基于改进型模糊聚类算法的电信客户细分研究

摘要

随着中国3G牌照的发放，中国电信行业的竞争格局发生了巨大的变革，中国移动通讯集团公司的“G3”品牌的业务营销面临着巨大的挑战。唯有实施合理的客户细分并准确定位客户的市场需求，“G3”品牌才能够在瞬息万变的市场环境中始终立于不败之地。数据挖掘技术研究和发展为移动公司“G3”品牌客户细分和客户需求分析提供了可靠的方法。
　　 模糊聚类的研究是数据挖掘中的一个新兴且很活跃的研究领域，可以用来发现数据分布和模式，是数据挖掘的一个很重要的工具。本文提出的改进型模糊聚类算法，利用蚁群聚类可以实现任意形状聚类的特点，解决了传统模糊C均值聚类(FCM)的原型初始化参数问题，通过对标准数据集的测试，证明了该算法的优秀的聚类效果。本文重点将改进的模糊聚类算法运用于中国移动某省公司的“G3”品牌的客户聚类分析研究，得到了优良的客户细分结果，并据此为中国移动的“G3”品牌的市场营销提出了具体的策略和建议。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景及意义

1.1.1 中国电信业的竞争格局

1.1.2 电信行业客户细分的意义

1.2研究方法及内容

1.2.1研究的主要方法

1.2.2研究的内容及创新

1.3论文框架

第2章客户细分理论概述

2.1 客户细分理论基础

2.1.1 客户细分的产生和发展

2.1.2客户细分的主要内容

2.2客户细分的方法

2.2.1传统的客户细分方法

2.2.2基于RFM的客户细分方法

2.2.3基于客户价值的客户细分方法

2.2.4基于数据挖掘的客户细分方法

2.3电信行业中的客户细分

2.3.1 电信行业客户细分的必要性

2.3.2 国内电信行业的客户细分

2.3.3 国外电信行业的客户细分

第3章基于数据挖掘的客户细分

3.1数据挖掘的定义和功能

3.1.1数据挖掘的定义

3.1.2数据挖掘的功能

3.2数据挖掘的方法

3.2.1数据挖掘主要方法分类

3.2.2数据挖掘中的聚类分析方法

3.3 国内外研究现状

3.3.1 国内研究的现状

3.3.2国外研究的现状

第4章模糊聚类算法的改进研究

4.1模糊聚类算法研究

4.1.1模糊聚类算法分类

4.1.2模糊C均值算法原理

4.1.3模糊聚类算法优缺点

4.2蚁群优化算法概述

4.2.1群体智能中的蚁群优化算法

4.2.2标准的蚁群聚类算法

4.2.3基于信息熵的蚁群聚类算法

4.3基于蚁群优化的模糊聚类算法改进策略

4.3.1模糊聚类算法改进的思路

4.3.2新算法的计算过程

4.3.3收敛性的证明方法

4.3.4性能测试分析

第5章 改进算法在电信客户细分中的应用

5.1 某移动公司G3客户数据的收集

5.1.1数据的采集

5.1.2数据的说明

5.2客户数据的预处理

5.2.1数据的清洗

5.2.2数据的标准化处理

5.3客户聚类过程及结果

5.3.1客户聚类过程

5.3.2客户聚类结果

5.4客户聚类效果评析

5.4.1聚类结果分析及评价

5.4.2营销策略分析

5.4.3算法应用总结

第6章 总结与展望

6.1全文总结

6.2研究展望

参考文献

附录:基于蚁群优化的FCM算法程序全文

致谢

在读期间发表的学术论文与取得的研究成果