本文關(guān)鍵詞：基于半監(jiān)督AP算法的電信客戶細(xì)分研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來，隨著電信市場的飛速發(fā)展，電信客戶逐漸呈現(xiàn)出細(xì)分化、多元化的特征，而客戶是企業(yè)賴以生存的根本和發(fā)展的關(guān)鍵。面對(duì)海量的客戶數(shù)據(jù)與信息，運(yùn)營商如何從中獲取有用的信息，為企業(yè)的發(fā)展提供良好的決策支持，已成為許多領(lǐng)域尤其是通信行業(yè)關(guān)心的首要問題。只有運(yùn)用有效的方法和工具對(duì)海量的客戶數(shù)據(jù)進(jìn)行深入的分析，才能制定出精準(zhǔn)的營銷方案，并獲得更高的投資回報(bào)。 客戶細(xì)分是客戶關(guān)系管理系統(tǒng)的核心功能之一，可對(duì)客戶的獲取與保持以及客戶增值等提供全面支持。本文針對(duì)目前客戶細(xì)分結(jié)果過于籠統(tǒng)、細(xì)分變量與描述變量不合理等問題進(jìn)行了深入研究。主要研究內(nèi)容如下： （1）基于移動(dòng)通信行業(yè)海量的客戶數(shù)據(jù)資源，確定了客戶的細(xì)分變量及其描述變量，使細(xì)分結(jié)果具有更好的可分性，解決了細(xì)分結(jié)果過于籠統(tǒng)的問題。 （2）將半監(jiān)督成對(duì)約束與密度敏感距離引入到AP算法中，提出了一種密度敏感的半監(jiān)督AP聚類算法。與傳統(tǒng)AP算法相比，，提出的算法具有更好的聚類性能，尤其對(duì)非凸數(shù)據(jù)集的聚類效果有了明顯提高。 （3）基于本文所提出的客戶細(xì)分變量及描述方法，采用上述密度敏感半監(jiān)督AP聚類算法，構(gòu)建了一個(gè)電信客戶細(xì)分系統(tǒng)模型。 實(shí)驗(yàn)結(jié)果表明，本文提出的算法在聚類性能上有顯著提高。在實(shí)際應(yīng)用中，能對(duì)電信客戶進(jìn)行較為清晰的細(xì)分，從而為運(yùn)營商提供更科學(xué)的決策指導(dǎo)。
【關(guān)鍵詞】：客戶細(xì)分 聚類分析 半監(jiān)督 AP算法 密度敏感 精準(zhǔn)營銷
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP311.13;TP315
【目錄】：

• 摘要5-6
• Abstract6-9
• 圖表目錄9-11
• 第1章 緒論11-16
• 1.1 課題研究的背景和意義11
• 1.2 研究現(xiàn)狀與分析11-14
• 1.2.1 客戶細(xì)分現(xiàn)狀11-12
• 1.2.2 聚類分析現(xiàn)狀12-13
• 1.2.3 客戶細(xì)分中存在的問題13-14
• 1.3 研究內(nèi)容及研究方法14
• 1.4 本文結(jié)構(gòu)安排14-16
• 第2章 聚類分析16-23
• 2.1 聚類分析概述16
• 2.2 數(shù)據(jù)挖掘與聚類分析16-17
• 2.3 聚類分析的方法17-19
• 2.4 聚類分析中的數(shù)據(jù)結(jié)構(gòu)與數(shù)據(jù)類型19-20
• 2.4.1 聚類分析中的數(shù)據(jù)結(jié)構(gòu)19
• 2.4.2 聚類分析中的數(shù)據(jù)類型19-20
• 2.5 聚類分析的過程與應(yīng)用20-23
• 2.5.1 聚類分析的過程20-21
• 2.5.2 聚類分析的應(yīng)用21-23
• 第3章 半監(jiān)督聚類23-29
• 3.1 半監(jiān)督學(xué)習(xí)簡介23-24
• 3.2 半監(jiān)督聚類算法24-27
• 3.2.1 基于約束的方法24-25
• 3.2.2 基于距離的方法25-26
• 3.2.3 基于約束與距離融合的方法26-27
• 3.3 半監(jiān)督聚類算法應(yīng)用27-29
• 第4章 密度敏感半監(jiān)督 AP 算法29-35
• 4.1 AP 算法29-30
• 4.2 密度敏感距離測度30-31
• 4.3 密度敏感半監(jiān)督 AP 聚類算法31-33
• 4.4 實(shí)驗(yàn)33-34
• 4.5 本章小結(jié)34-35
• 第5章 基于半監(jiān)督 AP 算法的電信客戶細(xì)分35-54
• 5.1 客戶細(xì)分概述35-39
• 5.1.1 基本概念35
• 5.1.2 客戶細(xì)分目的35-36
• 5.1.3 客戶細(xì)分方法36-37
• 5.1.4 客戶細(xì)分相關(guān)模型37-39
• 5.2 數(shù)據(jù)獲取39-40
• 5.3 數(shù)據(jù)預(yù)處理40-47
• 5.3.1 數(shù)據(jù)變量命名40-42
• 5.3.2 細(xì)分變量的選取42-44
• 5.3.3 數(shù)據(jù)的清洗44-47
• 5.4 客戶細(xì)分結(jié)果數(shù)據(jù)表47-49
• 5.5 各群體特征描述及營銷策略的制定49-53
• 5.6 本章小結(jié)53-54
• 第6章 總結(jié)與展望54-56
• 6.1 本文主要工作54
• 6.2 下一步研究工作的展望54-56
• 參考文獻(xiàn)56-60
• 致謝60-61
• 攻讀學(xué)位期間發(fā)表的論文及參加的科研項(xiàng)目61

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 蔡秋茹;柳益君;羅燁;朱廣萍;葉飛躍;;基于K-means聚類的電信企業(yè)客戶分群決策[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

2 楊黎剛;蘇宏業(yè);張英;褚健;;基于SOM聚類的數(shù)據(jù)挖掘方法及其應(yīng)用研究[J];計(jì)算機(jī)工程與科學(xué);2007年08期

3 夏維力;王鑫;王青松;;數(shù)據(jù)挖掘技術(shù)在企業(yè)客戶關(guān)系管理中的應(yīng)用研究[J];科技管理研究;2007年06期

4 王開軍;張軍英;李丹;張新娜;郭濤;;自適應(yīng)仿射傳播聚類[J];自動(dòng)化學(xué)報(bào);2007年12期

5 王玲;薄列峰;焦李成;;密度敏感的半監(jiān)督譜聚類[J];軟件學(xué)報(bào);2007年10期

6 陳明亮,袁澤沛,李懷祖;客戶保持動(dòng)態(tài)模型的研究[J];武漢大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2001年06期

  本文關(guān)鍵詞：基于半監(jiān)督AP算法的電信客戶細(xì)分研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：282727