基于某大数据挖掘地电信客户细分与精准营销.docx

基于某大数据挖掘地电信客户细分与精准营销.docx

《基于某大数据挖掘地电信客户细分与精准营销.docx》由会员分享，可在线阅读，更多相关《基于某大数据挖掘地电信客户细分与精准营销.docx（13页珍藏版）》请在冰点文库上搜索。

基于某大数据挖掘地电信客户细分与精准营销

---------------------------------------------装------------------------------------------订-----------------------------------------线----------------------------------------

班级姓名学号

-

广东商学院答题纸（格式二）

课程信息管理学　2011－2012学年第2学期

成绩　评阅人

请选取信息管理学课程内容相关主题：

信息技术、信息采集与组织、信息分析与评价、信息检索与服务、信息系统、信息产业管理、企业信息管理、政府信息管理、个人信息与信息结构管理、信息人文管理、信息管理的历史、知识管理理论和信息管理学理论等，独立完成期末课程论文，格式参考毕业论文要求，字数3000-5000字。

严禁剽窃、抄袭等作弊行为！

本学期课程的期末成绩均已公布.虽然评分标准第一次课都讲过了,但还是在这里公示一下,各位同学可以对应着了解自己分数的来源.北京林业大学200８–200９学年第2学期论文考试要求课程名称：

两性关系与两性文化课程所在学院：

人文学院考试班级：

公选命题人：

方刚论文要求：

1、论文题目（范围）1，本课程的收获与体会；2，《中国多性伙伴》或《男性要解放》读后感（二选一）；2、论文要求手写□打印□，字数范围为2000-4000字；3、论文上交时间：

2009年5月13日、14日随堂4、写作要求（请任课教师详细说明本次论文考试的内容要求）严禁剽窃、抄袭等作弊行为！

６０分以下：

全全文抄袭，或未按时交卷，或与选题内容毫不相关按不及格处理。

信息管理学课程论文评分标准

分值

得分

论文选题具有现实意义，文章结构安排合理。

10分

论文写作规范，引注正确。

10分

论文具有逻辑性条理清晰，论证有力。

20分

文章资料翔实，真实可靠。

20分

文章理论阐述全面，能够联系实际分析问题，解决问题。

20分

文章能够围绕主题合理论证，有自己的独立见解，分析问题透彻。

10分

文章富有创新性，能够提出新的观点。

10分

成绩

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

基于数据挖掘的电信客户细分与精准营销

内容摘要

伴随电信市场的迅速发展，通信服务在消费者中得到普及，电信客户也逐渐呈现出细分化、多元化的特征，电信企业的竞争焦点和发展机遇将更多地集中到各细分市场中。

运营商要保持市场的领先地位以及不断提升

客户价值，必须主动进行客户细分，采取差异化的市场营销和客户服务略。

数据挖掘细分技术，包括聚类算法、决策树、人工神经网络等为电信企业开展以客户细分为基础的针对性营销提供了有效工具，同时电信企业内部丰富的客户资料和历史消费数据是实施数据挖掘的有力保证。

数据分析和数据挖掘技术的发展及相关软件工具的商业应用逐渐成熟，给电信行业进行精确化套餐设计乃至实施针对性营销提供了崭新的视野和借鉴，为电信企业进行精准营销提供了可行条件。

本文首先介绍电信用户细分与细分技术，然后针对细分的类型设计精确化套餐，从而使电信企业能够满足更多不同用户的要求，获得更好的销售业绩与利润。

关键词：

客户细分数据挖掘聚类算法精准营销电信

Abstract

Accompaniedbytherapiddevelopmentofthetelecommunicationsmarket,communicationservicesgainedpopularityamongconsumers,telecomcustomershavegraduallyshowingasegmentationofawiderangeofcharacteristics,thefocusofcompetitionandopportunitiesfordevelopmentofthetelecomcompanieswillbemorefocusedonthevariousmarketsegments.Operatorstomaintainmarketleadershipandcontinuetoenhancecustomervalue,customersegmentation,musttaketheinitiativeadoptdifferentiatedmarketingandcustomerservicealittle.Dataminingtechnologysegments,includingclustering,decisiontrees,artificialneuralnetworkprovidesaneffectivetoolfortelecommunicationenterprisestocarryouttargetedmarketingbasedoncustomersegmentation,telecommunicationsinternalcustomerdataandhistoricalconsumptiondataisimplementationofdatamining,apowerfulguarantee.

