本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的客戶細(xì)分在電信精準(zhǔn)營(yíng)銷中的研究與應(yīng)用

  更多相關(guān)文章： 數(shù)據(jù)挖掘 客戶細(xì)分 精準(zhǔn)營(yíng)銷 聚類分析 K-means算法 EM算法

【摘要】：在新的國(guó)內(nèi)外競(jìng)爭(zhēng)環(huán)境下,隨著壟斷格局被打破,各電信運(yùn)營(yíng)商都在實(shí)施企業(yè)戰(zhàn)略轉(zhuǎn)型,探索新技術(shù)、新業(yè)務(wù)所帶來的新機(jī)遇,為企業(yè)創(chuàng)造更高的價(jià)值。面對(duì)越來越激烈的市場(chǎng)競(jìng)爭(zhēng),電信企業(yè)迫切地需要使企業(yè)內(nèi)部的決策科學(xué)化,在市場(chǎng)營(yíng)銷方面的判斷準(zhǔn)確化,從而使企業(yè)在市場(chǎng)上獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。電信企業(yè)已經(jīng)積累了海量的業(yè)務(wù)運(yùn)營(yíng)數(shù)據(jù),把這些數(shù)據(jù)轉(zhuǎn)化成有價(jià)值的信息對(duì)企業(yè)進(jìn)行精準(zhǔn)營(yíng)銷十分重要。因此,企業(yè)需要采用數(shù)據(jù)挖掘技術(shù)對(duì)數(shù)據(jù)進(jìn)行全方位地分析,并且對(duì)客戶進(jìn)行全面有效地分組,幫助企業(yè)做出正確決策,實(shí)現(xiàn)真正的精準(zhǔn)營(yíng)銷。本文針對(duì)電信企業(yè)基于客戶細(xì)分的精準(zhǔn)營(yíng)銷,進(jìn)行比較深入地研究與應(yīng)用,主要有以下工作:(1)介紹了基于數(shù)據(jù)挖掘的客戶細(xì)分在電信企業(yè)精準(zhǔn)營(yíng)銷中的應(yīng)用的國(guó)內(nèi)外研究現(xiàn)狀。闡述了與客戶細(xì)分相關(guān)的數(shù)據(jù)挖掘的方法、策略與算法,尤其在對(duì)幾種聚類分析算法進(jìn)行比較分析的基礎(chǔ)上,對(duì)基于劃分的K-means聚類算法和基于模型的EM聚類算法進(jìn)行全面、深入地剖析。(2)針對(duì)電信客戶行為數(shù)據(jù)中數(shù)值屬性眾多的特點(diǎn),提出了數(shù)值屬性重要性得分來判斷數(shù)值屬性在聚類分析中的價(jià)值,為數(shù)據(jù)預(yù)處理提供依據(jù),為所選數(shù)值屬性的評(píng)估提供參考。(3)針對(duì)電信應(yīng)用問題的特點(diǎn)和實(shí)現(xiàn)精準(zhǔn)營(yíng)銷的目標(biāo),強(qiáng)化了聚類模型的評(píng)估,考慮到已有的評(píng)估簇有效性的相似度,在海量電信客戶行為數(shù)據(jù)集中的時(shí)間復(fù)雜度為O(m2)(m是對(duì)象個(gè)數(shù)),開銷太大,難以實(shí)現(xiàn),提出了用于簇評(píng)估的簇個(gè)體質(zhì)量得分,在此基礎(chǔ)上,構(gòu)建了聚類質(zhì)量評(píng)估的綜合指標(biāo)體系,為應(yīng)用實(shí)例中精準(zhǔn)營(yíng)銷問題的解決奠定了基礎(chǔ)。(4)在對(duì)中國(guó)聯(lián)通M分公司進(jìn)行充分調(diào)研,理解業(yè)務(wù)和數(shù)據(jù)的前提下,采用CRISP-DM過程模型,以通過客戶細(xì)分實(shí)現(xiàn)精準(zhǔn)營(yíng)銷為目標(biāo),使用K-means算法和EM算法分別建立聚類模型,并以所構(gòu)建的聚類質(zhì)量評(píng)估的綜合指標(biāo)體系對(duì)模型的質(zhì)量進(jìn)行全面評(píng)估和比較,選擇性能較好的EM模型進(jìn)行客戶細(xì)分,結(jié)合應(yīng)用實(shí)際提出了實(shí)現(xiàn)精準(zhǔn)營(yíng)銷的策略,為該電信企業(yè)的決策提供依據(jù)。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 客戶細(xì)分 精準(zhǔn)營(yíng)銷 聚類分析 K-means算法 EM算法
【學(xué)位授予單位】：蘭州財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP311.13;F626;F274
【目錄】：

