本文關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)在移動(dòng)客戶流失分析中的應(yīng)用研究

  更多相關(guān)文章： 投訴數(shù)據(jù) 聚類分析 決策樹 關(guān)聯(lián)規(guī)則

【摘要】：大數(shù)據(jù)時(shí)代,海量數(shù)據(jù)蘊(yùn)含著對(duì)企業(yè)經(jīng)營(yíng)、管理決策有用的重要信息。大型企業(yè)面對(duì)擁有的數(shù)據(jù)資源,如何有效地應(yīng)用起來(lái),發(fā)揮其最大的商業(yè)價(jià)值,是企業(yè)在經(jīng)濟(jì)新常態(tài)下保持核心競(jìng)爭(zhēng)力的關(guān)鍵所在。投訴數(shù)據(jù)是每個(gè)通信企業(yè)中不可忽視的數(shù)據(jù),對(duì)客戶關(guān)系管理十分重要,對(duì)公司可持續(xù)發(fā)展起著關(guān)鍵作用。但面對(duì)居高不下移動(dòng)通信投訴量,如何有效的維持現(xiàn)有的客戶資源,做好客戶關(guān)懷、客戶管理、客戶提升、預(yù)防客戶流失具有十分重要的意義。論文使用數(shù)據(jù)挖掘技術(shù)對(duì)移動(dòng)公司客戶投訴數(shù)據(jù)進(jìn)行分析,運(yùn)用聚類分析對(duì)移動(dòng)通信投訴數(shù)據(jù)進(jìn)行分析,通過(guò)k取值的不同進(jìn)行比較,大大提高了聚類的優(yōu)越性,實(shí)現(xiàn)了良好的聚類性能。移動(dòng)通信行業(yè)可以通過(guò)聚類分析,得到問(wèn)題具體出現(xiàn)在哪些聚類當(dāng)中,針對(duì)每種聚類提出合理的應(yīng)對(duì)方案,推出適當(dāng)?shù)奶撞蛢?yōu)惠和選擇。運(yùn)通決策樹對(duì)客戶投訴數(shù)據(jù)進(jìn)行合理有效分類,面對(duì)每層屬性進(jìn)行分析,且推出有效的解決方案,將會(huì)大大減少客戶流失度。留住以為老客戶的價(jià)值遠(yuǎn)遠(yuǎn)大于去開拓新客戶的成本。通過(guò)合理的分類客戶的投訴,做出相應(yīng)的應(yīng)對(duì)措施,可以有效地預(yù)防客戶的流失。運(yùn)用關(guān)聯(lián)規(guī)則對(duì)投訴數(shù)據(jù)的預(yù)測(cè)分析,得出比較合理、置信度高的關(guān)聯(lián)規(guī)則,移動(dòng)通信公司可以更好的處理客戶即將會(huì)產(chǎn)生的投訴。關(guān)聯(lián)度的預(yù)測(cè),可以進(jìn)一步提升服務(wù)質(zhì)量,降低客戶的投訴。投訴量的下降,預(yù)示著公司業(yè)績(jī)量增長(zhǎng),公司的核心競(jìng)爭(zhēng)力的提升。通過(guò)對(duì)客戶進(jìn)行分類,建立不同客戶群體有針對(duì)性的套餐組合；針對(duì)客戶流失進(jìn)行有效的預(yù)測(cè),對(duì)流失度大的客戶進(jìn)行有效挽留；針對(duì)潛在的客戶群體,推出比別的運(yùn)營(yíng)商更有賣點(diǎn)的套餐來(lái)吸引潛在消費(fèi)群。論文實(shí)驗(yàn)SPSS Clementine數(shù)據(jù)挖掘軟件實(shí)現(xiàn)了聚類、決策樹和關(guān)聯(lián)規(guī)則三種算法,實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的可行性和有效性,為移動(dòng)公司客戶關(guān)系管理提供了一種研究思路和分析方法,研究?jī)?nèi)容有一定的理論意義和實(shí)際應(yīng)用價(jià)值。
【關(guān)鍵詞】：投訴數(shù)據(jù) 聚類分析 決策樹 關(guān)聯(lián)規(guī)則
【學(xué)位授予單位】：景德鎮(zhèn)陶瓷學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F626
【目錄】：

