彭清圳[1]2008年在《基于数据挖掘的电信精细化营销策略研究》文中研究指明随着中国电信业改革不断深入,电信市场不断拆分,客户选择电信产品和运营商的余地越来越大,电信运营商之间对客户的争夺也越来越激烈。过去那种粗放地开发市场、粗放地开发客户资源、粗放地使用媒体广告的状况失去营销效果,使业务推广面临营销失灵的局面。另一方面,即将展开的全业务运营会导致更加激烈的市场竞争,3G时代的增值业务将占据更重要的地位,用户的个性化需求将更加明显,因此作为通信服务市场前端核心的市场营销工作应从过去“粗放型营销”转变为“精细化营销”。同时,电信行业是典型的数据密集行业,其业务数据中隐含着大量对企业有价值的信息,而数据挖掘技术经过多年的发展,研究的重心正在转向各个应用领域,基于数据挖掘技术的“精细化营销”可以帮助我们发现顾客需要、分析顾客行为、评估顾客价值,进而有针对性地制定营销策略,满足客户个性化的需求。本文在分析我国电信业发展及电信业营销现状,数据挖掘和精细化营销的相关知识的基础上,深入分析数据挖掘在客户细分、交叉销售以及客户流失预警的具体应用,同时看出基于数据挖掘的精细化营销是电信业提升核心竞争力一个极为重要的手段,它将在电信业的市场营销中发挥重要的作用。论文中的营销理论分析、数据挖掘方法、具体应用案例,相信对于市场营销人员、经营分析人员等有一定的启发借鉴作用。
李文英[2]2009年在《基于数据挖掘的电信客户细分研究》文中研究说明目前,国内电信市场竞争变得越来越激烈,客户对电信业务、服务的要求日趋多样化和差异化,对电信服务的整体质量也提出了更高要求。随着3G时代的来临,运营商只有深入分析用户消费行为,精确识别、细分用户,针对不同层次用户进行定向营销,方能更有效地提高客户满意度与忠诚度,进而提升企业的竞争力。论文针对电信领域的客户细分问题,探索了电信企业客户数据的组织、处理和存储方法,应用数据挖掘技术,实现准确、有效的客户细分。论文以客户细分理论和数据挖掘理论为基础,阐述了如何在电信客户生命周期的不同阶段进行不同目的、不同内容的客户细分。接着,分析了电信数据仓库建设过程中的关键问题,重点讨论了电信企业客户历史数据的组织和存储方法。在此基础上,详细讨论了电信客户细分属性选择的原则和方法,为客户细分的展开做好了数据准备。然后,根据电信数据特点,设计了一个基于K-Means算法的电信客户细分数据挖掘模型。在实证分析部分,论文将上述客户细分模型应用到中国电信咸阳分公司固网客户的细分实践中。以客户价值+行为二维属性为基础,选出了55个价值相关属性和38个行为相关属性,然后,运用SPSS16.0进行数据探索分析和皮尔逊相关分析,最终确定出16个价值属性和20个行为属性,形成了客户细分模型的应用研究中所采用的属性“宽表”。接着,采用了Clementine 11.0数据挖掘软件对基于K-Means算法的电信客户细分模型进行验证,将“宽表”中的数据导入该模型,通过K值的不断调整,对样本数据集进行了尝试性运算,最终将总体客户划分为8个客户群。进而,从价值+行为二维维度对客户群进行了特征刻画与定性分析,并针对不同的客户群制定了相应的营销策略。最后,通过建立一个稳定的客户细分决策支持系统模型,将客户细分嵌入到OLTP (On Line Transaction Processing,联机事务处理)中,使客户细分成为方便、实用的日常决策分析工具。