• 摘要4-5
• Abstract5-11
• 1 緒論11-19
• 1.1 研究的目的和意義11-12
• 1.1.1 研究目的11
• 1.1.2 研究意義11-12
• 1.2 國(guó)內(nèi)外研究和應(yīng)用現(xiàn)狀12-17
• 1.2.1 國(guó)外研究與應(yīng)用現(xiàn)狀13-14
• 1.2.2 國(guó)內(nèi)研究與應(yīng)用現(xiàn)狀14-17
• 1.3 研究?jī)?nèi)容和組織結(jié)構(gòu)17
• 1.4 創(chuàng)新點(diǎn)17-19
• 2 數(shù)據(jù)挖掘概述19-44
• 2.1 數(shù)據(jù)挖掘的概念和方法19-24
• 2.1.1 數(shù)據(jù)挖掘的概念19-20
• 2.1.2 數(shù)據(jù)挖掘的過程模型CRISP-DM20-22
• 2.1.3 數(shù)據(jù)挖掘的常用方法22-24
• 2.2 數(shù)據(jù)挖掘的任務(wù)24-26
• 2.2.1 驗(yàn)證型任務(wù)24-25
• 2.2.2 發(fā)現(xiàn)型任務(wù)25-26
• 2.3 數(shù)據(jù)預(yù)處理26-28
• 2.3.1 數(shù)據(jù)抽取26-27
• 2.3.2 數(shù)據(jù)清理27-28
• 2.3.3 數(shù)據(jù)轉(zhuǎn)換28
• 2.3.4 數(shù)據(jù)歸約28
• 2.4 數(shù)據(jù)質(zhì)量評(píng)估28-30
• 2.4.1 數(shù)據(jù)質(zhì)量評(píng)估模型29
• 2.4.2 數(shù)值屬性的重要性評(píng)估29-30
• 2.5 聚類分析30-40
• 2.5.1 聚類分析的概念30
• 2.5.2 聚類分析的方法30-32
• 2.5.3 幾種聚類算法及其比較32-35
• 2.5.4 聚類算法的選擇標(biāo)準(zhǔn)35-36
• 2.5.5 K-means算法和EM算法36-40
• 2.6 無指導(dǎo)聚類模型的評(píng)估40-44
• 3 客戶細(xì)分與精準(zhǔn)營(yíng)銷44-49
• 3.1 客戶細(xì)分44-46
• 3.1.1 客戶細(xì)分的概念44
• 3.1.2 客戶細(xì)分方法的分類44-46
• 3.2 精準(zhǔn)營(yíng)銷46-49
• 3.2.1 精準(zhǔn)營(yíng)銷的定義和內(nèi)涵46-47
• 3.2.2 精準(zhǔn)營(yíng)銷的思想方法47-49
• 4 基于數(shù)據(jù)挖掘的電信客戶細(xì)分49-53
• 4.1 利用聚類技術(shù)進(jìn)行客戶細(xì)分49
• 4.2 基于數(shù)據(jù)挖掘的電信客戶細(xì)分的模型設(shè)計(jì)49-53
• 4.2.1 基于數(shù)據(jù)挖掘的電信客戶細(xì)分的設(shè)計(jì)目標(biāo)50-51
• 4.2.2 電信客戶細(xì)分的數(shù)據(jù)挖掘算法的選擇51-53
• 5 基于數(shù)據(jù)挖掘客戶細(xì)分的應(yīng)用實(shí)例53-71
• 5.1 實(shí)例背景53
• 5.2 應(yīng)用實(shí)例實(shí)現(xiàn)過程53-68
• 5.2.1 實(shí)驗(yàn)環(huán)境53-54
• 5.2.2 業(yè)務(wù)理解與目標(biāo)54-56
• 5.2.3 數(shù)據(jù)理解56-57
• 5.2.4 數(shù)據(jù)準(zhǔn)備57-58
• 5.2.5 算法實(shí)現(xiàn)過程58-65
• 5.2.6 模型評(píng)估65-68
• 5.3 實(shí)現(xiàn)精準(zhǔn)化營(yíng)銷的策略和建議68-71
• 6 總結(jié)與展望71-72
• 參考文獻(xiàn)72-76
• 致謝76-77
• 附錄77-79

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 于宗民;;從客戶細(xì)分看企業(yè)信息化建設(shè)中的缺失[J];中國(guó)金融電腦;2007年07期

