
[7]一种加权支持向量机分类算法[J]. 贾银山,贾传荧.  计算机工程. 2005(12)
[8]客户流失危机分析的决策树方法[J]. 盛昭瀚,柳炳祥.  管理科学学报. 2005(02)
[9]国外交叉销售研究综述[J]. 汪涛,崔楠.  外国经济与管理. 2005(04)
[10]一种基于蚁群算法的模糊C均值聚类[J]. 周新华,黄道.  控制工程. 2005(02)



本文编号：3246876