基于大数据的客户细分模型及精确营销策略研究资料下载.pdf
《基于大数据的客户细分模型及精确营销策略研究资料下载.pdf》由会员分享，可在线阅读，更多相关《基于大数据的客户细分模型及精确营销策略研究资料下载.pdf（70页珍藏版）》请在冰点文库上搜索。
可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。
本文电子文档的内容和纸质论文的内容相一致。
论文的公布（包括刊登）授权南京邮电大学研究生院办理。
涉密学位论文在解密后适用本授权书。
研究生签名：
_日期：
_研究生签名：
_导师签名：
_万方数据I摘要摘要随着移动互联网的快速发展，话音业务已不再是电信运营商的主营业务，移动数据业务逐渐成为电信运营商最主要的收入来源。
在互联网企业不断渗透移动通讯业务的大趋势下，电信运营商受到被“管道化”的威胁。
因此，在这种情况下，如何突破重围提高产品质量和改善客户体验，以更好地满足电信客户多样性的需求，吸引新客户的同时做好老客户挽留，是国内三大电信运营商当下的工作重心。
在大数据技术盛行的今天，如何运用数据挖掘技术来分析庞大的用户数据、识别客户消费习惯和管控客户消费行为，设计高价值、个性化和多元化的服务与产品，是运营商能否形成其核心竞争力的关键。
本文在对相关文献资料进行综述的基础上，分析了电信运营商的市场环境、发展现状和现有客户细分方法的不足；
之后利用SPSSStatistic软件对收集的数据进行了相关性和共线性分析，筛选出15个变量，进行了数据清洗；
随之利用Kohonen聚类分析对K-means聚类结果进行了优化，以提高结果的可靠性和准确性；
基于安索夫矩阵的基本概念，建立电信客户细分模型，并对比测试集和验证集进行结果检验，提出了电信运营商精确营销策略以及关于与现有产品的融合发展的建议。
本文将顾客细分与精确营销策略相结合的目的是通过有效的客户细分，将合适的信息传递给合适的用户，最终帮助电信运营商达到收益最大化。
关键词关键词:
大数据大数据，客户细分模型客户细分模型，精确营销精确营销，用户行为分析用户行为分析，聚类分析聚类分析万方数据IIAbstractWiththerapiddevelopmentofmobileInternet,mobiledataservicesbecomethebusinessentityoftelecomoperatorsinsteadofvoiceservices.UnderthetrendthatInternetcompaniescontinuetopenetratethemobilecommunicationsbusiness,telecomoperatorshavegraduallybeenpiped.Therefore,howtobreakthesiege,improvethequalityofproductsandmakecustomersexperiencebetter,inordertomeetthediversitiesofcustomerneeds,attractnewcustomersandretainoldonesaswell,isthecurrentfocusofthreetelecomoperatorsinMianlandChina.Bigdataisdevelopingfasttoday;
howtoanalyzingusersdatabydataminingtoidentifycustomerconsumptionhabitsandcontrolcustomerconsumptionbehavior,andre-designpersonalizedanddiversifiedservices,arethekeytasksforoperatorstoformcorecompetitiveforces.Inthisthesis,wefirstlyanalysethemarketenvironment,thedevelopmentstatus,andtheefficiencyofcurrentcustomersegmentationmethodthroughreadingalargenumberofliterature.SecondlyusingtheSPSSStatistictodothecorrelationandcollinearanalysis,weobtained15variables,andthenputtheminSPSSModeler.Inthispaper,KohonenclusteranalysiswasusedtooptimizeK-meansclusteranalysis,insomeextent,toimprovethereliabilityandaccuracyoftheresults.BasedonthebasicconceptofAnsoffMatrix,webuildthesegmentationmodeloftelecomcustomers,andthencomparedthetestsetandvalidationsettotesttheresults,andthenputforwardprecisionmarketingstrategiesandsuggestionsforexistingproductdevelopment.Thispapertriestocombinecustomersegmentationwithprecisionmarketingstrategytomaximizeoperatorsreturnsultimately,whichhascertainsignificancebothintheoreticalresearchandpracticalapplication.Keywords:
BigData,CustomerSegmentationModel,PrecisionMarketing,CustomerBehavior,ClusterAnalysis万方数据III目录目录第一章第一章绪论绪论.11.1研究背景研究背景.11.2研究方法研究方法.21.3研究内容研究内容.21.4研究框架研究框架.3第二章第二章论文相关文献综述论文相关文献综述.52.1大数据发展现状大数据发展现状.52.1.1大数据的内涵.52.1.2大数据的重要性.62.1.3大数据的不足与挑战.72.1.4大数据在通信业中的发展现状.72.1.5大数据研究评述.92.2精确营销理论精确营销理论.92.2.1精确营销的定义.102.2.2精确营销的兴起与挑战.112.2.3精确营销的步骤.122.2.4精确营销的途径.152.2.5精确营销研究评述.162.3客户细分理论客户细分理论.162.3.1理论发展历程.162.3.2客户细分方法.172.3.3客户细分研究评述.202.4数据挖掘过程数据挖掘过程.202.5聚类方法聚类方法.212.5.1常见的聚类方法.212.5.2K-means聚类算法介绍.232.6SPSSModeler软件软件.242.6.1SPSSModeler概述.242.6.2CRISP-DM标准的商业流程.252.7小结小结.26第三章第三章我国电信业客户细分的发展现状与分析我国电信业客户细分的发展现状与分析.283.1我国电信业客户细分的发展现状我国电信业客户细分的发展现状.283.1.1电信行业特征与现状分析.283.1.2电信业客户特征分析.293.1.3电信运营商客户细分的现状及其存在的问题.303.2电信客户细分方法改进的必要性电信客户细分方法改进的必要性.313.2.1竞争日益激烈，业务结构改变.313.2.2盈利点变化，客户细分需改进.32第四章第四章电信客户细分模型建立及算法优化电信客户细分模型建立及算法优化.344.1电信客户细分模型设计及建立电信客户细分模型设计及建立.344.1.1商业理解.344.1.2数据理解.34万方数据IV4.1.3数据准备与预处理.354.2K-means算法及其优化算法及其优化.404.2.1对K-means算法的优化Kohonen网络聚类.404.2.2Kohonen网络聚类的实行.414.3电信客户细分的结果检验与分析电信客户细分的结果检验与分析.464.3.1电信客户细分结果检验.464.3.2电信客户细分结果分析.48第五章第五章基于电信客户细分模型的精确营销策略基于电信客户细分模型的精确营销策略.515.1中国电信的未来发展趋势中国电信的未来发展趋势.515.2精确营销策略精确营销策略.535.2.1市场渗透数据网络型客户.535.2.2产品研发低端基本型客户&