2 張靜;;通信企業(yè)客戶細(xì)分及相關(guān)技術(shù)綜述[J];信息與電腦(理論版);2014年01期

3 李益強(qiáng),漆晨曦;基于數(shù)據(jù)挖掘的電信客戶細(xì)分研究析[J];廣東通信技術(shù);2005年05期

4 張曉航;基于聚類算法的客戶細(xì)分[J];通信企業(yè)管理;2005年12期

5 趙坊芳;;客戶細(xì)分中聚類的應(yīng)用[J];電腦知識(shí)與技術(shù);2010年11期

6 文碧桂;趙蔚;;網(wǎng)絡(luò)教育服務(wù)中的客戶細(xì)分策略分析[J];中國(guó)教育技術(shù)裝備;2010年12期

7 岳小婷;;基于客戶消費(fèi)行為的電信客戶細(xì)分[J];電子商務(wù);2011年12期

8 胡靜靜;王愛金;;3G業(yè)務(wù)的客戶細(xì)分研究[J];商業(yè)文化(下半月);2011年12期

9 宋才華;藍(lán)源娟;范婷;翟鴻榮;李濱濤;;電力企業(yè)客戶細(xì)分模型研究[J];現(xiàn)代電子技術(shù);2014年02期

10 王荇;李彗;;基于聚類的客戶細(xì)分方法研究[J];電腦知識(shí)與技術(shù);2008年S1期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前3條

1 張國(guó)政;;基于CLV及客戶滿意度的客戶細(xì)分研究[A];中國(guó)市場(chǎng)營(yíng)銷創(chuàng)新與發(fā)展學(xué)術(shù)研討會(huì)論文集[C];2009年

2 謝琳;潘定;;珠三角寬帶客戶細(xì)分及保持策略研究[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

3 盧艷麗;韓景元;袁麗娜;;基于客戶終身價(jià)值的客戶細(xì)分方法實(shí)證研究[A];中國(guó)市場(chǎng)學(xué)會(huì)2006年年會(huì)暨第四次全國(guó)會(huì)員代表大會(huì)論文集[C];2006年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 范煒;合理確定客戶細(xì)分標(biāo)準(zhǔn)是理財(cái)業(yè)務(wù)的重中之中[N];中國(guó)城鄉(xiāng)金融報(bào);2006年

2 ;撥開“客戶細(xì)分”迷霧[N];網(wǎng)絡(luò)世界;2006年

3 工業(yè)和信息化部電信研究院泰爾管理研究所 狄輝;客戶細(xì)分魔法書[N];通信產(chǎn)業(yè)報(bào);2009年

4 任柏菘;普爾特的客戶細(xì)分[N];中國(guó)房地產(chǎn)報(bào);2011年

5 主持人 中國(guó)房地產(chǎn)報(bào)管理評(píng)論部資深記者 張勁松;怎樣實(shí)現(xiàn)中國(guó)特色的客戶細(xì)分？[N];中國(guó)房地產(chǎn)報(bào);2011年

6 郵儲(chǔ)銀行江蘇省連云港市分行 朱慈;基于經(jīng)濟(jì)生命周期的銀行客戶細(xì)分[N];中國(guó)郵政報(bào);2013年

7 本報(bào)記者 李秀中;客戶細(xì)分 上海大眾運(yùn)作“關(guān)系營(yíng)銷”[N];第一財(cái)經(jīng)日?qǐng)?bào);2005年

8 記者 方俊;券商強(qiáng)化客戶細(xì)分初嘗甜頭[N];上海證券報(bào);2011年

9 中研博峰咨詢有限公司咨詢顧問 高榮霞;六步驟鎖定細(xì)分市場(chǎng)[N];通信產(chǎn)業(yè)報(bào);2009年

10 楊怡 劉學(xué);重慶移動(dòng)深度推進(jìn)客戶細(xì)分工程[N];人民郵電;2006年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 吳昊;基于利益的客戶細(xì)分方法研究[D];華中科技大學(xué);2004年

2 羅斌;面向客戶細(xì)分的改進(jìn)關(guān)聯(lián)規(guī)則算法研究[D];哈爾濱工業(yè)大學(xué);2006年

3 蔡巧宇;基于數(shù)據(jù)挖掘的客戶細(xì)分案例分析[D];蘭州財(cái)經(jīng)大學(xué);2015年

4 徐歡;基于數(shù)據(jù)挖掘的房地產(chǎn)開發(fā)企業(yè)既有客戶細(xì)分研究[D];重慶大學(xué);2015年

5 陳東沂;融合用戶興趣和文本聚類的企業(yè)微博客戶細(xì)分[D];廣東外語外貿(mào)大學(xué);2015年

6 鄒湘萍;基于數(shù)據(jù)挖掘的移動(dòng)公司高端客戶細(xì)分及營(yíng)銷策略研究[D];電子科技大學(xué);2013年

7 張潔勤;電信企業(yè)針對(duì)性營(yíng)銷系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

8 楊曉斌;改進(jìn)的BIRCH算法在電信客戶細(xì)分中的應(yīng)用[D];合肥工業(yè)大學(xué);2015年

9 樊仙仙;基于聚類分析的H銀行客戶細(xì)分及營(yíng)銷策略研究[D];華東理工大學(xué);2016年

10 楊茜;基于大數(shù)據(jù)的客戶細(xì)分模型及精確營(yíng)銷策略研究[D];南京郵電大學(xué);2015年

，

本文編號(hào)：851551