移動通信行業(yè)多維客戶行為細分模型研究與實現(xiàn)
發(fā)布時間：2020-03-26 19:26
【摘要】： 隨著電信行業(yè)的高速發(fā)展,各運營商之間的競爭也愈加激烈,運營商的ARPU值和利潤空間都面臨著巨大的挑戰(zhàn)�？蛻粜枨笠沧兊枚鄻踊⒉町惢�,對電信業(yè)務、服務的要求日趨理性和嚴格,對電信服務的整體質(zhì)量也提出了更高要求。通過分析所掌握客戶海量信息,進行客戶細分已經(jīng)成為企業(yè)實施營銷戰(zhàn)略最為迫切和首要的任務。 本文通過對目前移動通信客戶細分現(xiàn)狀的分析,對傳統(tǒng)客戶細分體系的總結(jié)歸納,對客戶細分中的數(shù)據(jù)挖掘算法的剖析,針對移動通信運營企業(yè)擁有比較完整地客戶消費數(shù)據(jù)的實際情況提出了一個適合移動通信運營企業(yè)的客戶細分模型。并將其模型具體地應用于移動通信企業(yè),運用調(diào)研數(shù)據(jù)根據(jù)移動通信行業(yè)客戶的消費特征對此企業(yè)的客戶進行客戶細分。在將客戶分成不同的客戶群體后,再對各群體的客戶特征進行描述,而構建出客戶細分矩陣。與此同時,也通過數(shù)據(jù)檢驗了模型。最后,本文將模型得到的結(jié)果與目前的商業(yè)實際進行關聯(lián),進一步說明了各細分群體的特征,并提出了相應的營銷意見。 本文理論結(jié)合實例,定性研究與定量研究并用。用聚類算法來構建客戶細分模型,并將其應用到具體的行業(yè)和企業(yè),有著一定的理論價值和應用價值,希望本文有能為中國移動運營企業(yè)的發(fā)展提供一些有價值的建議。
【圖文】：
然后使用k -Means結(jié)點再次執(zhí)行4.4節(jié)中的聚類程序，會產(chǎn)生聚類模型，，再使用輸出結(jié)點將聚類的結(jié)果輸出。聚類產(chǎn)生的結(jié)果如圖5.1所示。圖5.1 聚類分析的結(jié)果圖5.1很直觀地給出了將數(shù)據(jù)聚成11類的聚類結(jié)果。各個類別的各變量的均值情況如表5.1所示 。表5.1 聚類后組內(nèi)各變量均值Cluster MESS_FEE NEW_FEE LOCAL_FEE LONF_NATION_FEE WAN_FEE ALL_FEE ONLINE_TIME NO.1 3.11 0.88 18.51 0.91 0.70 37.22 10 26872 10.05 3.02 101.29 19.18 16.93 191.62 70 1733 141.92 4.47 33.34 10.22 1.49 208.01 17 334 10.18 2.99 117.31 20.18 17.53 200.14 19 3785 5.19 1.09 28.36 2.16 1.83 66.39 67 7576 47.96 3.62 72.70 8.70 8.47 170.23 17 1667 6.90 1.68 57.27 6.09 7.23 108.18 40 4358 21.75 3.65 17.40 1.12 1.09 57.21 11 7919 3.61 0.61 20.67 0.90 0.92 44.44 27 232910 6.41 1.55 56.62 5.94 4.47 94.66 14 128011 61.64 3.58 20.90 1.96 1.16 104.37 15 182Total 8.50 1.42 33.57 3.27 2.84 68.56 23 92115.2 客戶細分矩陣根據(jù)4.4節(jié)中構建的細分模型，從 “傳統(tǒng)業(yè)務”、“數(shù)據(jù)業(yè)務”和“在網(wǎng)時長”三個43
現(xiàn)將已經(jīng)聚成的11個客戶群體以三維矩陣的形式表現(xiàn)出來，如圖5.2所示。音業(yè)務語數(shù)高低低16高5934在網(wǎng)時長圖5.2 客戶細分矩陣圖中的客戶細分矩陣分三個維度，各個維度分別取一個標準值。根據(jù)2/8原理，企業(yè)80%的收入是由20%的客戶提供的，所以將各個細分維度的標準值取為樣品80%處為分位點。如果某一個客戶群體在某一維度上的均值大于標準值，則說明此客戶群體在此維度上是對企業(yè)有所貢獻的；反之，則說明對于企業(yè)來說此客戶群體在此維度上的表現(xiàn)不佳。三個維度將將客戶細分矩陣分為8個象限，而11個客戶群體分布在客戶細分矩陣的不同位置，其各象限的特征如表5.2所示。表5.2 象限劃分象限 語音業(yè)務 數(shù)據(jù)業(yè)務 在網(wǎng)時長1 低于標準值 低于標準值 低于標準值2 高于標準值 低于標準值 低于標準值3 高于標準值 高于標準值 低于標準值4 低于標準值 高于標準值 低于標準值5 低于標準值 低于標準值 高于標準值6 高于標準值 低于標準值 高于標準值7 高于標準值 高于標準值 高于標準值8 低于標準值 高于標準值 高于標準值5.3 各客戶細分群體特征描述（1）象限 1——數(shù)量眾多的低價值群體該象限是客戶在三個維度上都處于較低的水平
