基于数据挖掘的移动通信客户定位和交叉销售分析

摘要

随着社会信息化的程度不断加深，谁掌握的信息多谁就能商战中抢占先机。电信企业的信息化系统经过多年运行，积累了庞大的数据，这些数据包含通话记录，客户信息，计费信息等。这些数据中可能隐藏着重要的信息，我们可以借助一些数据分析或数据挖掘软件对这些海量的数据进行分析，提取出有用的信息，为企业制定各种策略提供有力的支持。
　　某电信企业的通话数据包含主叫、被叫、通话时长等信息，账单数据包含业务开通情况和缴费等信息。对这些海量的通话数据和账单数据进行整理之后，使用数据挖掘技术中的聚类方法对客户进行定位分析。将已有客户划分为不同的类别，把服务和业务对应到细分后的不同客户群中去，这样能够最大限度的了解客户的需求和习惯。利用数据挖掘中的关联算法对客户的业务使用数据进行关联分析，从分析的结果可以看出客户消费行为间的联系，从而为制定业务交叉销售的营销策略提供指导，提高工作效率。
　　本论文主要是将客户定位分析与业务关联分析相结合，利用通话及账单数据将客户聚类，完成定位分析。依据定位分析的结果将业务使用数据进行划分，分别对每个簇进行业务关联分析，从而针对性地找出每个簇内客户间的潜在业务关联。开发可视化的分析与查询系统，包括客户定位分析子系统和业务关联分析子系统，实现分析与查询的友好呈现。

目录

声明

摘要

1 前言

1．1 课题研究背景

1．2 数据挖掘技术的研究与应用现状

1．2．1 国外的研究与应用现状

1．2．2 国内的研究与应用现状

1．3 课题的研究内容

1．4 论文的组织结构

2 数据挖掘技术与工具

2．1 数据挖掘的概念与结构体系

2．2 数据挖掘的主要过程

2．3 数据挖掘的主要技术

2．4 常见的数据挖掘工具

3 数据挖掘在电信业的应用场景

3．1 交叉销售分析

3．2 客户细分

3．3 客户流失预警

3．4 客户社交网络分析

3．5 异常客户检测

4 关联算法与聚类算法

4．1 关联算法

4．1．1 Apriori算法

4．1．2 其他几种常见关联算法介绍

4．2 聚类算法

4．2．1 K-means算法

4．2．2 其他几种常见聚类算法介绍

5 基于客户通话和账单数据的客户定位分析

5．1 数据准备及预处理

5．2 客户定位分析流程

5．3 定位结果分析

6 基于客户定位分析结果的业务关联分析

6．1 数据准备及预处理

6．2 关联分析流程

6．3 关联结果分析

6．3．1 类Cluster1客户的业务关联结果分析

6．3．2 类Cluster6客户的业务关联结果分析

6．3．3 类Cluster8客户的业务关联结果分析

7 总结与展望

致谢

参考文献