Maturecommercialapplicationsofdataanalysisanddataminingtechnologyandrelatedsoftwaretools,precisionpackagesdesignedtoprovideanewperspectiveandlearnfromeventheimplementationoftargetedmarketingtothetelecommunicationsindustry,precisionmarketingforthetelecommunicationscompaniestoprovideaviablecondition.

Thispaperfirstintroducesthesubdivisionandsubdivisionoftelecommunicationsusers,accuratebreakdownofthetypedesignpackages,sothattelecommunicationscompaniescanmeettherequirementsofdifferentusers,bettersalesandprofits.

Keywords：

CustomerSegmentsDataMiningClusteringAlgorithm

PrecisionMarketingTelecommunications

1现状分析

随着电信市场的迅速发展,电信服务在消费者中得到普及,电信客户逐渐呈现出细分化、多元化的特征。

因此对客户群进行细分,并在此基础上采取差异化的市场营销和客户服务策略,是电信运营商保持市场领先地位的有效途径。

客户细分是指按照一定标准将企业的现有客户划分为不同客户群的行为。

传统的客户细分方法大多是按照人口统计学和社会经济学等标准进行的,例如依据客户的年龄,性别,地理位置,职业,社会阶层,消费行为等标准划分客户群。

但是,客户数据的复杂性使得客户细分变得越来越困难。

电信运营商在发展过程中积累了大量的客户信息和消费数据,这些数据真实、客观地反映了他们的消费行为。

将数据挖掘技术与电信行业丰富数据资源相结合,可以有效地对电信客户进行细分,从而帮助电信企业制定更准确、快捷、有效的市场策略。

电信行业的海量数据积累和数据仓库技术的广泛应用使得通过系统记录的客户历史数据洞察客户行为特征和潜在需求成为可能，也为电信行业开展针对性营销提供了前提条件此外，数据分析和数据挖掘技术的发展及相关软件工具的商业应用逐渐成熟，给电信行业进行精确化套餐设计乃至实施针对性营销提供了崭新的视野和借鉴。

2客户细分与细分技术

2.1客户细分定义

客户细分是一种科学的分析方法，它把客户分成一些客户群，在客户群中，客户的通信需求、消费特征以及客户对市场营销的反应非常相似。

在客户群之间，群与群则相互独立，特征差异较大。

电信企业可以对每个客户分群采取相应的市场营销手段，提供符合这个客户群的产品或服务，大大提高营销效率。

“客户金字塔”细分是客户细分中的一种细分类型，如下图所示：

图1“客户金字塔”细分图

Figure1“customerpyramid”subdivisionfigure

2.2客户细分技术

2.2.1聚类算法

对于样本的聚类，系统聚类法是统计学聚类分析应用最为广泛的一种。

系统聚类法的基本原理如下：

①将n个样本或指标各自看成一类，得到n个类;

②计算样本（或指标）之间的亲疏程度，也就是它们的距离;

③将亲疏程度最高（即距离最近）的两类合并为一类，形成一个新类;

④考虑合并后的类与其他类之间的亲疏程度，再进行合并。

重复这一过程，经过n-1次合并后，所有的样本（或指标）成为一类;

⑤决定类的个数，并由上述步骤得到相应的聚类分析果

数据挖掘中的聚类算法理解示意图如图2所示：

图2聚类算法理解示意图

Figure2clusteringalgorithmunderstandschemes

2.2.2决策树

决策树就是一个类似流程图的树型结构，其中树的每个内部结点代表对一个属性值的测试．其分支就代表测试的每个结果，而树的每个叶结点就代表一个类别，树的最高层结点就是根结点。