忠实型老客户.535.2.3市场扩张潜力优质型客户.545.2.4多样化发展（以“易信企业版”为例）长途商旅型客户.55第六章第六章结论与展望结论与展望.57参考文献参考文献.59附录附录1攻读硕士学位期间撰写的论文攻读硕士学位期间撰写的论文.62致谢致谢.63万方数据南京邮电大学硕士研究生学位论文第一章绪论1第一章第一章绪论绪论1.1研究背景研究背景21世纪是信息膨胀的世纪，大量的数据出现在日常生活中，大数据时代已经到来。
Gartner公司在2001年首次介绍了“大数据（BigData）”概念，并且预言，当时的世界500强企业中超过85%到了2015年将会在大数据竞争中败下阵来。
随着移动通信业正迅速地向第三代甚至第四代移动通信发展，高质量的移动宽带网络和多媒体服务不仅导致电信运营商业务重点由传统的语音业务向移动数据业务转变，而且为电信运营商建立客户大数据库及利用大数据进行分析提供了前提基础。
据中华人民共和国工信部的报告数据显示，2013年上半年的中国信息消费总额达到了2.07万亿元，同比上涨了20%。
从中国移动、中国电信、中国联通三家移动运营商的同时期年报来看，移动业务，尤其是数据流量的发展势头最劲。
移动服务的迅速发展吸引了更多的参与者进入这个行业，竞争更加激烈的同时，新的技术和服务也迫使电信运营商必须把发展重心从以往份额最大的话务部分转移到以数据流量为中心的产品服务上来。
目前，随着电信市场竞争的加剧和竞争环境的不断变化，数据挖掘被广泛应用于电信运营商优化营销手段、客户保有及赢回、用户行为分析等多个方面，利用数据挖掘结果对客户细分，以便进行精细化营销、交叉组合营销，促进客户规模的提升。
现有研究表明，电信运营商想要保持市场的相对领先，就必须善于利用客户数据进行客户细分，提高客户价值，并针对不同的客户群采取差异化的市场营销策略。
数据挖掘技术能对电信运营商内部大量的客户资料和历史消费数据进行详细及有效的分析，已成为电信运营商电进行针对性营销时可利用的有效工具，客户细分越准确，企业的精确营销才能做得更加有效，而电信运营商的客户细分方法还是老旧的基本分法，影响了营销活动的精确性。
这种现象的出现，一方面说明客户细分与精确营销的整合研究目前正处于学术研究中的一个重要时期；
另一方面也隐含着企业急需精确营销策略的理论支持。
因此，本文试图将顾客细分与精确营销策略相结合，目的是通过有效的客户细分，将合适的信息传递给合适的用户，最终帮助传统运营商达到收益最大化，在理论研究和现实应用上都具有一定的研究意义。
万方数据南京邮电大学硕士研究生学位论文第一章绪论21.2研究方法研究方法
（1）文献归纳法主要通过在线数据库（维普、万方数据库、UMI、Elibrary、ABI、EBS）、中国学术期刊网、纸质书籍的查阅获得本文相关文献资料；
通过中国通信网、通信产业网、中国信息产业、ITU等电信产业相关网站，获得最新的电信运营商精确营销和客户细分的发展资料；
通过对国内外学术论文、新闻评论的阅读和学习，充足知识储备，形成论文的理论框架。
（2）理论分析与定量分析相结合应用客户细分理论与方法对电信业客户进行细分，利用SPSSStatistics软件中的相关性分析和共线性诊断，对变量进行筛选，并完成数据预处理工作；
利用SPSSModeler进行聚类分析，建立客户细分模型，进行数据挖掘分析。
1.3研究内容研究内容在现有的精确营销理论和客户细分理论方法的研究基础上，按照CRISP-DM标准流程进行整个细分过程，通过对K-means聚类算法的优化，前后进行多次聚类得出结果，构建客户细分模型，从大量的、有异常点的、未经清洗的实际应用数据中，提取出有针对性地、潜在的有用信息，得出客户群分组。
再对客户群分组模型进行检验和解释后，结合电信运营商现有业务的发展现状，提出了精确营销的策略建议。
论文研究技术路线如图1-1所示。
万方数据南京邮电大学硕士研究生学位论文第一章绪论3图1-1论文研究技术路线1.4研究框架研究框架本论文总共分为六章：
