数据挖掘在电信客户分群中的应用
摘要:介绍了电信企业数据挖掘的若干主题及常用数据挖掘模型;利用数据挖掘工具KXEN,采用K-means聚类方法给出了一个电信客户分群的解决方案。
关键词:客户分群;聚类分析;K-means算法
中图分类号:TP311.13文献标识码:A 文章编号:1009-3044(2008)24-1123-03
Application of Data Mining in Telecom Customer Segmentation
LIU Yi-jun1, FU Han-yu1, CAI Qiu-ru1, HE Hui2, LUO Ye1
(1.Jiangsu Teachers University of Technology, School of Computer Sciences and Engineering, Changzhou 213001,China; 2.Changzhou Branch of Jiangsu Telecom, Changzhou 213003,China)
Abstract: The paper introduces the data mining topics and data mining models frequently used in telecom. A resolution of Customer segmentation is proposed based on the data mining tool KXEN and K-means method.
Key words: customer segmentation; clustering analysis; K-means algorithm
1 引言[1]
随着电信体制改革的深化,电信业的竞争也日趋激烈。电信业是典型的数据密集行业,与其他行业相比,则电信行业拥有更多的有关用户的数据。谁能正确地分析这些数据得到有用的知识,谁就能更好地向用户提供服务,发现更多的商机,从而在竞争中获胜。数据挖掘可以从大量数据中自动获取有用信息或知识,因此数据挖掘在电信业中有重要的应用价值。
该文组织结构如下:第二部分分析了电信数据挖掘的若干主题及其相关的数据挖掘模型;第三部分介绍了客户分群及其K-means聚类算法的实现流程;第四部分基于实践经验给出了建立电信客户分群模型的解决方案。
2 电信领域的数据挖掘模型[2,3]
电信的数据挖掘应用开发,主要进行客户分群、客户流失分析、客户发展分析、客户行为分析等数据挖掘专题分析,逐步实现业务预测和信息挖掘等功能。
1)客户分群:客户分群将一个大消费群体划分为一个个细分群体,同属一个分群的消费者相似,而隶属于不同分群的消费者被视为不同的群体。企业根据客户提出的要求和实际所做的不断地改善产品和服务,从而不断提高该客户群的满意度。
2)客户消费模式分析:从消费能力、消费习惯、消费周期等诸方面对客户的话费行为进行分析和预测,从而为相关经营决策提供依据...
== 试读已结束,如需继续阅读敬请充值会员 ==
|
本站文章均为原创投稿,仅供下载参考,付费用户可查看完整且有格式内容!
(费用标准:38元/2月,98元/2年,微信支付秒开通!) |
升级为会员即可查阅全文 。如需要查阅全文,请 免费注册 或 登录会员 |