基于数据挖掘的电信市场细分及通话特征研究——以四川电信市场为例

摘要

随着中国电信业新移动、新电信、新联通三足鼎立的全新竞争格局形成，中国电信行业发展迈入了新的全业务运营时代，进一步加强电信行业竞争。目前电信用户普及率已趋于饱和，新增市场空间狭窄，多数电信运营商都面临着利润增长缓慢、客户离网的压力。面对这样的经营环境，运营商必须在发展、经营和管理模式上努力创新，提供客户个性化服务。个性化服务体系正是运营商从规模型发展向规模效益型发展、从粗放型管理向精细化管理转型过程中所需要的。而市场细分是个性化服务的先决条件。 市场细分的概念是美国市场学家温德尔·史密斯(Wendell R．Smith)于20世纪50年代中期提出来的。所谓市场细分是指营销者通过市场调研，依据消费者的需要和欲望、购买行为和购买习惯等方面的差异，把某一产品的市场整体划分为若干消费者群的市场分类过程。每一个消费者群就是一个细分市场，每一个细分市场都是具有类似需求倾向的消费者构成的群体。 国内电信行业内早有大量成熟的数据库应用系统，现有的信息系统主要包括五个部分：“九七”营业受理系统、交换传输及网管系统、计费帐务系统、客户服务系统和财务统计系统。作为当今发展最快，吸引新技术最快的电信业企业，原始数据正在快速地积累和膨胀，如何保存并利用好这些珍贵的资源，将其中蕴藏的信息转化为生产力，将成为业内人士所关注的又一个技术热点。正如前面所提到的，许多研究人员正努力致力于数据挖掘的研究。在北美，数据挖掘技术已经成功地应用于社会生活的方方面面，尤其对于电信企业密集型数据，数据挖掘技术的应用就显得更有意义。由于竞争的加剧，电信行业急于找寻新的生机。对于中国的电信行业来说，一方面是过去曾经为电信运营商带来高额利润的传统话音业务价格不断下调，另一方面是中国电信行业体制改革为这一市场带来的很大变化。从宽带到WLAN，从视频到VPN，电信运营商们正努力尝试从各种不同的角度进行突破，寻找新的市场机会。事实证明数据挖掘技术可以很好的帮助企业挖掘细分的市场。随着数据挖掘技术的发展，数据挖掘在电信领域里有着越来越广泛的应用空间，包括业务预测、客户呼叫模式分析、大客户的识别、客户群体的细分、客户欠费分析和动态防欺诈、客户流失的预测与控制等。 根据市场细分理论和样本数据特征，本文利用SAS(statistic analysissystem)统计分析软件cluster聚类过程对四川某电信运营商典型客户固定电话话务量7-9月份监测数据进行实证分析，将四川省21市州电信市场按地域细分为五大聚类，并分析每一聚类地域、客户群特征以及个性服务策略。其中第一聚类阿坝、甘孜是四川省经济效益最差的城市，这是由阿坝、甘孜在地理位置、生产要素禀赋及历史文化背景等方面所处的劣势所决定的。但是经济的落后并没有制约通信尤其是固定电话通信的发展，这与国家对贫困落后地区电信业的投入是分不开。该地区IP通话话务量相对于全省其它市州较多，说明该地区客户对通话成本敏感。希望电信相关部门能给予更多的优惠政策支持该地区经济发展。第二聚类巴中、遂宁、广元、达州、自贡、德阳、资阳、广安、凉山、眉山、雅安、南充、宜宾、泸州14市州中除凉山外均为经济效益较好的城市。第三聚类乐山、内江区间通话话务量频繁，市县联系较多，相关部门应注意制定市县通话套餐以吸引更多客户。第四聚类成都是四川省省会城市，其市话、长途话务量明显高于其他市州。第五聚类绵阳、攀枝花市话话务量仅次于成都，市区通话频繁。 根据聚类结果重点关注第二聚类巴中、遂宁、广元、达州、自贡、德阳、资阳、广安、凉山、眉山、雅安、南充、宜宾、泸州14市州采掘、党政军及重要客户、金融、科教文卫、批发零售五大行业。本文进一步使用关联规则分析其通话特征和提出相应的客户获取和保持策略。分析结果表明多数地区、行业每次通话时间保持在1到2分钟，电信相关部门可以提高通话时间少于1分钟和通话时间超过2分钟的话务费用，降低通话时间保持在1到2分钟的话务量费用，以吸引客户、保持利润；党政军及重要客户仍是电信固定电话最重要客户群，电信企业相关部门应重点关注该客户群；金融业虽然市场比例小于党政军及重要客户，但其预期收入水平高，利润潜力巨大，也应重点关注。 但由于本课题研究领域仍然处于发展阶段，有许多地方可以继续深入研究和探讨。聚类分析、关联规则领域作为数据挖掘的关键技术之一，具有广阔的发展前景。今后需要进一步关注动态挖掘、增量挖掘和时序关联规则等方面的研究。

目录

文摘

英文文摘

声明

1.绪论

1.1选题背景和意义

1.2国内外相关研究现状

1.2.1市场细分研究现状

1.2.2数据挖掘在电信行业的应用

1.3本文主要研究方法、内容与组织结构

1.3.1研究方法、内容

1.3.2本文组织结构

1.4本章小节

2.数据挖掘技术

2.1数据挖掘理论

2.1.1数据挖掘概述

2.1.2数据挖掘过程

2.1.3数据挖掘的分类

2.2聚类概述

2.2.1聚类分析基本概念

2.2.2聚类分析基本思想

2.2.3聚类分析统计量

2.2.4聚类分析方法

2.2.5系统聚类法步骤

2.3关联规则概述

2.3.1关联规则基本概念

2.3.2关联规则问题描述

2.3.3关联规则分类

2.3.4关联规则的应用

2.4本章小节

3.客户市场细分分析

3.1数据准备

3.1.1数据预处理

3.1.2样本数据资料描述统计分析

3.2聚类分析综合评价过程及结论

3.2.1聚类变量选择

3.2.2客户聚类分析

3.2.3行业特征分析

3.3聚类结果分析

3.3.1各聚类地区特征分析

3.3.2五大聚类市场占比分析

3.4本章小结

4.重点关注客户群通话特征分析

4.1方法概述

4.1.1关联规则方法选择

4.1.2参数设置

4.2数据预处理

4.3关联规则分析客户群通话特征

4.3.1关联规则挖掘

4.3.2挖掘结果

4.3.3客户群通话特征分析

4.4本章小结

5.总结与展望

5.1本文总结

5.2今后工作展望

参考文献

后记

致谢