从决策树的根结点到叶结点的一条路径就形成了对相应对象的类别预测。

决策树可以很容易转换为分类规则。

决策树数据分类操作通常有两个步骤：

1）根据给定的训练集，找到合适的映射函数H：

f（X）→C的表示模型。

这一步通常称为模型训练阶段。

2）使用上一步训练完成的函数模型预测数据的类别，或利用该函数模型，对数据集中的每一类数据进行描述，形成分类规则。

下图为数据挖掘中决策树算法的应用例子：

图3决策树算法应用举例图

Figure3decisiontreealgorithmforexamplefigure

2.2.3人工神经网络

人工神经网络是一种基于动物神经系统的生理属性的分析和算法模型，由一些相互联系的神经元组成。

这些神经元的功能在于处理和传递信息，其连接方式直接决定着信息在网络中传递和信息的属性。

Boone和Roehm研究了用Hopfield人工神经网络技术进行客户细分的Hopfield和Kagmar（HK）聚类方法。

他们认为Hopfield网络中的每个神经元同所有其他神经元都相连，信息能够以多个方向在神经元间流动，因而比其他人工神经网络更具优势。

人工神经网络是将多变量插值的径向基函数RBF（RadialBasisFunction）应用于神经网络设计而构成的，其结构与多层前向网络相似。

构成RBF神经网络的基本思想是：

用RBF作为隐单元的“基”构成隐含层空间，这样就可将输入矢量直接（即不通过权连接）映射到隐含层空间。

当RBF的中心点确定后,这种映射关系也就确定了，而隐含层空间到输出空间的映射是线性的，即网络的输出是隐单元输出的线性加权和。

2.3客户细分的实现过程模型

图4为基于数据挖掘客户细分功能模型图。

图4基于数据挖掘客户细分功能模型图

Figure4thefigureofcustomersegmentationfunctionmodelbasedondatamining

3精确化套餐设计方法

精确化套餐设计是指，通过客户细分得到客户分类后，有针对性的进行套餐的设计和定价，在风险可控的范围内最大限度地提高客户对套餐的接受度，同时实现电信公司的业务量和收入提升。

通常，精确化套餐设计流程在实际应用中是嵌套于针对性营销流程之内的。

除了精确化套餐设计流程外，后者还包含前期的业务问题分析以及后期的营销方案设计营销执行和营销评估环节。

以下的业务流程图将详细阐述精确化套餐设计的每个环节的实施步骤：

图5精确化套餐设计业务流程图

Figure5precisionpackagedesignbusinessflowchart

3.1套餐设计

套餐设计环节主要包含两个步骤:

一是根据营销目标和客户群特征选择套餐所要包含的业务或产品内容，例如营销主要涉及固话宽带还是移动业务。

若是固话业务，套餐将包含本地通话、国内长途、国际长途，以及来电显示、七彩玲音等。

二是选取套餐模式，通常套餐设计中常用的模式分类包括:

包月制、计量制、赠送使用量、赠送话费、计量+封顶、保底+计量、保底+计量+封顶、亲情号码计量、忙闲时计量等等，选取何种模式或模式的组合进行套餐设计应由业务人员根据市场环境和业务发展等因素综合考虑确定。

以下将以某电信公司固话与手机融合的市话业务套餐（以下简称A套餐）为例，介绍套餐设计和资费测算的方法。

A套餐包含业务/产品内容:

固话市话业务、手机市话业务、固话来电显示、手机来电显示、固话商务彩玲、手机来电畅听;

A套餐模式:

保底+赠送使用量+计量。

由此可得到套餐的设计框架，见表1。

表1某电信公司A套餐设计框架

Table1onetelecomcompanyApackagedesignframework

此后，就是通过资费测算来确定表格中所有待定的参数“XX”。

3.2资费测算

资费测算是指根据客户使用电信公司业务的历史行为数据，假设客户使用该套餐，测算客户消费支出以及电信公司收入将发生怎样的变化，借此预测套餐推出后将带来的真实影响，以便在套餐设计过程中提高定价精准度，最大限度地提高对客户的吸引力，同时有效把控电信公司收入下滑，增加收入提升概率。

资费测算通常分三个步骤:

一是根据业务经验定出初始测算参数;二是根据套餐设计框架确定资费测算公式;三是将目标客户的历史行为数据代入公式进行测算，并根据测算结果调整参数取值，而后反复进行第三步，直到测算结果满足要求为止。

