梁佩佩[1]2004年在《基于聚类分析的客户生命周期价值挖掘研究》文中认为出现于20世纪80年代后期的数据挖掘，目前已成为知识发现领域小的一个研究热点，也是信息产业界的关注焦点。近年来，国内外学术界和企业界，在对数据挖掘技术和软件工具的研究和开发上都取得了一定的成果。 聚类分析是数据挖掘领域中的一种重要方法。聚类是人类一项最基本的认识活动，通过适当的聚类，事物才便于研究。聚类分析既可以作为一个单独的工具以发现数据库中数据分布的一些深入的信息，也可以作为其他数据挖掘分析算法的一个预处理步骤。聚类分析同时也是一个具有很强挑战性的领域，它的一些潜在应用对分析算法提出了特别的要求：可扩展性、处理不同数据类型的能力、发现具有任意形状的聚类的能力、输入参数对领域知识的最小限度的依赖性、能够处理异常数据的能力、数据输入顺序对聚类结果的不敏感性、处理高维数据的能力、基于约束的聚类以及聚类结果的可解释性和可用性等。 本文对数据挖掘的相关技术与理沦进行了一系列的研究工作，主要的研究集中在聚类分析，重点研究了K-means算法及挖掘算法在实际小的应用。主要工作包括： 1) 对聚类算法进行研究，特别研究了K-means这一经典的聚类算法，同时指小了该算法在算法上及实际应用中的局限性：只有在簇的平均值被定义的情况下才能使用；对于“噪声”和孤立点数据是敏感的；对初始聚类小心是敏感的等。 2) 针对K-means算法的不足，本论文对其进行了改进，主要的改进在于初始聚类中心的寻找上。由于K-means算法对初始中心点的选择是敏感的，初始中心点不同，聚类的结果也不相同。针对这种情况，本文给出了一种网格划分的方法用以寻找初始聚类中心，并给出了基于网格划分的聚类算法CGKM(Center Finding Based on Gridding K-means)。 新算法分为两步：第一步是利用网格方法寻找合适的初始聚类小心；第二步是执行K-means算法。算法首先将m-维数据空间的每一维划分为p等份，整个数据空间即被划分为p~Ⅲ个子立方体。然后计算每一子立方体的密度，也就是落在立方体中的点的个数，然后按照密度的大小排序。根据要生成簇的个数计算高基于聚类分析的客户生命周期价值挖掘研究密度的子立方体的中心点，并将该中心点作为初始的聚类中心。然后在此初始聚类中心的基础上执行K一means算法。本论文通过随机点和模拟数据两种方式分别对算法进行了验证。实验结果表明，新算法能够比传统算法找到具有更优聚类质量的聚类划分，且能减少算法的迭代次数。根据改进的算法，结合汽车贸易行业的实际情况，设计了面向汽车贸易行业的数据挖掘模型CLV一Miner(Customer Lifetime Value Miner)，并对客户生命周期价值进行了挖掘。模型的设计遵循了数据挖掘的建模过程。模型主要包括以下功能:数据抽取与转换，客户生命周期价值挖掘(根据不同属性组合进行挖掘，以CGKM聚类算法作为基础算法)，并将挖掘结果进行显示。系统采用了面向对象技术进行设计及开发，通过Java语言实现，以SQL Server为底层数据库，使用DTS进行数据的抽取、清洗及转换、加载，建立了数据仓库，并结合了Anal ysiS Manager建立了OLAP分析。挖掘的结果以表格、图形等形式进行了展现。最后，本文对挖掘算法及挖掘模型的设计进行了总结，以作为将来对汽车贸易行业数据挖掘模型的进一步设计和研究的基础，同时也为其他行业的数据挖掘模型的设计和研究提供一种思路。
张铁军[2]2013年在《基于顾客选择行为分析的手机套餐优化设计方法》文中认为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。
