基于数据挖掘的呼叫中心IVR客户细分研究

摘要

随着市场竞争日益激烈，呼叫中心在企业客户关系管理中已经被证明是一种行之有效的模式，因此电信行业也越来越重视呼叫中心的应用。电信行业为了争取客户，必须提供更优质的服务，呼叫中心是一个直接与客户联系的部门，因此各大通讯运营商都很注重自身呼叫中心的建设。而在电信呼叫中心中，互动式语音应答业务（IVR）现在已成为呼叫中心重要的组成部分，因此它可以解决大部分用户的问题。但由于用户对操作流程的陌生，或是习惯于人工服务，经常会跳过IVR转入人工服务，降低了IVR的利用率，从而增加了人力需求。因此，如何对IVR进行改进成为电信行业的一个重要课题。 本文首先介绍了呼叫中心和客户细分的相关理论及数据挖掘技术，然后结合实际项目，参考了CRISP-DW数据挖掘方法，并采用SPSSClementine数据挖掘工具对数据进行分析。对呼叫中心操作数据进行预处理，包括数据集合并，数据排序，去除异常、重复数据，数据集平衡以及离散化处理等。 在数据整理与预处理的基础上，第五章首先分析了IVR客户与地区分布，ARPU值和入网时长的关系，然后对IVR客户进行聚类分析。通过聚类，分析IVR客户的相关特点，同时有针对性地提出相应措施，帮助提高IVR客户的满意度和利用率。 第六章建立了一个C5.0决策树模型，通过对模型分析，预测客户在什么情况下进入IVR系统，而非进入“人工接听”。分析IVR客户与入网时长、地区、ARPU值这三类数据项之间的规则，可以更准确地了解IVR客户的特征，从而给电信进行IVR改进提供指导和参考。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景

1.1.1问题提出的背景

1.1.2研究目的和意义

1.2国内外文献综述

1.2.1呼叫中心研究现况

1.2.2数据挖掘研究现况

1.3本研究的主要内容与方法

1.3.1研究内容

1.3.2研究方法

1.4课题来源

第二章客户细分相关理论

2.1客户细分概述

2.1.1客户细分的定义

2.1.2客户细分的分类

2.1.3客户细分的意义

2.1.4电信呼叫中心客户细分体系的步骤

2.2数据挖掘在客户细分中的应用

第三章呼叫中心客户细分方法论

3.1数据挖掘技术概述

3.1.1数据挖掘的定义

3.1.2数据挖掘的研究内容和本质

3.1.3目前数据挖掘领域研究方向

3.1.4数据挖掘的流程

3.1.5数据挖掘涉及的主要技术

3.2数据挖掘在呼叫中心中的应用

3.2.1数据挖掘在呼叫中心中的应用过程

3.3数据挖掘流程方法论

3.3.1.商业理解

3.3.2.数据理解

3.3.3.数据准备

3.3.4.建立模型

3.3.5.模型评估

3.3.6.模型发布

第四章移动呼叫中心数据获取与预处理

4.1原数据描述

4.1.1数据情况

4.2数据预处理及整理过程

4.2.1数据集合并

4.2.2数据排序

4.2.3去除重复数据

4.2.4去除异常数据

4.2.5对数据集进行平衡

4.2.6离散化处理

4.3本章小结

第五章基于聚类分析的移动IVR客户细分研究

5.1深圳移动IVR客户基本情况分析

5.1.1地区分布与IVR客户的关系分析

5.1.2 ARPU值与IVR客户的关系分析

5.1.3入网时长与IVR客户的关系分析

5.2聚类分析在移动IVR客户细分中的应用

5.2.1 K-means聚类的算法

5.2.2移动IVR客户细分分析过程

5.3结果分析

5.4本章小结

第六章基于决策树的呼叫中心客户细分

6.1决策树概述

6.1.1决策树的结构

6.1.2决策树的构造

6.2决策树C5.0算法介绍

6.3基于决策树的客户行为预测

6.3.1进行客户行为预测的商业理解

6.3.2进行客户行为预测的数据理解

6.3.3进行客户行为预测的数据准备

6.3.4进行客户行为预测的建立模型

6.3.5进行客户行为预测的模型评估

6.4结果分析

6.5本章小结

总结与展望

参考文献

攻读学位期间发表论文

致谢