王晋[3]2007年在《数据挖掘技术在电信企业客户关系管理中的应用研究》文中认为随着国内电信市场的逐步开放，市场竞争日趋激烈，电信运营商的经营模式逐渐从“技术驱动”向“市场驱动”、“客户驱动”转化。这就要求运营商采取“以客户为中心”的策略，根据客户实际需求提供个性化的服务解决方案。因此客户关系管理(Customer Relationship Management，CRM)的实施势在必行。电信企业客户数量很大，资料比较完整，并且已经建立了营帐系统和比较成熟的数据库系统。这些优势都为电信企业实施CRM系统奠定了基础。在客户关系管理流程中，如何将大量的客户资料和交易数据转化为能够为企业决策提供支持的各种信息是电信企业面临的一个重要问题。数据挖掘技术经过十多年的快速发展已经可以提供一套比较完善的挖掘方法。数据挖掘可以帮助企业更好的利用数据，发现其中潜藏的规律，并且结合专业知识加以理解，进而为企业的市场策略制定提供支持。因此数据挖掘技术已经成为CRM系统中最为重要的技术之一。本文阐述了客户关系管理理论的形成和发展过程，在仔细分析对比各大研究机构和咨询公司对CRM概念的定义后，提出了对CRM涵义的理解，并且阐述了CRM系统的框架以及CRM系统与数据挖掘之间的关系。本文介绍了数据挖掘概念提出的背景及其发展演变的过程，以及专家学者对数据挖掘的观点和定义，阐述了从技术角度和商业应用角度对数据挖掘涵义的认识。本文对数据挖掘的理论研究进行了评述，并且介绍了数据挖掘的功能和常用算法。在案例研究部分，本文基于数据挖掘的电信企业CRM客户细分研究，根据电信企业业务需求以及经营的实际状况界定了分析问题的范围，选择合适的挖掘工具和方法，利用数据挖掘聚类方法中的分割聚类算法建立了客户细分模型，并且对数据的预处理、模型的建立、结果的展示都作了详细介绍，为运营商的经营和决策提供了一定的技术支持。
何灵[4]2016年在《电信客户细分研究》文中指出移动通信和IPTV的市场形势不断变化,竞争愈演愈烈。随着用户增长放缓,如何挖掘存量用户的最大价值是企业面临的重要课题,在大数据的时代背景下,客户细分和精准营销提供了发展的方向。但是电信企业多沿用了过去的客户细分策略,方法滞后,细分维度有限、粗糙。宝贵的数据资源没有得到充分运用,因而在运营效率和运营收益上遭遇桎梏。本文回顾了市场细分和数据挖掘的相关文献,参考CRISP-DM的数据挖掘流程,内容围绕业务需求分析、样本处理、变量选择和数据准备、研究方法选择和模型建立、数据分析结果与讨论的步骤开展论文研究。针对电信运营商现有细分策略存在的问题和不足,基于真实的电信用户数据,剔除多维度的客户细分框架的构建。从客户的价值与行为特征、人口统计特征和兴趣偏好叁个维度进行全面的客户细分和细分群体特征刻画,为企业开展移动通信业务和IPTV业务运营的精准营销战略提供决策依据。主要的研究内容如下：1、根据客户价值理论和电信移动通信业务特点,从客户的利润贡献、忠诚度、业务使用行为叁个方面构建客户的价值与行为特征,采用K-Means聚类分析方法将客户分为5个细分群体。结合流量运营的要求,在模型建立的变量选择过程中,对于数据流量相关变量给与重点关注。2、采用卡方检验和对应分析的方法,对客户的性别、年龄等人口统计特征进行分析,进一步刻画细分市场,了解客户形象和消费水平,为企业管理客户关系、获取新客户提供可行思路。3、基于客户的ITV访问数据,进行二元Logistic回归,分析不同性别、年龄段、C网消费水平等的客户在新闻、时尚、数码、房产、母婴、教育、财经、体育,8个兴趣大类的偏好差异,为ITV业务节目资源引进、制作提供参考,为ITV业务的精准营销推广策略创造了实施条件。本文是基于数据挖掘技术在电信客户细分中进行的有益尝试。在大数据时代背景下,数据挖掘技术在电信行业有着广泛的应用前景。