论文第一章为绪论部分，阐明论文的研究背景、研究意义、研究方法及研究框架；
论文第二章对大数据理论、精确营销理论和客户细分理论的主要内容和方法进行总结与归纳，并对SPSSModeler软件的相关技术进行介绍；
论文第三章分析中国电信运营商的客户特征，以及企业在客户细分上的应用现状，指出目前所存在的问题，并从电信业务结构和盈利方式转变的角度上探讨中国电信运营商客户细分方法改进的必要性；
论文第四章基于之前的理论基础和应用现状的描述，进行数据清洗和变量筛选，利用SPSSModeler软件，运用Kohonen聚类算法与K-means聚类算法结合的优化算法，按照CRISP-DM标准流程对客户进行细分，得出聚类结果，再基于安索夫矩阵的基本概念，建立业务理解抽取样本获得原始数据数据变量筛选相关性分析共线性诊断人口统计变量聚类分析模型建立模型检验与评估分析数据预处理电信用户模型实施数据准备行为变量其他变量万方数据南京邮电大学硕士研究生学位论文第一章绪论4电信客户细分模型；
论文第五章建立面向客户群组的精确营销策略模型，运用SPSSModeler的“三七”定律对模型的准确性进行验证，提出精确化营销策略；
论文第六章为结论与展望，阐述论文所得到的结果，指出主要贡献与创新，并说明论文的不足及有待进一步研究的地方。
论文的总体内容框架图如图1-2所示：
图1-2论文内容框架图大数据时代的到来，加之移动通讯业去电信化趋势，电信运营商转变营销方式迫在眉睫分析研究移动营销理论，“大网捞鱼”沦为垃圾信息几率大，急需转变模式，实行精确性移动营销分析目前电信业客户细分存在的问题，探讨电信客户细分方法改进的必要性。
根据前人研究成果假设因子，选取常见的消费行为特征作为细分变量验证性因子分析做模型维度验证运用K-means聚类算法构建客户细分模型，得出各客户群组利用SPSSModeler“三七”定律对群组结果进行验证；
根据实证结果，给出对应建议；
结论与展望。
万方数据南京邮电大学硕士研究生学位论文第二章论文相关文献综述5第二章第二章论文论文相关相关文献综述文献综述2.1大数据发展现状大数据发展现状2.1.1大数据的内涵近年来，大数据这一概念不断出现在人们的视野当中，而大数据的核心就是预测。
通过大数据先进的数据存储技术，我们可以轻松地获得更多的数据，在将其与适当的数学算法联系在一起，能够更加准确和有效地预测事情发生的可能性。
我们日常生活中所接触的数据中有90%都是在近两年内创造出来的，IDC一项报告显示，到2010年底，我们使用的数据已经达到了120万拍字节或者叫1.2个泽字节。
根据2011年麦肯锡公司发布的大数据：
革新、竞争、生产力的下一个趋势报告，到2020年，电子储存数据总量将达到35万亿千兆字节，是2009年这一数据的45倍1。
当今互联网公司和电子商务公司发展非常迅猛，每月所生成和需要处理的数据以亿计算。
Google公司利用大数据技术中的大规模集群和MapReduce软件，每月处理的数据量达到400PB以上；
百度公司每月也要处理大约几百PB数据；
Facebook在全球拥有10亿以上的注册用户，每天产生的日志数据就高达300TB以上；
淘宝网坐拥3.7亿会员，拥有超过8.8亿个在线商品，每天产生大约20TB数据2。
因此如上文所说，世界500强企业超过85%到了2015年将会在大数据竞争中失去优势。
AudreyWatters指出，我们所获取的越来越多的数据是非结构化的，并且很难用传统的分析工具对其进行组织3。
到底什么才能称为是大数据呢？
Gartner公司在2001年首次将大数据（BigData）这一概念带入人们的视野当中。
大数据中的大并不仅仅是数据量众多、数据规模庞大的意思。
数据很大可以因为有很多数据，可以因为数据运转很快，或者可以因为它没有用一个可用的方法创建。
Gartner公司归纳大数据有三个主要的特点：
容量（总量）、速度（创建和利用的速度）、和多样性（非结构性数据的类型和来源，如社交、视频、音频所有不能够在一个数据库中整齐归纳的事物）。
此外，甲骨文公司和中国移动研究院在相关研究中都添加了第四个特点价值，IBM公司给出的第四个特点是真实性1。
