數(shù)據(jù)挖掘技術在電信企業(yè)客戶細分中的應用研究.pdf

1、隨著電信市場的逐步開發(fā)，競爭日趨激烈，電信運營商的經(jīng)營模式逐漸從“技術驅(qū)動”向“市場驅(qū)動”、“客戶驅(qū)動”轉(zhuǎn)化。這就要求運營商要采取以“客戶為中心”的策略，根據(jù)客戶的實際需求提供個性化的服務解決方案。由于電信市場的規(guī)模龐大，客戶的背景、收入、年齡、教育程度、行為特征的不同，對電信業(yè)務的需求也呈現(xiàn)多層次、個性化、差異化的趨勢，因此必須根據(jù)客戶的特點對客戶進行細分，并在此基礎上對不同的細分市場提供有針對性的差異化服務。同時，電信欺詐與欠費已經(jīng)

2、成為國內(nèi)外電信行業(yè)關注的嚴重而急迫的問題，采用先進、智能化程度比較高的決策支持與經(jīng)營分析技術建立防欺詐管理系統(tǒng)成為比較好的解決之道。通過對已有欠費數(shù)據(jù)使用數(shù)據(jù)挖掘技術來對欺詐客戶的行為進行分析和預測，建立欠費客戶細分分類模型，能達到對欺詐行為的偵察與防范的作用。 本文在綜述客戶細分和數(shù)據(jù)挖掘等相關理論的基礎上，結(jié)合某移動公司的業(yè)務流程和欠費分析需求，分別采用聚類分析與分類分析方法進行電信企業(yè)客戶細分模型的建立及應用。在聚類分析中

3、，利用數(shù)據(jù)挖掘(Data Mining，簡稱 DM)聚類算法以及 RBF 人工神經(jīng)網(wǎng)絡算法設計了相應的系統(tǒng)構架，建立了電信客戶細分聚類模型，并通過大量現(xiàn)實數(shù)據(jù)的訓練，得到了比較理想的細分結(jié)果，驗證了模型的合理性、有效性和實用性，為運營商的經(jīng)營和決策提供了有力的技術支持。在分類分析中，作者選擇并研究了基于決策樹的電信企業(yè)欠費客戶分類及其應用過程，結(jié)合實際數(shù)據(jù)重點闡述了數(shù)據(jù)采集、預處理、基于雙變量統(tǒng)計方法的特征分析與選擇，以及采用決策樹進行