朱幸燕[5]2011年在《基于消费行为认知的电信企业客户细分方法研究》文中指出随着3G时代的到来,电信市场的竞争越来越激烈,客户资源成为电信企业竞争的焦点。企业对客户的认识表现为企业掌握的客户知识,而客户消费行为规律是客户知识的重要组成部分,因此基于消费行为认知的客户细分成为电信企业客户精确营销的重头戏。电信企业为了根据客户的实际消费行为特征提供个性化服务,就需要通过数据挖掘技术对电信客户进行准确有效的细分。本文通过对电信企业客户细分国内外研究现状的分析,建立了基于消费行为的客户细分模型,并采用一种改进的聚类方法对模型进行理论和实证分析,运用数据挖掘技术,发现不同客户细分群体,根据客户的交叉性特征,提出针对不同客户群体的精确化营销策略,对电信企业提升个性化服务水平、加强精确营销能力具有非常重要的参考价值。首先,本文总结了客户细分的国内外研究现状及其在电信企业的应用现状及存在的问题,分析梳理了客户细分和数据挖掘的相关理论及技术方法,并确定了论文研究内容和技术路线。其次,为了更有针对性地研究电信企业的客户细分,对电信企业客户细分需求进行了详细分析研究,指出电信企业客户细分的必要性,并发现现有客户细分存在的问题和需要改进之处。接着,分析了目前电信企业常用的客户细分方法,对基于行为的客户细分矩阵进行了对比梳理,构建了基于消费行为的电信企业客户细分模型,以实现多维度、全方位的客户洞察;并通过对比分析各种聚类方法,提出了基于改进的K-means算法模型,消除指标间多重共线性的影响以得到更有利于精确化营销的客户细分结果。在此基础上,本文借助广东电信某分公司的案例,通过对海量实际数据的梳理分析,进行实证研究和理论验证,实证结果证明了新的客户细分模型的有效性以及改进的K-means聚类方法模型的科学性和优势所在,通过数据挖掘实现了客户细分,并根据不同客户特征交叉分析,提出了针对性的个性化营销策略。结果证明:本文所做工作具有很高的实际应用价值和提升效果。最后,对电信企业客户细分进行了总结和展望,指出了未来可进一步研究的问题和方向。
张铁军[6]2013年在《基于顾客选择行为分析的手机套餐优化设计方法》文中研究表明2008年最新一轮电信行业重组之后,中国的电信服务行业形成了中国电信、中国移动和中国联通叁家电信运营商全业务竞争的格局,电信市场竞争日趋激烈,早已成为“买方市场”。面向手机用户提供的移动业务服务是电信行业运营商竞争和关注的焦点,是本文研究的对象。手机套餐作为电信行业运营商移动业务服务(产品)的一种组合销售模式,已经成为运营商市场销售的核心销售产品。手机套餐的设计优化成为电信行业企业市场经营的重要基础工作,其管理呈现复杂性与专业性。手机套餐也经历了由混乱到规范、由面向产品到面向客户、由同质化向差异化的演变过程。虽然电信企业目前均已形成一套相对系统的手机套餐管理体系与设计流程,但是其管理模式还相对粗放。一方面没有形成科学的全生命周期管理体系,造成市场上大量复杂的、过时的、低效率的、甚至自相矛盾的手机套餐存在,推广效率低下,管理成本高昂的局面；另一方面,手机套餐的设计缺乏科学和量化的方法,不能将目标客户群的消费选择行为、消费能力、客户终身价值、市场竞争情况等因素根据历史数据进行综合考虑及科学规划,缺乏有效的套餐评价方法,不能够形成准确的套餐经营决策依据。本文立足了电信企业手机套餐产品的管理与设计优化的核心工作,结合作者在电信公司的工作实际,应用管理科学与工程的理论和方法,研究了手机套餐产品的管理和设计过程,主要成果集中在以下几方面：(1)提出了全生命周期套餐管理的体系架构,分析了套餐设计优化的核心流程、工作内涵及考虑的因素,建立了手机套餐从市场调研、套餐规划、客户分群、套餐设计等环节工作直至套餐优化、套餐退出的全生命周期管理体系,以实现手机套餐的专业化、系统化、流程化管理。