電信企業(yè)逐漸意識(shí)到以客戶為中心經(jīng)營的必要性,開始從業(yè)務(wù)驅(qū)動(dòng)向客戶驅(qū)動(dòng)轉(zhuǎn)化,電信技術(shù)的發(fā)展和創(chuàng)新不斷生成各種新型業(yè)務(wù),導(dǎo)致大量低忠誠度客戶轉(zhuǎn)網(wǎng)或變更業(yè)務(wù)。維持客戶、延長客戶生命周期是本課題的主要研究內(nèi)容,本文從三個(gè)方面加以研究:(1)細(xì)分市場(chǎng)和客戶群;(2)將最合適的業(yè)務(wù)推銷給最需要的客戶,實(shí)現(xiàn)業(yè)務(wù)和客戶的最佳匹配;(3)有效地遏制大規(guī)�？蛻袅魇У默F(xiàn)象。 本文針對(duì)上述問題研究了若干數(shù)據(jù)挖掘技術(shù)和方法,有針對(duì)性地分析了電信業(yè)的客戶群體細(xì)分、交叉及升級(jí)銷售和客戶流失,并在其中融入改進(jìn)后的挖掘算法及其思想方法。 針對(duì)客戶群體細(xì)分,給出了一種新的聚類算法——基于粒子群的K‐均值聚類算法,理論分析和實(shí)驗(yàn)表明該算法有較好的全局收斂性,能有效地克服傳統(tǒng)的K‐均值算法易陷入局部極小值的缺點(diǎn)。利用改進(jìn)后的算法對(duì)某市電信客戶消費(fèi)數(shù)據(jù)進(jìn)行聚類分析,按話費(fèi)特征分為不同特征的客戶群組,實(shí)驗(yàn)表明,聚類結(jié)果分析更合理清晰,更便于對(duì)不同群組采取不同的經(jīng)營策略,為管理者提供了合理的決策支持。 針對(duì)交叉銷售,使用了關(guān)聯(lián)規(guī)則挖掘算法中最經(jīng)典的Apriori算法,但Apriori算法存在兩點(diǎn)不足:一是對(duì)海量數(shù)據(jù)庫的多趟掃描,二...

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及其意義
        1.1.1 數(shù)據(jù)挖掘在電信業(yè)的應(yīng)用空間
        1.1.2 我國電信業(yè)客戶維持現(xiàn)狀和不足
        1.1.3 客戶維持的重要性
    1.2 課題研究現(xiàn)狀
    1.3 課題研究的內(nèi)容和思路
    1.4 論文組織結(jié)構(gòu)章節(jié)安排
第2章 數(shù)據(jù)挖掘技術(shù)與算法
    2.1 數(shù)據(jù)挖掘概述
    2.2 數(shù)據(jù)挖掘主要功能
        2.2.1 聚類分析
        2.2.2 分類和預(yù)測(cè)
        2.2.3 關(guān)聯(lián)分析
    2.3 數(shù)據(jù)挖掘算法
        2.3.1 K-means 算法
        2.3.2 關(guān)聯(lián)規(guī)則
        2.3.3 決策樹
        2.3.4 人工神經(jīng)網(wǎng)絡(luò)
        2.3.5 遺傳算法
    2.4 本章小結(jié)
第3章 數(shù)據(jù)挖掘流程
    3.1 確定業(yè)務(wù)對(duì)象
    3.2 選取合適數(shù)據(jù)
    3.3 數(shù)據(jù)預(yù)處理
        3.3.1 數(shù)據(jù)清理
        3.3.2 數(shù)據(jù)集成
        3.3.3 數(shù)據(jù)變換
        3.3.4 數(shù)據(jù)歸約
    3.4 數(shù)據(jù)挖掘與建模過程
    3.5 結(jié)果評(píng)估和表達(dá)
    3.6 本章小結(jié)
第4章 客戶和客戶關(guān)系管理（CRM）理論
    4.1 客戶價(jià)值和客戶維持
        4.1.1 客戶價(jià)值
        4.1.2 客戶維持的理論、內(nèi)涵及原則
    4.2 客戶關(guān)系管理理論
        4.2.1 CRM 的定義
        4.2.2 CRM 的主要參數(shù)
        4.2.3 CRM 的核心思想
    4.3 面向電信CRM 的數(shù)據(jù)挖掘應(yīng)用
    4.4 本章小結(jié)
第5章 電信行業(yè)中客戶維持的研究
    5.1 客戶群體細(xì)分
        5.1.1 客戶細(xì)分的定義
        5.1.2 基于粒子群的K-均值聚類算法細(xì)分客戶
            5.1.2.1 K-均值聚類算法
            5.1.2.2 粒子群優(yōu)化算法
            5.1.2.3 基于粒子群的K-均值算法
            5.1.2.4 實(shí)驗(yàn)
    5.2 交叉和升級(jí)銷售
        5.2.1 電信中的交叉和升級(jí)銷售分析
        5.2.2 關(guān)聯(lián)規(guī)則挖掘算法的改進(jìn)——Apriori 算法的改進(jìn)
            5.2.2.1 Apriori 算法
            5.2.2.2 Apriori 算法的改進(jìn)
        5.2.3 基于關(guān)聯(lián)規(guī)則的交叉銷售
    5.3 客戶流失分析
        5.3.1 客戶流失的基本概念
        5.3.2 利用決策樹預(yù)測(cè)客戶流失
    5.4 本章小結(jié)
第6章 評(píng)價(jià)方法
    6.1 客戶群體細(xì)分評(píng)估
    6.2 分類模型評(píng)估
    6.3 本章小結(jié)
結(jié)束語
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
詳細(xì)摘要



本文編號(hào)：3784278