基于半监督AP算法的电信客户细分研究

摘要

近年来,随着电信市场的飞速发展,电信客户逐渐呈现出细分化、多元化的特征,而客户是企业赖以生存的根本和发展的关键。面对海量的客户数据与信息,运营商如何从中获取有用的信息,为企业的发展提供良好的决策支持,已成为许多领域尤其是通信行业关心的首要问题。只有运用有效的方法和工具对海量的客户数据进行深入的分析,才能制定出精准的营销方案,并获得更高的投资回报。
　　客户细分是客户关系管理系统的核心功能之一,可对客户的获取与保持以及客户增值等提供全面支持。本文针对目前客户细分结果过于笼统、细分变量与描述变量不合理等问题进行了深入研究。主要研究内容如下:
　　(1)基于移动通信行业海量的客户数据资源,确定了客户的细分变量及其描述变量,使细分结果具有更好的可分性,解决了细分结果过于笼统的问题。
　　(2)将半监督成对约束与密度敏感距离引入到AP算法中,提出了一种密度敏感的半监督AP聚类算法。与传统AP算法相比,提出的算法具有更好的聚类性能,尤其对非凸数据集的聚类效果有了明显提高。
　　(3)基于本文所提出的客户细分变量及描述方法,采用上述密度敏感半监督 AP聚类算法,构建了一个电信客户细分系统模型。
　　实验结果表明,本文提出的算法在聚类性能上有显著提高。在实际应用中,能对电信客户进行较为清晰的细分,从而为运营商提供更科学的决策指导。

目录

封面

声明

中文摘要

英文摘要

目录

图表目录

第1章 绪 论

1.1 课题研究的背景和意义

1.2 研究现状与分析

1.3 研究内容及研究方法

1.4 本文结构安排

第2章 聚类分析

2.1 聚类分析概述

2.2 数据挖掘与聚类分析

2.3 聚类分析的方法

2.4 聚类分析中的数据结构与数据类型

2.5 聚类分析的过程与应用

第3章 半监督聚类

3.1 半监督学习简介

3.2 半监督聚类算法

3.3 半监督聚类算法应用

第4章 密度敏感半监督AP算法

4.1 AP算法

4.2 密度敏感距离测度

4.3 密度敏感半监督AP聚类算法

4.4实验

4.5本章小结

第5章 基于半监督AP算法的电信客户细分

5.1 客户细分概述

5.2 数据获取

5.3 数据预处理

5.4 客户细分结果数据表

5.5各群体特征描述及营销策略的制定

5.6 本章小结

第6章 总结与展望

6.1 本文主要工作

6.2 下一步研究工作的展望

参考文献

致谢

攻读学位期间发表的论文及参加的科研项目