张永礼[3]2008年在《基于数据挖掘的客户细分的建模与实现》文中指出客户是企业最重要的资源之一。现代企业之间的竞争主要表现为对客户的全面争夺,而是否拥有客户取决于企业与客户之间关系的状况。企业要改善与客户之间的关系,就必须进行客户关系管理。客户分析是客户关系管理的基础,而客户分析的一项重要内容是客户细分,但目前还没有有效的客户细分方法。本文在分析传统客户细分方法、客户忠诚度理论和数据挖掘算法的基础上,探讨了以客户生命周期价值为依据的客户细分方法,并对现有客户细分模型加以改进,提出了新的客户细分模型。新的客户细分模型,依据客户的当前价值、潜在价值和忠诚度把客户分为八类,进而针对不同类别客户提出了不同的市场营销策略。对客户潜在价值的计算,我们采用关联规则算法,根据客户的历史购买记录,预测出该客户将来可能购买的所有产品及购买概率,最后再根据产品成本数据计算出客户的潜在价值。对于客户忠诚度的评价,我们在国内外研究的基础上,提出了客户忠诚度评价的全新指标体系,并根据这些指标数据分别运用了聚类、决策树和神经网络叁种数据挖掘算法对客户忠诚度进行预测和评价。最后,结合某一个具体企业对客户细分模型进行了实例验证。
李敏[4]2010年在《基于聚类分析方法的客户关系管理》文中指出目前,企业经营模式已从以“生产”为中心的经营理念转变到以“客户”为中心的方向上来,采取以客户为中心的管理模式。这种经营模式最重要和最紧迫的就是要对客户进行细分,利用不同的方法,挖掘客户(群)信息和特征,从而制定营销策略。因此,企业必须对客户资料进行分析,挖掘隐含在数据背后的信息。客户关系管理是一种先进的管理方法。客户细分是客户关系管理中的重要一环。企业可以从不同角度建立指标对客户进行细分。传统的客户细分一般都是选择客户的某些特征作为细分指标来进行,这种细分方法在一定程度上可以区分客户的消费水平和消费能力,但比较初级,精确度不高。聚类分析基础上的客户细分,能够进一步发现隐藏在客户数据背后的不为人知的有用信息。本文以定量化的数据资料为研究对象,在建立SMC模型的基础上,利用K‐means聚类分析方法,主要研究:①基于客户利润贡献额度的客户价值聚类分类;②基于聚类分类研究基础上的客户群特征;③各类客户未来可能的发展方向问题。针对这叁个问题,本文的内容如下:1)介绍了客户关系管理、客户细分和数据挖掘理论,讨论了几种客户细分的方法、原则和客户保持理论,介绍了聚类分析方法中的K-MEANS法和层次分析法,最终确定将K-MEANS法确定为本文聚类分类的方法;2)确定客户价值作为客户分类的指标,通过建立SMC模型,由当前价值获得潜在价值,然后以两者作为入口变量通过K-MEANS方法进行聚类分类,将客户分为高潜值高现值客户群、高潜值低现值客户群、低潜值高现值客户群和低潜值低现值客户群,并通过二次聚类挖掘对低潜值低现值客户群未来发展方向。3)对所获得的分类结果进行验证,对每类客户的特征进行分析和总结,同时,对变化比较大的客户提出研究建议,以便制定发展策略。最后,总结了本文的主要研究工作,对该课题的未来研究工作做了进一步展望和说明。
熊爱桃[5]2011年在《电信CDMA客户生命周期价值研究及应用》文中进行了进一步梳理随着国内电信业的第叁次重组,使中国电信,中国移动和新联通均成为电信业的全业务运营商,在这种新的市场环境下,国内电信运营商之间的竞争也越来越激烈。而客户是企业耐以生存和发展的根基。如何吸引客户、保有客户和充分发掘客户的盈利潜力是企业提高核心竞争力的关键。但在现在的市场环境下,仅仅依靠扩大规模而实现企业的利润增长的难度将越来越大。所以,如何保留高价值客户,如何提升低端客户价值,如何吸引潜在客户,这才是实现企业实现利润最大化的关键。这就需要电信运营商致力于满足客户的需求,通过提高客户满意度来与客户建立长久的关系,通过延长这一关系的生命周期来获得更大的“生命周期价值”,并根据不同类别的生命周期的不同阶段,或实施针对性的营销,或实行客户挽留,或进行收入预测,以便于决策。