数据挖掘在电信业客户维持中的研究

发布时间：2023-04-06 19:28

　　电信企业逐渐意识到以客户为中心经营的必要性,开始从业务驱动向客户驱动转化,电信技术的发展和创新不断生成各种新型业务,导致大量低忠诚度客户转网或变更业务。维持客户、延长客户生命周期是本课题的主要研究内容,本文从三个方面加以研究:(1)细分市场和客户群;(2)将最合适的业务推销给最需要的客户,实现业务和客户的最佳匹配;(3)有效地遏制大规模客户流失的现象。 本文针对上述问题研究了若干数据挖掘技术和方法,有针对性地分析了电信业的客户群体细分、交叉及升级销售和客户流失,并在其中融入改进后的挖掘算法及其思想方法。 针对客户群体细分,给出了一种新的聚类算法——基于粒子群的K‐均值聚类算法,理论分析和实验表明该算法有较好的全局收敛性,能有效地克服传统的K‐均值算法易陷入局部极小值的缺点。利用改进后的算法对某市电信客户消费数据进行聚类分析,按话费特征分为不同特征的客户群组,实验表明,聚类结果分析更合理清晰,更便于对不同群组采取不同的经营策略,为管理者提供了合理的决策支持。 针对交叉销售,使用了关联规则挖掘算法中最经典的Apriori算法,但Apriori算法存在两点不足:一是对海量数据库的多趟扫描,二...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及其意义
        1.1.1 数据挖掘在电信业的应用空间
        1.1.2 我国电信业客户维持现状和不足
        1.1.3 客户维持的重要性
    1.2 课题研究现状
    1.3 课题研究的内容和思路
    1.4 论文组织结构章节安排
第2章 数据挖掘技术与算法
    2.1 数据挖掘概述
    2.2 数据挖掘主要功能
        2.2.1 聚类分析
        2.2.2 分类和预测
        2.2.3 关联分析
    2.3 数据挖掘算法
        2.3.1 K-means 算法
        2.3.2 关联规则
        2.3.3 决策树
        2.3.4 人工神经网络
        2.3.5 遗传算法
    2.4 本章小结
第3章 数据挖掘流程
    3.1 确定业务对象
    3.2 选取合适数据
    3.3 数据预处理
        3.3.1 数据清理
        3.3.2 数据集成
        3.3.3 数据变换
        3.3.4 数据归约
    3.4 数据挖掘与建模过程
    3.5 结果评估和表达
    3.6 本章小结
第4章 客户和客户关系管理（CRM）理论
    4.1 客户价值和客户维持
        4.1.1 客户价值
        4.1.2 客户维持的理论、内涵及原则
    4.2 客户关系管理理论
        4.2.1 CRM 的定义
        4.2.2 CRM 的主要参数
        4.2.3 CRM 的核心思想
    4.3 面向电信CRM 的数据挖掘应用
    4.4 本章小结
第5章 电信行业中客户维持的研究
    5.1 客户群体细分
        5.1.1 客户细分的定义
        5.1.2 基于粒子群的K-均值聚类算法细分客户
            5.1.2.1 K-均值聚类算法
            5.1.2.2 粒子群优化算法
            5.1.2.3 基于粒子群的K-均值算法
            5.1.2.4 实验
    5.2 交叉和升级销售
        5.2.1 电信中的交叉和升级销售分析
        5.2.2 关联规则挖掘算法的改进——Apriori 算法的改进
            5.2.2.1 Apriori 算法
            5.2.2.2 Apriori 算法的改进
        5.2.3 基于关联规则的交叉销售
    5.3 客户流失分析
        5.3.1 客户流失的基本概念
        5.3.2 利用决策树预测客户流失
    5.4 本章小结
第6章 评价方法
    6.1 客户群体细分评估
    6.2 分类模型评估
    6.3 本章小结
结束语
参考文献
攻读学位期间发表的学术论文
致谢
详细摘要



本文编号：3784278