基于数据挖掘技术的移动用户消费行为模式研究与应用

摘要

我国通信技术已进入了新阶段的发展时期，随着通信市场竞争的日益激烈，人们对移动通信的需求和依赖在持续提升，对销售服务的期望值也在持续提高。稳步持续发展的国民经济，不断推进社会信息化进程，提高了用户的消费能力，将进一步刺激需求增长的电信市场，但是电信运营商的销售服务质量、效果、水平均达不到客户的预期。在激烈竞争的市场和超高品质的服务背景下，如何运用有限的成本、人力、资源，在研究移动通信客户消费行为的前提下，做好精确的市场营销，在最大限度满足客户需求的情况下，加强客户的服务感知，以及提升企业的市场价值，这是对电信运营商来说，是具有非常重要的市场发展意义的。根据2014年中国电信广东分公司的年报数据显示，中山电信的移动通信的市场份额仅为16％，相比中山移动市场份额差距达55%。显而易见，中山电信的移动市场是处于被动的地位。在面对强大的竞争对手中国移动，中国电信假如没有高效、快捷、简单的行为导向模型，是开展不了快速且有针对性的猛烈进攻的。基于以上背景，本课题提出了基于数据挖掘技术的移动用户消费行为模式的研究与应用。
　　本研究通过数据挖掘的知识、算法和技术，建立起大概率、强逻辑、强关联的数学模型，从大量的数据实例中，探索出对移动通信客户来说，是具有市场价值意义的消费行为模式。本课题的移动通信客户消费行为模式，是区别于普通的移动通信用户消费，不同于主观的、随机的、发散的购买消费行为。在竞争激励的市场环境中，我们需要挖掘有规律的消费行为模式，本课题探索出一种可归类、可推断、可评估、中价值的购买模型，且具有准确预测性的购买动作，其作用是用来理清特定细分客户群体的营销策略思路，能够更好地指导和制定有效的、具体的、可行的市场营销执行方案。选取广东某市电信运营商的某区域数据，结合消费行为理论知识，以客户当前价值为基准，定义细分客户群体的行为特征，运用k-means聚类算法预处理细分客户的数据实例，使用Apriori算法关联规则，阐述各细分群体中移动通信客户的现有购买行为消费习惯，实证了研究主题及方法。另一方面，分别使用ID3算法、CART算法、CHAID算法和人工神经网络算法，预测客户对通信数据业务的购买倾向，横向对比精确性，进而得出不同细分客户群体的预测算法最优解，以提前获得市场营销先机，提高客户消费需求营销的成功率，以及激发客户的消费欲望，大大提升营销效率，节省人力和物力的成本开支，最终取得本课题研究的意义和目标。

目录

第一章 绪论

1.1课题背景概述

1.2国内外研究现状

1.3课题研究的内容

1.4课题研究的开发意义

第二章 数据挖掘理论及相关技术

2.1数据挖掘概述

2.2使用数据挖掘主要的算法

2.3人工神经网络算法

2.4数据挖掘的工具

第三章 客户消费行为分析

3.1消费行为理论

3.2影响消费行为的因素

3.3建立基于消费行为理论的指标体系

第四章 移动用户消费行为模式分析

4.1方法概述

4.2实证研究

4.3实证研究结果的现实意义

第五章 移动通信客户购买倾向预测分析

5.1方法概述

5.2实证研究

5.3实证研究结果的现实意义

总结与展望

1 全文总结

2 研究展望

参考文献

声明

致谢