(2)针对手机套餐的设计环节,提出一套基于顾客选择行为分析的手机套餐设计框架模型,实现了手机套餐设计从市场调研、目标客户分群、客户选择行为定量分析、基于客户终身价值的套餐效用测算、套餐方案评价到套餐优化方案选择的综合解决方案,从而为电信企业进行套餐设计过程提供方法论的指导。(3)从客户群体消费特征分析入手,提出了电信客户细分的叁维模型,采用了Kohonen聚类方法根据历史数据对客户群体进行聚类分析,实现了对目标客户群按相似消费特征进行聚类分群,有利于电信企业根据不同分群客户的消费特征制定有针对性的套餐或营销服务策略；同时,该方法充分应用和挖掘电信企业大量的用户历史消费数据,能够借助数据挖掘工具与智能算法辅助企业进行客户分群研究、套餐效用评价及最优套餐设计方案决策等工作。(4)提出了基于顾客选择行为分析的手机套餐量化评价方法。该方法可以估算手机套餐各分档的市场占有份额和顾客终身价值,帮助电信企业量化对比不同的套餐方案,并在此基础上进一步进行优化决策。该评估模型中考虑了手机套餐的竞争套餐、公司现有套餐、收入长期性、未来收益和资金折现率等的影响,更加符合电信市场实际情况。(5)分析了均匀属性手机套餐的特点,在基于顾客选择行为分析的手机套餐量化评价方法的基础上,提出了针对均匀属性手机套餐设计优化的数学规划模型,并设计了遗传算法对建立的优化模型进行求解。该方法能够帮助电信企业应用先进的智能优化算法获得比较满意的手机套餐方案,避免手机套餐的设计单纯依赖人工经验和定性分析,实现手机套餐设计的科学化和系统化。(6)考虑了手机套餐设计中分档数量可变的情况,将套餐分档数量作为决策变量,建立了手机套餐设计的优化模型。通过求解该模型,不但可以获得最优手机套餐的分档属性水平值,而且也可以得到最优的分档数量,从而实现帮助电信企业应用量化方法选择分档数量可变情形下的最优手机套餐方案。设计了遗传算法与粒子群算法两种智能优化算法对建立的模型进行求解,并通过实验对两种算法的求解计算效果进行了分析和比较。本研究致力于解决电信企业套餐管理在宏观和微观两个层面的能力提升问题；宏观层面解决电信企业全生命周期套餐管理体系的设计问题,微观层面不仅提出了具体套餐设计的核心框架模型,也解决了套餐设计优化工作中基于客户行为分析及客户终身价值的量化评价与最优方案选择的问题。本研究对于电信企业提升套餐管理水平和实施科学量化的套餐设计和管理工作具有现实指导意义。
陶秋香[7]2007年在《基于数据挖掘的电信客户流失和保留研究》文中研究表明随着电信企业不断重组和市场竞争的加剧，存量客户的流失已经成为各运营商关注的重点。企业必须通过利用各种手段抓住客户才能获得最终的核心竞争力。电信企业可以充分利用企业各运营商支撑系统中的客户数据，应用数据挖掘的工具获取对客户的洞察能力，从而更好地满足客户的需求防止客户的流失。本文将多种数据挖掘技术应用于电信企业，在对寻找流失重点客户和预测离网客户两个方面进行了较为深入的研究，给出了解决问题的模型和方法并在实践中得到评估和检验。本文主要共分为五部分，结构如下：第1章：分析电信市场的发展和电信营销中存在的问题，引入存量流失的概念和分析客户保留的重要性，提出客户保留的措施体系。第2章：对数据挖掘技术进行概述，简要介绍了数据挖掘技术的发展历程、研究内容和实施过程。第3章：在分析了客户细分的各类方法后，提出基于数据挖掘K-Means聚类算法的V-NV客户分群方法，并通过在电信企业的应用进行了验证。第4章：介绍了客户离网的预测模型方法，给出了详细的客户离网建模过程方法，并在电信企业的应用中进行验证。第5章：针对研究中存在的问题给出了进一步研究的考虑。
