我國電信行業(yè)的競爭日益激烈,發(fā)展寬帶業(yè)務(wù)對于電信運(yùn)營商具有戰(zhàn)略性意義�，F(xiàn)階段對于獲取寬帶客戶的需求就顯得尤為必要和迫切。目前我國固定電話業(yè)務(wù)與寬帶業(yè)務(wù)用戶比例為4:1左右。我國寬帶市場存在巨大的潛在空間可供發(fā)掘。 面對目前運(yùn)營商對于寬帶客戶的粗放式獲取方式,本研究利用數(shù)據(jù)挖掘的方法,根據(jù)信息系統(tǒng)中的客戶固定電話消費(fèi)數(shù)據(jù),預(yù)測出寬帶客戶獲取概率及客戶類型,促使客戶由固定電話客戶向?qū)拵Э蛻舭l(fā)展,為電信運(yùn)營商帶來新的機(jī)會。 客戶獲取預(yù)測,就是使用數(shù)據(jù)挖掘的方法,整合客戶歷史海量數(shù)據(jù),通過對客戶基本狀態(tài)屬性與歷史行為屬性等數(shù)據(jù)進(jìn)行深入分析,提煉出已使用該業(yè)務(wù)的客戶具有的特征,建立獲取模型,預(yù)測出近期可能使用該業(yè)務(wù)的潛在客戶。 目前的客戶獲取預(yù)測研究,缺乏對于潛在客戶的深入探索分析,如特征分析,消費(fèi)模式等,也沒有進(jìn)一步對可獲取客戶的類型進(jìn)行預(yù)測的研究。并且大部分研究僅僅得出潛在客戶的名單,沒有利用預(yù)測結(jié)果來指導(dǎo)運(yùn)營商的實(shí)踐。 在前人研究的基礎(chǔ)上,本文提出“電信業(yè)潛在寬帶客戶獲取兩步預(yù)測模型”,在預(yù)測潛在寬帶客戶的基礎(chǔ)上,進(jìn)一步預(yù)測潛在寬帶客戶所屬的消費(fèi)模式類型,便于運(yùn)營商開展針對性的營銷策略和措施,獲取有價值的寬帶客戶,使得預(yù)測更為精準(zhǔn)有效。并且構(gòu)建了該模型研究框架,模型訓(xùn)練過程以及模型預(yù)測過程。 本文以中國電信T分公司為背景,利用可視化數(shù)據(jù)挖掘工具—Clementine的建立了電信業(yè)潛在寬帶客戶獲取兩步預(yù)測模型。具體介紹了建模的過程和其中參數(shù)的調(diào)整,并利用數(shù)值化指標(biāo)和圖形化指標(biāo)對模型進(jìn)行了評價。模型預(yù)測的命中率、覆蓋率,總準(zhǔn)確率和提升系數(shù)均達(dá)到了較好的效果。 本文最后詳細(xì)分析了各類型客戶的特征,概括出四種客戶的消費(fèi)模式類型。并結(jié)合市場營銷知識,提出了相應(yīng)的客戶獲取策略,包括客戶資源配置策略和客戶關(guān)系發(fā)展策略,并設(shè)計(jì)了相應(yīng)的客戶寬帶營銷策略,為電信運(yùn)營商的客戶獲取實(shí)踐提供一定的參考。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2009
【中圖分類】：F274;F623;F224
【部分圖文】：

數(shù)據(jù)準(zhǔn)備，建立模型，模型評估，模型發(fā)布。圖3-7給出了e 包含了數(shù)據(jù)挖掘的大部分分析方法：分類、預(yù)測、關(guān)聯(lián)該軟件也包含了大量的挖掘模型，比如 C5 決策樹、C&邏輯回歸和 k-means 聚類等。我們在模型建立的過程中模型達(dá)到最優(yōu)的效果。通過使用 Clementine，可以使整于理解。

至五月都尚未安裝寬帶的客戶，最后共得到 8197 條數(shù)據(jù)。將訓(xùn)練和測試集分割為訓(xùn)練集和測試集，在分割方式上可以采用“50/50”60/40”、“70/30”等方式，本文中采用常用的 70/30 的方式，其中 70%為訓(xùn)，30%為測試集。.3 模型建立本研究使用 SPSS 公司的 Clementine11.0 軟件進(jìn)行模型的建立。4.3.1 第一步預(yù)測：潛在客戶預(yù)測模型的建立

圖 4-2 客戶聚類模型建立過程步聚類算法可以簡單總結(jié)為以下兩個步驟：一步，首先建立起聚類特征樹（Cluster Features Tree）,將數(shù)據(jù)集中第在由樹根發(fā)起的一個葉結(jié)點(diǎn)上。該點(diǎn)包含了這條記錄中所有變量信例記錄將利用距離測量作為相似準(zhǔn)則，根據(jù)它與現(xiàn)存結(jié)點(diǎn)的相似性現(xiàn)有的結(jié)點(diǎn)上或者形成一個新的結(jié)點(diǎn)。當(dāng)一個結(jié)點(diǎn)包含了多例記錄上這群記錄的信息變量是相同的，這些共點(diǎn)記錄的變量信息就可以。這樣，所建立的聚類特征樹就提供了該數(shù)據(jù)集的變量信息概要。二步，利用合并聚類算法對聚類特征樹上的每個葉結(jié)點(diǎn)進(jìn)行組合。算法可以產(chǎn)生一組不同聚類數(shù)的聚類方案。然后，根據(jù)聚類準(zhǔn)則，Scsian Criterion(BIC)或者 Akaike Information Criterion(AIC)來對各種聚類選擇，選定最佳聚類方案[48]。類結(jié)果自動聚為四類客戶。各類客戶比例如表 4-6 所示。其中，各類在第 4.6 節(jié) 客戶特征分析中進(jìn)行詳細(xì)介紹。表 4-6 兩步聚類結(jié)果
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張炳明;畢學(xué)慧;;C4.5算法在客戶關(guān)系管理中的應(yīng)用研究[J];阜陽師范學(xué)院學(xué)報(自然科學(xué)版);2009年02期