当然，正如麦肯锡全球研究所所说的那样，其实根本不需要给大数据规定一个具体的定义，随着技术不断发展进步，这个定义本来就在不停地变化，而且对于不同的领域，大的定义也不尽相同，无需统一。
万方数据南京邮电大学硕士研究生学位论文第二章论文相关文献综述6大数据从数据生成上分，可分为交易数据、传感数据以及交互数据；
从来源上分，可以分为移动电话和平板电脑、社交媒体、银行和购物网站、各种物联网等；
从格式上分，可以分为图片、音频、视频、文本日志等；
从特点上分，可以分为结构化数据和非结构化数据；
还可以从数据所有者上分，可以分为政府数据、网络数据和大型公司数据；
而从营销体系上考虑，大数据可分为广告与营销战略策划、媒体分析、消费者分析和效果评估四种类型，从而构成了大数据背景下的全媒体营销体系4。
大数据的关键在于从庞大的繁杂的数据当中快速获取需要的信息。
大数据的潜力超过了传统的后视图的商业智能模式，近似实时的反应类型使商业智能从增量改进飞速提升到预测业务流程甚至创造出了全新的商业模式。
由大规模数据库和共创信息平台组成的互动信息平台，促进发展了对大数据的挖掘分析，为大数据分析创造了新的营销可能性。
通过分类、聚合和匹配，大数据营销的理论模型得到了充分的验证并且付诸于实践。
2.1.2大数据的重要性2010年Lusch等人在文章中指出，许多营销人员认为，社交媒体分析提供了一个独特的机会，让企业把市场作为一个企业和客户之间的对话，而不是传统的企业对消费者的、单向的营销5。
在2011年5月麦肯锡发布的大数据：
创新、竞争和生产力的下一个趋势1以及2012年1月达沃斯世界经济论坛发布的大数据，大影响3中均指出，大数据对公司竞争力方面的影响主要表现在七个方面，即客户洞察、营销规划、产品创新、流程优化、物流管理、风险控制和人力资源管理。
在2012年第二季度安吉尔知识网络公司对北美零售经理进行的调查中发现，有62%的零售商认为大数据带给电子商务和多渠道采购领域最多的收益，其次是市场营销领域（60%）、商品领域（44%）以及供应链领域（29%）3。
不容置疑，数据挖掘和分析技术已经改变了。
但是分析人士认为大数据技术将不会完全替代当今数据库和数据挖掘工具。
当今数据的挖掘分析技术确实是与相对复杂、数据量不多的模型紧密相连的，Gartner公司的Collins说道，现在，大数据给了我们巨大的数据容量，这可以理解成我们将再也不需要那么复杂的模型，这也意味着一个转机，即那样的数据挖掘已经穷途末路了。
作为能有效的与顾客沟通的渠道以及提高组织劳动力生产效率的方法，移动计算被IBM公司最新技术趋势调查视为软件开发领域中第二个最有需求领域（IBM,2011）。
Bitterer在2011年指出，移动BI也被GarterBI运作周期分析视为最有潜力改变原先BI市场的新技术之一5。
之后Snider也表示，根据电子营销人员所述，移动广告市场将会迎来井喷，会从2012年的26亿美元飙升到2016年的108亿美元6。
万方数据南京邮电大学硕士研究生学位论文第二章论文相关文献综述72.1.3大数据的不足与挑战大数据技术中有两种管道，一个是大交易数据，它由来自诸如企业、供应商、分销商和消费者的交易信息组成；
另一个是大交互数据，它包含了互联网、短信息服务、物联网以及移动终端的数据，其中，移动互联网技术的占有率是极高的，可以说是以上这四个数据渠道未来发展的走向与载体。
因为大数据的价值密度比较低，因此需要大量进行反复运算和并行运算以确保信息的实时性，保障信息价值不会因为处理不当而丢失7。
从根本上讲，大数据当前和新兴的问题都是由于前所未有的复杂性引起的，包括数据的结构、如何分析数据、处理不可靠和冗余的数据、解决人类理解复杂数据集所存在的问题、制定有用的分析方法，以及管理密集耗电数据中心4。
大数据科学正在成为一个新的技术驱动力，需要重新思考许多基础设施组件、方案和流程来迎接以下的挑战：
（1）由于不同的研究工具和传感器手机而带来的数据量呈指数的增长；
（2）为了保证研究的连贯性以及跨学科合作的趋势，研究者们需要不断巩固电子基础设施作为长久的研究平台，提供和获取长久服务，以及拥有足够的监管治理模型；
（3）相关统计报告指出，企业数据中有超过85%的是非结构化数据，因此需要对多样的数据类型进行整合；
（4）
升级会员 