基于数据挖掘的移动用户投诉行为研究

摘要

目前国内移动通信市场经过多年的发展，已经形成全球最大的用户规模，业务种类也逐步丰富，在移动移动通信网络的用户管理、投诉处理系统、网管系统、计费系统等各个系统中都沉淀了大量用户数据，形成的丰富数据资源亟待挖掘。　　重庆电信公司在电信集团近年来不断提出要求经营企业一切资产、充分利用数据资源的背景下，探索开展移动用户的真实业务感知研究，并建立起与用户投诉行为之间的关联，对于做好移动用户服务工作,提高用户的满意度和黏性具有重要意义。　　该论文提出了一种有效利用移动运营商网络设备运行数据、投诉系统数据、计费系统数据以及CRM系统数据，建立能够反映用户真实感知的指标模型的新思路，在此基础上建立了移动用户投诉预测模型，并采用数据挖掘算法分析和预测用户投诉行为的方法。　　该论文按照“电信CDMA用户投诉相关数据分布情况调研?数据挖掘理论在移动运营商的应用情况?移动用户感知指标建立?数据挖掘算法选择?移动用户投诉模型建立?移动用户投诉模型验证”的逻辑思路开展了深入的研究，首先对重庆电信公司现有的用户投诉处理系统进行调研，列举出影响用户投诉的可能因素，包含了动态变化因素和非动态变化因素，重点关注网络设备运行数据的分析和影响评估。通过对数据挖掘算法的详细分析，采用OLAP（联机事务处理）对影响用户投诉行为的要因进行计算和推导，通过神经网络模型进一步提取关键因素，并建立移动用户的投诉预测模型。　　在以上工作的基础上，该论文采用了重庆电信公司2014年5、6月的C网用户投诉数据对模型进行了验证，最终论证了通过数据挖掘预测用户投诉行为的可行性、有效性和准确性。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 选题背景

1.2 国内外研究现状

1.3 本文的主要研究内容

1.4 本文技术路线

1.5本文组织结构

2 数据挖掘基础理论

2.1 数据挖掘主要流程

2.2 数据挖掘相关算法简介

2.3 数据挖掘在通信领域的应用

3 移动用户端到端业务感知评估体系建立

3.1 移动用户感知评估体系建立背景

3.2 用户业务感知评估体系建立方法

4 用户投诉预测模型的建立

4.1 移动用户投诉相关因素全量分析

4.2 建立移动通信用户的投诉数据仓库

4.3 移动通信用户投诉预测模型建立

5 移动用户投诉模型建立与验证

5.1 数据准备

5.2 主要因素提取

5.3 关键因素提取

5.4 建立移动用户投诉Bp神经网络预测模型

5.5 模型评估

6 结论

致谢

参考文献

个人简历、在学期间发表的学术论文及取得的研究成果