2 張丹;;數(shù)據(jù)挖掘技術(shù)在保險業(yè)客戶關(guān)系管理中的應(yīng)用[J];保險職業(yè)學(xué)院學(xué)報;2007年06期

3 趙麗萍;舒期梁;;數(shù)據(jù)挖掘在陶瓷企業(yè)客戶關(guān)系管理中的應(yīng)用研究[J];科技信息;2010年30期

4 胡致杰;;數(shù)據(jù)挖掘技術(shù)在銀行CRM中的應(yīng)用[J];華南金融電腦;2008年07期

5 韓艷;;面向CRM的數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究[J];科技創(chuàng)新導(dǎo)報;2009年34期

6 王芳;楊奕;;論數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理(CRM)中的應(yīng)用[J];現(xiàn)代商貿(mào)工業(yè);2009年01期

7 毛曉晨;;電信經(jīng)營分析系統(tǒng)應(yīng)用中的問題和對策[J];江西通信科技;2007年01期

8 張曉偉;杜龍非;劉麗娜;;XML與Web數(shù)據(jù)挖掘技術(shù)[J];商場現(xiàn)代化;2007年23期

9 李瑾;王世民;;數(shù)據(jù)挖掘在報刊業(yè)信息系統(tǒng)的應(yīng)用[J];全國商情(經(jīng)濟(jì)理論研究);2009年04期

10 李英;;數(shù)據(jù)挖掘技術(shù)在高校財務(wù)管理信息化中的應(yīng)用研究[J];會計(jì)師;2009年01期

相關(guān)博士學(xué)位論文 前10條

1 許增福;DL環(huán)境下的信息資源管理及知識發(fā)現(xiàn)研究[D];哈爾濱工程大學(xué);2005年

2 龐淑英;三江并流帶旅游地質(zhì)景觀數(shù)據(jù)挖掘及旅游價值評價研究[D];昆明理工大學(xué);2008年

3 趙晨;過程控制中的數(shù)據(jù)挖掘技術(shù)研究及其智能控制策略探討[D];浙江大學(xué);2005年

4 高清東;復(fù)雜供礦條件礦山技術(shù)指標(biāo)整體動態(tài)優(yōu)化系統(tǒng)及應(yīng)用[D];北京科技大學(xué);2005年

5 李興;高光譜數(shù)據(jù)庫及數(shù)據(jù)挖掘研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

6 王玉峰;變電站瞬態(tài)電磁環(huán)境及微機(jī)保護(hù)系統(tǒng)EMC研究[D];大連理工大學(xué);2007年

7 潘海天;數(shù)據(jù)挖掘技術(shù)在聚合過程建模與控制的應(yīng)用研究[D];浙江大學(xué);2003年

8 程其云;基于數(shù)據(jù)挖掘的電力短期負(fù)荷預(yù)測模型及方法的研究[D];重慶大學(xué);2004年

9 束志恒;化學(xué)化工數(shù)據(jù)挖掘技術(shù)的研究[D];浙江大學(xué);2005年

10 孫蕾;醫(yī)學(xué)圖像智能挖掘關(guān)鍵技術(shù)研究[D];西北大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 鄧玉珊;電信業(yè)潛在寬帶客戶獲取預(yù)測研究[D];電子科技大學(xué);2009年

2 孫革新;基于數(shù)據(jù)挖掘的企業(yè)客戶關(guān)系管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];吉林大學(xué);2009年

3 朱銀歡;數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的應(yīng)用[D];西安電子科技大學(xué);2006年

4 趙林明;基于數(shù)據(jù)倉庫的信用卡數(shù)據(jù)挖掘研究[D];山東科技大學(xué);2005年

5 陳駿武;基于數(shù)據(jù)挖掘技術(shù)的電信客戶關(guān)系管理研究[D];湖南大學(xué);2005年

6 房靜;面向CRM的數(shù)據(jù)挖掘在電力市場營銷中的應(yīng)用[D];天津大學(xué);2004年

7 羅國甫;數(shù)據(jù)挖掘在銀行客戶經(jīng)理考核系統(tǒng)中的應(yīng)用[D];同濟(jì)大學(xué);2006年

8 王鑫;數(shù)據(jù)挖掘中聚類分析算法的研究[D];山東師范大學(xué);2006年

9 袁明;基于網(wǎng)格的數(shù)據(jù)挖掘應(yīng)用研究[D];西安電子科技大學(xué);2007年

10 左紅武;基于數(shù)據(jù)挖掘的房地產(chǎn)企業(yè)客戶關(guān)系管理研究[D];昆明理工大學(xué);2006年

本文編號：2844476