• 摘要3-4
• Abstract4-8
• 1 引言8-12
• 1.1 論文研究的背景與意義8-10
• 1.2 論文的研究?jī)?nèi)容10-11
• 1.3 論文文的基本框架11-12
• 2 客戶投訴12-15
• 2.1 客戶投訴價(jià)值12
• 2.2 國(guó)內(nèi)外投訴現(xiàn)狀與處理方式12-13
• 2.3 客戶投訴處理存在的不足13-15
• 3 基于K-Means算法的移動(dòng)客戶分類方法15-27
• 3.1 聚類概念15-16
• 3.2 聚類分析16-18
• 3.2.1 聚類分析定義16
• 3.2.2 聚類分析的基本方法16-18
• 3.2.3 聚類分析常用的距離公式18
• 3.3 K-Means算法18-20
• 3.3.1 K-Means算法簡(jiǎn)介18
• 3.3.2 K-Means算法數(shù)據(jù)預(yù)處理18-19
• 3.3.3 K-Means算法流程19-20
• 3.4 K-Means算法在移動(dòng)通信投訴數(shù)據(jù)分析中的應(yīng)用20-24
• 3.5 實(shí)驗(yàn)結(jié)果分析24-25
• 3.6 K-Means算法實(shí)驗(yàn)總結(jié)25-27
• 4 基于決策樹的移動(dòng)通信客戶流失分析27-37
• 4.1 數(shù)據(jù)挖掘中分類應(yīng)用27
• 4.2 分類方法27-29
• 4.3 決策樹概念29
• 4.4 ID3、C4.5、C5.0算法29-31
• 4.4.1 ID3算法29-30
• 4.4.2 信息增益計(jì)算方法30
• 4.4.3 ID3算法流程30-31
• 4.4.4 C4.5及C5.0簡(jiǎn)介31
• 4.5 基于C5.0算法的對(duì)客戶流失分析方法31-34
• 4.6 實(shí)驗(yàn)結(jié)果分析34-36
• 4.7 實(shí)驗(yàn)總結(jié)36-37
• 5 關(guān)聯(lián)規(guī)則在移動(dòng)客戶投訴數(shù)據(jù)分析中的應(yīng)用37-46
• 5.1 數(shù)據(jù)挖掘中預(yù)測(cè)應(yīng)用37
• 5.2 數(shù)據(jù)挖掘預(yù)測(cè)的方法37-39
• 5.3 關(guān)聯(lián)規(guī)則39-40
• 5.3.1 關(guān)聯(lián)規(guī)則概念39
• 5.3.2 關(guān)聯(lián)規(guī)則定義39-40
• 5.4 Apriori算法40-42
• 5.4.1 Apriori算法簡(jiǎn)介40
• 5.4.2 Apriori算法原理40
• 5.4.3 APRIORI算法流程40-42
• 5.5 Apriori算法在上海移動(dòng)投訴數(shù)據(jù)中的應(yīng)用42-44
• 5.6 實(shí)驗(yàn)結(jié)果分析44-45
• 5.7 實(shí)驗(yàn)總結(jié)45-46
• 6 結(jié)論與展望46-48
• 6.1 結(jié)論46-47
• 6.2 取得的預(yù)期成果47
• 6.3 存在的不足和進(jìn)一步研究的方向47-48
• 致謝48-49
• 參考文獻(xiàn)49-52

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 徐立國(guó);李朋;鄒玲玲;;企業(yè)2.0時(shí)代下領(lǐng)導(dǎo)有效性的發(fā)揮機(jī)理研究[J];現(xiàn)代商業(yè);2015年05期

2 張俊霞;孫平;;多目標(biāo)分層等距復(fù)合抽樣的應(yīng)用[J];統(tǒng)計(jì)與決策;2014年22期

3 劉小嬌;;淺議處理客戶投訴的技巧[J];中小企業(yè)管理與科技(下旬刊);2014年05期

4 李湛;李棟;;移動(dòng)通信投訴處理綜合平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[J];電信工程技術(shù)與標(biāo)準(zhǔn)化;2014年05期

5 舒文瓊;;顛覆式創(chuàng)新:虛擬運(yùn)營(yíng)海外鏡鑒[J];通信世界;2014年05期

6 薛安榮;聞丹丹;劉彬;;加速大規(guī)模數(shù)據(jù)集的離群點(diǎn)檢測(cè)[J];計(jì)算機(jī)應(yīng)用;2013年11期

7 于建華;盧和宇;;電信行業(yè)客戶投訴管理現(xiàn)狀及方法分析[J];北方經(jīng)濟(jì);2013年10期

8 智慧來(lái);智東杰;;關(guān)系粒度的概念格增量維護(hù)與關(guān)聯(lián)規(guī)則更新[J];計(jì)算機(jī)科學(xué);2013年04期

9 魏順平;;學(xué)習(xí)分析技術(shù):挖掘大數(shù)據(jù)時(shí)代下教育數(shù)據(jù)的價(jià)值[J];現(xiàn)代教育技術(shù);2013年02期

10 李國(guó)杰;程學(xué)旗;;大數(shù)據(jù)研究:未來(lái)科技及經(jīng)濟(jì)社會(huì)發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考[J];中國(guó)科學(xué)院院刊;2012年06期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 齊艷;迅雷網(wǎng)絡(luò)技術(shù)有限公司客戶服務(wù)問(wèn)題研究[D];北京交通大學(xué);2014年

2 王愷;基于MapReduce的聚類算法并行化研究[D];南京師范大學(xué);2014年

3 陸蕓;A公司客戶投訴信息系統(tǒng)的綜合評(píng)價(jià)和改進(jìn)研究[D];華東理工大學(xué);2014年

4 張麗;移動(dòng)通信業(yè)客戶關(guān)系價(jià)值評(píng)估模型研究[D];大連理工大學(xué);2006年

，

本文編號(hào)：880211