CDMA是XX电信的移动业务的主要品牌,该电信也拥有大量的CDMA用户,是该电信收入来源的一个重要方面。如何更好的掌握CDMA客户在生命周期内的客户价值的变化情况,进而实施有针对性的策略,对于提高客户的生命周期价值很重要。本文以XX电信的CDMA客户为主要的研究对象,致力于建立CDMA客户生命周期价值曲线模型,并应用该模型为决策提供支持。本文首先对研究的背景、意义和方法做了介绍,接着介绍了国内外对于客户生命周期价值的研究情况和数据挖掘的相关方法做了介绍。随着研究的展开,首先对XX电信的数据进行了分析,提取了与研究相关的数据,通过数据集成和预处理的工作,最终得到了目标数据库。为下面的研究的展开提供了数据基础。在提取数据的过程中,提取多大跨度的数据才能满足研究的需要。在本文中就这一问题,研究了XX电信的客户动态保持率,利用威布尔函数进行分析,确定了该电信CDMA客户的生命周期长度,根据这个要求提取出了满足要求的数据。在做好数据处理工作后,本文选择了K-Means聚类分析方法首先对客户进行聚类分析,将客户分成了7个类,然后采用有指导的学习方法,C5.0方法来获得分类客户的分类规则,为新入网的用户的分类提供依据。对客户分好类后,需要计算客户价值。本文针对研究的实际情况,提出了适合于该电信的客户价值评价指标体系,并利用该指标体现计算出了分类客户的客户价值。最后根据计算好的客户价值,采用时间序列分析方法来对客户生命周期价值进行曲线建模,得到了分类CDMA客户生命周期价值曲线模型并对模型进行了评估。接着针对客户全生命周期管理提出了管理模型和各阶段的策略实施重点,并对建立的分类CDMA客户生命周期价值曲线模型进行了分析,并将其应用到客户流失预警中,对CDMA客户生命周期模型在电信业的具体应用和实施起到了抛砖引玉的作用。最后就本文取得的成果和不足做了介绍,提出了下一步的工作目标。本文的研究达到了预期目标,本文的研究思路和研究方法对于电信业的分析者和决策者都具有一定的意义。
刘永[6]2008年在《数据挖掘在电信产品生命周期管理中的应用研究》文中指出随着中国电信市场的逐渐成熟,电信市场竞争日益加剧,电信运营商为了留住老客户、吸引更多的新客户,不断推出新的电信产品。一个新产品从构思、开发、发布和退出市场等整个过程构成了电信产品的生命周期,而在这个周期中的新产品目标客户群的定位、推向市场前的收益预测等环节构成了电信产品生命周期管理中的难题。本文对电信产品生命周期管理模型进行了分析,并且运用数据挖掘的相关知识着重对模型中的客户细分和产品预演进行了研究。根据数据挖掘技术目前的发展现状和本文研究要用到的数据挖掘知识,本文首先分析了数据挖掘过程模型和对聚类算法进行了归纳。在此基础上,本文根据国内电信运营商的相关规范并结合实际项目提出电信产品生命周期管理模型,并对模型中的各个环节进行了具体分析。通过对客户信息进行归类,采用属性约简和数据规范化处理后,本文建立了电信客户细分模型和客户细分评价体系。然而,电信新产品在正式推向市场前没有客户和消费信息,要对其进行市场收益预测等只能借助于现有的电信产品,所以需要进行产品间的相似性计算。本文对电信产品属性进行分析,通过属性特征抽取建立了电信产品相似度计算模型,并利用对象属性相关性的强弱进行属性归并等提出了基于复杂对象分解的相似性度量方法。本文根据某电信运营商的实际数据进行的仿真试验结果表明:基于客户细分模型的K-Means算法在客户细分中有着较好的整体性能,为电信新产品目标客户群的市场定位提供了依据;基于产品相似度计算模型的复杂对象分解的相似性度量方法比传统距离度量方法能更准确的预测新产品的市场情况。