【學位授予單位】：武漢科技大學
【學位級別】：碩士
【學位授予年份】：2009
【分類號】：F626
本文編號：2601863
【圖文】：
然后使用k -Means結(jié)點再次執(zhí)行4.4節(jié)中的聚類程序，會產(chǎn)生聚類模型，，再使用輸出結(jié)點將聚類的結(jié)果輸出。聚類產(chǎn)生的結(jié)果如圖5.1所示。圖5.1 聚類分析的結(jié)果圖5.1很直觀地給出了將數(shù)據(jù)聚成11類的聚類結(jié)果。各個類別的各變量的均值情況如表5.1所示 。表5.1 聚類后組內(nèi)各變量均值Cluster MESS_FEE NEW_FEE LOCAL_FEE LONF_NATION_FEE WAN_FEE ALL_FEE ONLINE_TIME NO.1 3.11 0.88 18.51 0.91 0.70 37.22 10 26872 10.05 3.02 101.29 19.18 16.93 191.62 70 1733 141.92 4.47 33.34 10.22 1.49 208.01 17 334 10.18 2.99 117.31 20.18 17.53 200.14 19 3785 5.19 1.09 28.36 2.16 1.83 66.39 67 7576 47.96 3.62 72.70 8.70 8.47 170.23 17 1667 6.90 1.68 57.27 6.09 7.23 108.18 40 4358 21.75 3.65 17.40 1.12 1.09 57.21 11 7919 3.61 0.61 20.67 0.90 0.92 44.44 27 232910 6.41 1.55 56.62 5.94 4.47 94.66 14 128011 61.64 3.58 20.90 1.96 1.16 104.37 15 182Total 8.50 1.42 33.57 3.27 2.84 68.56 23 92115.2 客戶細分矩陣根據(jù)4.4節(jié)中構建的細分模型，從 “傳統(tǒng)業(yè)務”、“數(shù)據(jù)業(yè)務”和“在網(wǎng)時長”三個43
現(xiàn)將已經(jīng)聚成的11個客戶群體以三維矩陣的形式表現(xiàn)出來，如圖5.2所示。音業(yè)務語數(shù)高低低16高5934在網(wǎng)時長圖5.2 客戶細分矩陣圖中的客戶細分矩陣分三個維度，各個維度分別取一個標準值。根據(jù)2/8原理，企業(yè)80%的收入是由20%的客戶提供的，所以將各個細分維度的標準值取為樣品80%處為分位點。如果某一個客戶群體在某一維度上的均值大于標準值，則說明此客戶群體在此維度上是對企業(yè)有所貢獻的；反之，則說明對于企業(yè)來說此客戶群體在此維度上的表現(xiàn)不佳。三個維度將將客戶細分矩陣分為8個象限，而11個客戶群體分布在客戶細分矩陣的不同位置，其各象限的特征如表5.2所示。表5.2 象限劃分象限 語音業(yè)務 數(shù)據(jù)業(yè)務 在網(wǎng)時長1 低于標準值 低于標準值 低于標準值2 高于標準值 低于標準值 低于標準值3 高于標準值 高于標準值 低于標準值4 低于標準值 高于標準值 低于標準值5 低于標準值 低于標準值 高于標準值6 高于標準值 低于標準值 高于標準值7 高于標準值 高于標準值 高于標準值8 低于標準值 高于標準值 高于標準值5.3 各客戶細分群體特征描述（1）象限 1——數(shù)量眾多的低價值群體該象限是客戶在三個維度上都處于較低的水平
【學位授予單位】：武漢科技大學
【學位級別】：碩士
【學位授予年份】：2009
【分類號】：F626
【引證文獻】
相關碩士學位論文 前3條
1 孫朝繼;S電信公司客戶價值管理方法研究[D];電子科技大學;2011年
2 李欣;基于系統(tǒng)動力學的電信企業(yè)客戶群細分模型研究[D];南京郵電大學;2011年
3 張雄;基于Gb口信令分析的手機客戶上網(wǎng)行為的應用研究[D];華南理工大學;2012年
本文編號：2601863
本文鏈接：http://sikaile.net/jingjilunwen/xxjj/2601863.html
最近更新
教材專著