以下以A套餐为例，介绍资费测算的方法。

首先，确定初始测算参数如表2所示。

表2A套餐初始测算参数

Table2Apackageinitialestimatesparameters

然后，根据套餐设计框架，确定几项需要测算的资费计算公式:

a.使用套餐前客户支出=固话月租费+固话本地时长*固话本地单价+固话增值业务费+手机本地时长*手机本地单价+手机增值业务费;b.使用套餐前电信公司收入=固话月租费+固话本地时长*固话本地单价+固话增值业务费+（手机本地时长*手机本地单价+手机增值业务费）*10%;c.使用套餐后客户支出=使用套餐后电信公司收入=套餐费+固话本地超出部分时长*固话超出部分单价+手机本地超出部分时长*手机超出单价;d.使用套餐前后客户支出变化率=（使用套餐后客户支出-使用套餐前客户支出）/使用套餐前客户支出;e.使用套餐前后电信公司收入变化率=（使用套餐后电信公司收入-使用套餐前电信公司收入）/使用套餐前电信公司收入。

其中，自费计算公式隐含两条假设:

a.根据市场情况，该电信公司本地移动业务量占客户全部本地移动业务使用量的约10%;b.客户使用套餐后，其全部本地移动业务使用量均转入该电信公司;另外，根据套餐初始测算参数，需要对即将使用个档次套餐的目标客户范围作出假设，如表3所示。

表3各档次套餐目标客户范围假设

Table3eachclasscombotargetcustomersrangehypothesis

基于资费计算公式及以上假设，将各档次目标客户的历史行为数据代入公式即可进行各测算指标的计算。

资费测算通常无法一次得到最优套餐方案，而是一个反复进行指标计算和参数调整的过程。

本文中A套餐设计的目标是较典型的保障和提升电信公司收入，其最终资费测算结果如表4所示。

其中，使用套餐前/后简称“前/后”，使用各档次套餐后客户支出较使用前平均下降2.42元、4.54元和6.34元，下降幅度分别为3.38%、4.84%和5.48%;同时电信公司收入在客户使用各档次套餐后较套餐前平均提高12.16元、19.93元和28.05元，提升幅度分别为21.29%、28.75%和34.53%，即实现了客户支出小幅下降的同时电信公司收入有较大幅度提升的目标。

表4套餐资费测算结果

Table4combochargescalculatedresult

4结论

本文通过数据挖掘技术，利用聚类算法、决策树和人工神经网络算法设计的系统构架，以及建立的电信客户细分模型，得出了电信用户的细分类型，并针对不同的用户类型设计有针对性的套餐，从套餐设计的一般流程，即数据准备客户细分、套餐设计，以及资费测算等方面阐述了精确化套餐设计的方法、实施流程和具体步骤，描述了各环节的常用及典型方法，为电信企业提供精确化套餐设计及针对性营销方案，具有一定的可行性与实际意义。

参考文献

[1]黄晓殷.基于数据挖掘的电信客户细分[J].计算机与信息技术,2010，（29）.

[2]朱恒民.基于数据挖掘的电信客户细分研究[J].中国新通信，2010，（15）.

[3]潘宇曦.基于数据挖掘的电信行业精确化套餐设计方法研究[J].情报杂志,2011,（30）.

[4]李益强.基于数据挖掘的电信客户细分研究析[J].广东通信技术，2010，（18）.

[5]严丽平.基于数据挖掘的电信客户细分模型的分析与设计[J].科技广场，2011，（29）.

[6]韦荣辉.试析数据挖掘技术在电信市场营销中的应用[J].中国新通信，2012，（07）.

[7]孙京兰.OLAP技术及数据挖掘技术[J].中文信息,2009,（04）

[8]王跃.做更深层次智能数据挖掘[J].成功营销，2012，（05）

[9]谢冬.浅谈统计数据挖掘的方法及应用[J].计算机光盘软件与应用，2012，（05）

[10]王康.关于数据挖掘技术在经济统计中的应用[J].财经界（学术版）,2011,（05）.