单友成[7]2009年在《CRM中模糊数据挖掘及客户生命周期价值与客户满意度研究》文中研究指明客户关系管理(CRM),是在网络经济时代提升企业竞争能力,实现并提高企业价值的必然要求。数据挖掘(DM),是CRM中的关键技术之一,使企业获得客户的深层次信息成为了可能。本文的选题,目的在于构建一个全新的解决方案,使企业在客户服务、市场竞争、销售及支持方面形成彼此协调的全新的关系实体,为企业带来长久的竞争优势。本文首先分别归纳了国内外CRM和DM的研究现状,系统地阐述了CRM和DM的基础理论。然后,在客户分类的研究中,创造性地引入模糊数据挖掘技术,通过确定模糊集、建造模糊相似矩阵和聚类分析,系统地分析了客户的特征,提高了应用效果;在客户生命周期价值和客户满意度的研究中,创造性地引入客户行为分析决策支持系统和客户满意度指数模型,选择出有价值的客户,提高了应用效果;在CRM系统开发和建设的研究中,创造性地引入工程化项目管理理论和方法,采用计划评审技术与模糊数学相结合的方法,实现了较快的系统开发速度、较好的系统开发质量、较低的系统开发成本,同时降低了系统开发的风险,提高了应用效果。文章的最后,围绕CRM系统应用的几个关键领域,有针对性地提出了实施策略,具有一定的应用价值。本文的理论价值和应用前景十分广阔,不仅借鉴了国内外CRM和DM应用的成功经验,还结合了中国的国情,有指向性地提出了企业如何引进和应用CRM的关键策略。
叶潇[8]2008年在《电信PAS客户生命周期价值研究》文中指出客户是企业最重要的资产,是市场竞争的焦点,客户保持对公司的利润有着惊人的影响,客户保持率一个小的提高就能导致利润可观的改善。随着电信业的不断发展,客户保持已成为电信运营商成功至关重要的目标,而客户保持的关键在于客户价值的分析和运用。客户价值是客户关系管理CRM(Customer Relationship Management,客户关系管理)的核心与基础,在客户生命周期管理理论中,对客户价值的评判始终是贯穿客户生命周期各个阶段的核心问题。电信业在中国国民经济中具有非常独特的地位,国内电信业的管理正处于从以产品为中心的模式向以客户为中心的模式转变,以生产为中心以销售为目的的市场战略,正逐步被以客户为中心、以服务为目的市场战略所取代。因此将电信业作为客户价值研究成果的应用行业,对于促进中国电信运营商的客户竞争手段从单纯的价格工具转移到科学的管理方法上有重要的现实意义。本文结合中国电信集团XX分公司的实际情况,在研究客户价值和客户生命周期的基础理论和深入研究数据仓库与数据挖掘相关技术的基础上,结合电信PAS(Personal Access Phone System,小灵通)客户的基本自然属性和消费信息的相关数据,使用统计学方法对数据进行清洗、整理、规约和集成,利用基于距离的聚类算法K-means算法,在无指导的过程中,将客户进行聚类,使得类内具有最大相似度,类间具有最大相异度,然后针对聚类产生的类别号,使用决策树算法对客户信息和细分的类别进行有指导的学习,构建客户分类的规则,以利于新入网PAS客户的类别判断。最后对不同类别的PAS客户利用时间序列分析建立相应的电信PAS客户生命周期价值模型,该结果可应用于新客户的生命周期价值模型的识别上,为电信行业B2C的客户价值分析与针对性营销提供参考和决策支持。
