聚类分析算法在电信行业交叉销售中的应用研究
发布时间：2021-07-18 09:16
随着电信行业自由化和私有化进程的加快,我国电信业正逐步从行业垄断转变为行业竞争,面对电信市场的日趋饱和,如何提高企业自身的竞争力,挽留住现有客户、并最大化他们的价值成为电信企业急待解决的问题。作为新兴营销方式的交叉销售适应了这种变化。国内外已有一些关于交叉销售的研究,但大都局限在理论研究上,本课题针对电信行业拥有比较完整地客户消费行为数据的实际情况,提出了一个适合电信行业的基于聚类的交叉销售模型,并将其应用到指导电信行业进行有针对性的市场营销。论文首先采用误差平方和准则函数对经典K-means算法进行优化,并采用这一优化的K-means算法建立了聚类细分模型,从中获得交叉销售的目标客户,然后统计分析各细分组别经常使用的业务及业务组合,确定可以用来交叉销售的特征业务项,再向没有使用特征业务的用户推荐购买这类业务,实现业务的交叉销售。这一模型的建立为电信行业交叉销售的实施提供了可行性的技术支持,在理论研究和工程实践都具有重要意义。
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
预处理后的样本集Fig5-1Afterpretreatedofthesamplecollection
图 5-3 初始凝聚点Fig5-3 The initial condensation point图 5-4 最终聚类中心点Fig5-4 Finally cluster point for each group通过如图 5-4 聚类中心点展示，对不同客户群的各种属性的特性进行对比分析，从而进行特征刻画。在做特征刻画时，找出特征明显和不突出的属性进行分析，得到各客户群体的特征如表 5-5 所示。
5.1.5 K-means 聚类结果用 K-means 算法进行聚类分析，最重要的两个参数是最大类的个数 K 以及 K 个初试凝聚点的选择，由上两节确定 K 值为 8，初始凝聚点如图 5-3 所示。最终聚类结果如图 5-4 所示。图 5-3 初始凝聚点Fig5-3 The initial condensation point
【参考文献】：
期刊论文
[1]基于数据挖掘技术的交叉销售分析[J]. 戴艳红. 中国管理信息化(综合版). 2007(06)
[2]客户细分在电信增值业务中的应用[J]. 陈晶,胡建华,王清心. 科技情报开发与经济. 2007(07)
[3]数据挖掘在交叉销售中的应用[J]. 闫雪晶,王金菊. 云南财贸学院学报. 2005(06)
博士论文
[1]面向电信CRM的数据挖掘应用研究[D]. 陈金波.东南大学 2006
硕士论文
[1]基于划分的聚类算法及其在Web挖掘中的应用[D]. 晏璐.大连理工大学 2007
[2]K-means聚类算法的研究[D]. 冯超.大连理工大学 2007
[3]基于消费行为的客户细分模型应用研究[D]. 朱艳丽.四川师范大学 2007
[4]数据挖掘在电信企业客户细分中的应用研究[D]. 齐先锋.江西理工大学 2007
[5]基于数据挖掘的客户细分研究[D]. 张智钦.暨南大学 2007
[6]K-Means算法在客户细分中的应用研究[D]. 邢留伟.西南财经大学 2007
[7]中国电信客户关系管理分析[D]. 张庆强.北京交通大学 2006
[8]基于消费者行为的移动客户细分研究[D]. 字亚伟.北京邮电大学 2006
[9]基于聚类分析的电信客户细分系统研究与设计[D]. 丁继承.哈尔滨工业大学 2006
[10]基于客户价值的电信客户细分研究[D]. 雷朱宏.南京工业大学 2006
本文编号：3289289
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
预处理后的样本集Fig5-1Afterpretreatedofthesamplecollection
图 5-3 初始凝聚点Fig5-3 The initial condensation point图 5-4 最终聚类中心点Fig5-4 Finally cluster point for each group通过如图 5-4 聚类中心点展示，对不同客户群的各种属性的特性进行对比分析，从而进行特征刻画。在做特征刻画时，找出特征明显和不突出的属性进行分析，得到各客户群体的特征如表 5-5 所示。
5.1.5 K-means 聚类结果用 K-means 算法进行聚类分析，最重要的两个参数是最大类的个数 K 以及 K 个初试凝聚点的选择，由上两节确定 K 值为 8，初始凝聚点如图 5-3 所示。最终聚类结果如图 5-4 所示。图 5-3 初始凝聚点Fig5-3 The initial condensation point
【参考文献】：
期刊论文
[1]基于数据挖掘技术的交叉销售分析[J]. 戴艳红. 中国管理信息化(综合版). 2007(06)
[2]客户细分在电信增值业务中的应用[J]. 陈晶,胡建华,王清心. 科技情报开发与经济. 2007(07)
[3]数据挖掘在交叉销售中的应用[J]. 闫雪晶,王金菊. 云南财贸学院学报. 2005(06)
博士论文
[1]面向电信CRM的数据挖掘应用研究[D]. 陈金波.东南大学 2006
硕士论文
[1]基于划分的聚类算法及其在Web挖掘中的应用[D]. 晏璐.大连理工大学 2007
[2]K-means聚类算法的研究[D]. 冯超.大连理工大学 2007
[3]基于消费行为的客户细分模型应用研究[D]. 朱艳丽.四川师范大学 2007
[4]数据挖掘在电信企业客户细分中的应用研究[D]. 齐先锋.江西理工大学 2007
[5]基于数据挖掘的客户细分研究[D]. 张智钦.暨南大学 2007
[6]K-Means算法在客户细分中的应用研究[D]. 邢留伟.西南财经大学 2007
[7]中国电信客户关系管理分析[D]. 张庆强.北京交通大学 2006
[8]基于消费者行为的移动客户细分研究[D]. 字亚伟.北京邮电大学 2006
[9]基于聚类分析的电信客户细分系统研究与设计[D]. 丁继承.哈尔滨工业大学 2006
[10]基于客户价值的电信客户细分研究[D]. 雷朱宏.南京工业大学 2006
本文编号：3289289
本文链接：https://www.wllwen.com/jingjilunwen/xxjj/3289289.html