蔡宁[8]2008年在《基于数据挖掘的电信客户细分研究》文中研究指明随着电信市场的逐步开发,竞争日趋激烈,不仅形成了各大运营商同台竞技的市场格局,而且从卖方市场转向买方市场,这就要求运营商要采取以“客户为中心”的策略,根据客户的实际需求提供个性化的服务解决方案,客户关系的大一统必然向细分化和个性化转变。因此,客户细分是电信企业营销的关键所在。客户细分是有效贯彻客户关系管理(CRM)理念,实现精益运营的基础。如何将客户根据其消费行为进行合理的细分,对不同的客户提供适合其特点的个性化服务,为客户创造价值,同时达到企业利润的最大化,已成为电信运营商关心的一个重要问题。本文针对电信行业客户细分,做了如下工作:首先,提出研究背景及意义,介绍国内外电信行业研究现状。其次,研究客户细分的相关理论与方法,对于客户细分的方法进行全面的总结与归纳,为电信企业客户细分的研究做理论铺垫。第叁,分析电信企业业务,着重分析电信企业客户细分的应用现状,其中重点对电信企业常用的客户细分方法及模型进行总结与概述,并且针对本文模型推荐使用的K-means算法和BP神经网络算法做了较详细的介绍。第四,进行电信企业客户细分模型的设计,提出设计思想,结合之前的应用现状进行需求分析,确定细分标准和要求,设计出基于算法的数据挖掘细分模型。最后,将模型应用到某电信公司某业务的客户细分中去,经过反复实验得到比较理想的细分结果,以此为基础,针对不同的客户群制定不同的营销策略。本文论述了客户细分的整个过程,并使用相应的算法和工具加以实现,实践证明,本文的技术路线是可行的,所得到的细分结果具有一定的合理性和实用价值,对经营分析人员进行相关的营销活动具有一定的参考价值。
杨永升[9]2011年在《基于数据挖掘的电信企业客户关系管理研究》文中研究说明面对电信市场竞争的加剧及信息技术的发展，电信企业的竞争压力不断增大。电信企业逐渐意识到以客户为中心的重要性，开始从业务驱动向客户导向转变。利用数据挖掘技术对海量的电信企业客户数据进行挖掘分析，从中发现各种潜在的、有价值的、规律性的知识，是当前电信企业提升客户关系管理水平的重要方面，极具理论意义和应用价值。本文运用理论分析与实证研究相结合的方法，针对数据挖掘在电信企业客户关系管理应用中的两个具体的应用主题进行研究。主要研究内容包括：1.通过大量的文献调研，重点分析了数据挖掘在电信企业客户关系管理中的客户细分和客户流失预测两个应用主题，指出了目前研究的不足及发展趋势，系统地介绍了客户关系管理理论，阐述了数据挖掘的一般过程、数据挖掘的主要功能以及数据挖掘的主要算法。2.建立了基于K-means算法的客户细分模型，针对某电信企业的具体情况，选定了用于客户细分的属性变量，根据该企业的客户交易行为数据，结合SPSS统计软件进行实例研究，对细分后的客户群进行了特征刻画，提出了相应的营销建议，同时也提出了细分模型的一些应用建议。3.构建了基于LVQ神经网路的电信企业客户流失预测模型，利用某电信企业客户数据，运用MATLAB分析软件编程，对神经网络进行学习训练，并将客户细分结果中的部分优质客户作为预测模型的测试样本集，并对模型的应用效果进行了评估，结果表明建立的模型有比较理想的预测精度，最后给出了预测模型的应用建议。本文的研究工作为电信企业应用数据挖掘技术分析客户行为，提升客户关系管理水平提供了有益参考，对于电信企业维护和发展客户关系，提升企业竞争力有较大的现实意义。
