本文關(guān)鍵詞：電信用戶穩(wěn)定性識(shí)別及應(yīng)用研究　出處：《首都經(jīng)濟(jì)貿(mào)易大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 穩(wěn)定性 隨機(jī)森林 adaboost 支持向量機(jī) 混合型聚類 精準(zhǔn)營(yíng)銷

【摘要】：世界正走向一個(gè)信息化、數(shù)據(jù)化的時(shí)代,科技的進(jìn)步激發(fā)了電信產(chǎn)業(yè)的發(fā)展,過去幾年,電信業(yè)成為全球經(jīng)濟(jì)增長(zhǎng)最快的行業(yè),中國移動(dòng)、中國聯(lián)通和中國電信國內(nèi)三大通訊巨頭在國內(nèi)外紛紛上市,使得電信產(chǎn)業(yè)成為推動(dòng)國民經(jīng)濟(jì)發(fā)展的主要支柱。但近年來,隨著我國電信行業(yè)的改革和重組不斷推進(jìn),電信應(yīng)用的不斷普及,電信市場(chǎng)的競(jìng)爭(zhēng)日益激烈,基礎(chǔ)業(yè)務(wù)的收入也趨于飽和,ARPU(每用戶平均收入)出現(xiàn)明顯下滑,用戶的忠誠度也在不斷降低。當(dāng)前市場(chǎng)狀況下,維持老用戶不流失,促進(jìn)新用戶轉(zhuǎn)型成穩(wěn)定型用戶,確定出具有穩(wěn)定性潛質(zhì)的新用戶,識(shí)別出用戶中高價(jià)值穩(wěn)定的用戶,并根據(jù)用戶特征細(xì)分用戶并進(jìn)行個(gè)性化服務(wù),增強(qiáng)用戶體驗(yàn),從而促進(jìn)收益增長(zhǎng),成為了電信業(yè)工作的重中之重。本文基于某運(yùn)營(yíng)商某年某月的用戶話單行為數(shù)據(jù),采用分類、聚類方法,提出用戶穩(wěn)定性識(shí)別模型和用戶分群精準(zhǔn)化營(yíng)銷方式,主要研究?jī)?nèi)容包括:1.數(shù)據(jù)的清洗與預(yù)處理,包括對(duì)數(shù)據(jù)的統(tǒng)一化處理、去噪聲處理、缺失值處理等;2.根據(jù)用戶生命周期理論,發(fā)現(xiàn)入網(wǎng)時(shí)長(zhǎng)與流失速度的變化規(guī)律,通過入網(wǎng)時(shí)長(zhǎng)來界定用戶的穩(wěn)定性,運(yùn)用隨機(jī)森林、adaboost、支持向量機(jī)三種方法建立了用戶穩(wěn)定性識(shí)別模型,在模型比較后,最后選取隨機(jī)森林作為用戶穩(wěn)定性識(shí)別的模型;3.根據(jù)用戶的穩(wěn)定性特征和用戶行為屬性數(shù)據(jù)對(duì)用戶進(jìn)行混合型聚類分析,將用戶聚成了6類,刻畫了每類群體的用戶畫像;4.營(yíng)銷策略與建議,根據(jù)每類群體用戶的穩(wěn)定性和顯著的行為特征,采取個(gè)性化服務(wù),實(shí)現(xiàn)精準(zhǔn)營(yíng)銷,增強(qiáng)用戶體驗(yàn),從而為運(yùn)營(yíng)商創(chuàng)造價(jià)值。
[Abstract]:The world is moving towards an era of information and data. The progress of science and technology has stimulated the development of the telecommunications industry. In the past few years, the telecommunications industry has become the fastest growing industry in the world, China Mobile. China Unicom and China Telecom are listed at home and abroad, which makes the telecommunications industry become the main pillar to promote the development of the national economy. But in recent years. With the continuous reform and restructuring of the telecommunications industry in China, telecommunications applications continue to be popularized, the competition in the telecommunications market is becoming increasingly fierce, and the revenue of basic services tends to saturate. ARPU( average income per user) has declined significantly, and the loyalty of users is also declining. Under the current market conditions, maintain the old users do not lose, and promote the new users to become stable users. Identify new users with stability potential, identify users with high value and stability, subdivide users according to the characteristics of users and carry out personalized services, enhance user experience, thereby promoting revenue growth. In this paper, based on a certain operator of a certain year and a month of user behavior data, using classification, clustering method, proposed user stability identification model and user group accurate marketing method. The main research contents include: 1. Data cleaning and preprocessing, including unified data processing, noise removal, missing value processing, etc. 2.According to the theory of user life cycle, this paper finds out the changing law of the time of entering the network and the speed of loss, defines the stability of the user by the time of entering the network, and uses random forest adaboost. Three methods of support vector machine (SVM) are used to establish the user stability identification model. After the model comparison, random forest is selected as the user stability identification model. 3.According to the stability characteristics of users and the user behavior attribute data, the users are clustered into six categories, and the user portraits of each group are depicted. 4. Marketing strategies and suggestions, according to the stability of each group of users and significant behavioral characteristics, the adoption of personalized services to achieve precision marketing, enhance user experience, thereby creating value for operators.
【學(xué)位授予單位】：首都經(jīng)濟(jì)貿(mào)易大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：F626

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 丁偉;王題;劉新海;韓涵;;基于大數(shù)據(jù)技術(shù)的手機(jī)用戶畫像與征信研究[J];郵電設(shè)計(jì)技術(shù);2016年03期

2 王熙;;運(yùn)營(yíng)商初嘗大數(shù)據(jù)紅利 提升網(wǎng)絡(luò)精細(xì)化經(jīng)營(yíng)[J];通信世界;2014年24期

3 羅彬;邵培基;羅盡堯;劉獨(dú)玉;夏國恩;;基于競(jìng)爭(zhēng)對(duì)手反擊的電信客戶流失挽留研究[J];管理科學(xué)學(xué)報(bào);2011年08期

4 劉倩;馬輝民;;基于客戶關(guān)系演進(jìn)的柔性推薦系統(tǒng)分析[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2010年06期

5 胡金萍;王曉雷;劉力雄;;電信網(wǎng)中基于社區(qū)挖掘的用戶行為預(yù)測(cè)算法[J];信息工程大學(xué)學(xué)報(bào);2010年05期

6 李超;李鑫;;基于數(shù)據(jù)挖掘的移動(dòng)通信業(yè)客戶流失預(yù)警系統(tǒng)設(shè)計(jì)[J];電腦知識(shí)與技術(shù);2008年13期

7 夏國恩;金煒東;;基于支持向量機(jī)的客戶流失預(yù)測(cè)模型[J];系統(tǒng)工程理論與實(shí)踐;2008年01期

8 胡紅曉;謝佳;韓冰;;缺失值處理方法比較研究[J];商場(chǎng)現(xiàn)代化;2007年15期

9 朱世武,崔嵬,謝邦昌;移動(dòng)電話客戶流失數(shù)據(jù)挖掘[J];數(shù)理統(tǒng)計(jì)與管理;2005年01期

10 唐九洲,羅新星;國際電信業(yè)數(shù)據(jù)倉庫應(yīng)用狀況[J];衡陽師范學(xué)院學(xué)報(bào);2004年06期

相關(guān)碩士學(xué)位論文 前8條

1 汪丹芹;基于數(shù)據(jù)挖掘的移動(dòng)用戶穩(wěn)定性研究[D];武漢科技大學(xué);2015年

2 �；�;基于數(shù)據(jù)挖掘的模具業(yè)客戶流失分析[D];廣東工業(yè)大學(xué);2014年

3 劉崢;基于大數(shù)據(jù)挖掘的電信客戶精準(zhǔn)營(yíng)銷系統(tǒng)[D];復(fù)旦大學(xué);2014年

4 毛俊;數(shù)據(jù)挖掘在電信手機(jī)用戶識(shí)別中的應(yīng)用[D];浙江工商大學(xué);2013年

5 薛曼;規(guī)范化標(biāo)簽傳遞法處理標(biāo)簽不平衡問題的研究[D];大連理工大學(xué);2013年

6 劉志超;數(shù)據(jù)挖掘技術(shù)及其在電信客戶服務(wù)系統(tǒng)中的應(yīng)用研究[D];湖南大學(xué);2010年

7 孔勤;數(shù)據(jù)挖掘技術(shù)在移動(dòng)增值業(yè)務(wù)中的應(yīng)用[D];北京交通大學(xué);2009年

8 袁中萸;多元線性回歸模型中缺失數(shù)據(jù)填補(bǔ)方法的效果比較[D];中南大學(xué);2008年

，

本文編號(hào)：1440631