杨逸凡[10]2016年在《基于数据挖掘的客户细分在电信精准营销中的研究与应用》文中研究说明在新的国内外竞争环境下,随着垄断格局被打破,各电信运营商都在实施企业战略转型,探索新技术、新业务所带来的新机遇,为企业创造更高的价值。面对越来越激烈的市场竞争,电信企业迫切地需要使企业内部的决策科学化,在市场营销方面的判断准确化,从而使企业在市场上获得竞争优势。电信企业已经积累了海量的业务运营数据,把这些数据转化成有价值的信息对企业进行精准营销十分重要。因此,企业需要采用数据挖掘技术对数据进行全方位地分析,并且对客户进行全面有效地分组,帮助企业做出正确决策,实现真正的精准营销。本文针对电信企业基于客户细分的精准营销,进行比较深入地研究与应用,主要有以下工作:(1)介绍了基于数据挖掘的客户细分在电信企业精准营销中的应用的国内外研究现状。阐述了与客户细分相关的数据挖掘的方法、策略与算法,尤其在对几种聚类分析算法进行比较分析的基础上,对基于划分的K-means聚类算法和基于模型的EM聚类算法进行全面、深入地剖析。(2)针对电信客户行为数据中数值属性众多的特点,提出了数值属性重要性得分来判断数值属性在聚类分析中的价值,为数据预处理提供依据,为所选数值属性的评估提供参考。(3)针对电信应用问题的特点和实现精准营销的目标,强化了聚类模型的评估,考虑到已有的评估簇有效性的相似度,在海量电信客户行为数据集中的时间复杂度为O(m2)(m是对象个数),开销太大,难以实现,提出了用于簇评估的簇个体质量得分,在此基础上,构建了聚类质量评估的综合指标体系,为应用实例中精准营销问题的解决奠定了基础。(4)在对中国联通M分公司进行充分调研,理解业务和数据的前提下,采用CRISP-DM过程模型,以通过客户细分实现精准营销为目标,使用K-means算法和EM算法分别建立聚类模型,并以所构建的聚类质量评估的综合指标体系对模型的质量进行全面评估和比较,选择性能较好的EM模型进行客户细分,结合应用实际提出了实现精准营销的策略,为该电信企业的决策提供依据。
参考文献：
[1]. 基于数据挖掘的电信精细化营销策略研究[D]. 彭清圳. 北京邮电大学. 2008
[2]. 基于数据挖掘的电信客户细分研究[D]. 李文英. 西安理工大学. 2009
[3]. 数据挖掘技术在电信企业客户关系管理中的应用研究[D]. 王晋. 兰州理工大学. 2007
[4]. 电信客户细分研究[D]. 何灵. 西南交通大学. 2016
[5]. 基于消费行为认知的电信企业客户细分方法研究[D]. 朱幸燕. 华南理工大学. 2011
[6]. 基于顾客选择行为分析的手机套餐优化设计方法[D]. 张铁军. 东北大学. 2013
[7]. 基于数据挖掘的电信客户流失和保留研究[D]. 陶秋香. 华东师范大学. 2007
[8]. 基于数据挖掘的电信客户细分研究[D]. 蔡宁. 江西理工大学. 2008
[9]. 基于数据挖掘的电信企业客户关系管理研究[D]. 杨永升. 江苏科技大学. 2011
[10]. 基于数据挖掘的客户细分在电信精准营销中的研究与应用[D]. 杨逸凡. 兰州财经大学. 2016
标签：计算机软件及计算机应用论文; 电信论文; 数据挖掘论文; 聚类论文; 客户细分论文; 大数据营销论文; 数据挖掘算法论文; 客户价值论文; 客户分析论文; 企业特征论文; 顾客细分论文; 特征选择论文; 工作选择论文; 运营商论文; 精准营销论文; 数据分析论文;