吕昀卿[9]2006年在《商业银行客户细分及应用研究》文中提出由于我国加入WTO后外资银行的进入,使得国内银行业面临的竞争压力越来越大。商业银行竞争的焦点是客户,特别是对银行贡献较大的优质客户。按照“帕累托原理”,优质客户是银行的利润之源,银行拥有了优质客户,就拥有了竞争优势。尤其是当市场的主导力量逐渐由卖方转变为买方以后,银行必须了解现有的客户的价值、寻找目标客户、挖掘潜在客户、进行客户细分,开发出适合不同客户不同需求的新产品。还要明确自己的优质客户,为他们提供更为个性化的服务,从而利用有限的资源产生最大的效用。因此,本文提出了全新的国内商业银行客户细分方法。该方法的创新之处在于突破了传统客户细分仅仅基于人口统计项进行细分的不足,研究了国内商业银行客户生命周期价值的计算方法,提出了结合客户价值和客户生命周期价值,利用银行客户相关信息数据,通过聚类分析来进行客户细分的方法,并建议把客户分为优质客户、重点客户、普通客户、背叛客户和淘汰客户五类。本文最后一章对该细分方法进行了推广应用,作者采用调查问卷的方式收集了经常使用银行的客户相关资料,利用K-means快速聚类方法进行了客户分类,分类效果较理想,而且比单纯利用其他数据进行客户细分要更加确切细致。最后,本文还提出了商业银行基于客户细分结果,以及针对不同客户的事件营销策略建议。本文得到的结论是:把客户生命周期价值作为细分的关键因素不仅能让商业银行的客户细分更加具体实效,而且还能清楚地看到客户当前的需求状况。
陈金波[10]2006年在《面向电信CRM的数据挖掘应用研究》文中进行了进一步梳理面对电信市场竞争的加剧和信息技术的发展,电信企业必须建立以“客户为中心”的管理模式。因此,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、规律性知识,是当前电信企业提升CRM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CRM中的若干个具体应用问题进行研究。主要内容如下:1.详细地分析了电信企业IT系统现状,建立面向客户主题的电信企业数据仓库体系结构,对电信企业数据仓库主题分析进行了研究,设计了相应的数据模型:物理模型和逻辑模型,并对电信企业数据仓库的实现方式进行了分析论述。2.系统地介绍了CRM理论,设计了以客户为中心、闭环的四层电信CRM体系结构;对电信客户管理进行系统地研究,以电信客户生命周期管理理论为框架,建立了基于数据挖掘的电信客户生命周期管理模型。3.依据CLV理论,建立了基于当前价值、增量价值和存量价值的电信客户价值模型;并以此为理论依据,设计了电信客户价值评价指标体系;结合AHP法,提出了电信CLV的计算方法,并对某电信企业客户进行了实证分析。4.建立了遗传算法优化的改进K-means(GLKM)聚类模型,研究了有指导的聚类模型评价方法,并进行了仿真验证;最后利用某电信公司客户数据进行了实证分析,并对客户群进行特征刻画。5.基于代价敏感学习理论,分别利用Under-sampling和AdaCost算法来构建代价最小化的电信客户流失预测模型,并通过总代价比较和模型收益性分析来表明代价最小化的模型具有更高的应用价值。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和提升CRM水平可提供有益参考,在理论研究和工程实践上具有重要意义。
参考文献：
[1]. 基于聚类分析的客户生命周期价值挖掘研究[D]. 梁佩佩. 上海海事大学. 2004
[2]. 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
[3]. 基于数据挖掘的客户细分的建模与实现[D]. 张永礼. 华侨大学. 2008
[4]. 基于聚类分析方法的客户关系管理[D]. 李敏. 重庆交通大学. 2010
[5]. 电信CDMA客户生命周期价值研究及应用[D]. 熊爱桃. 昆明理工大学. 2011
[6]. 数据挖掘在电信产品生命周期管理中的应用研究[D]. 刘永. 湖南大学. 2008
[7]. CRM中模糊数据挖掘及客户生命周期价值与客户满意度研究[D]. 单友成. 天津大学. 2009
[8]. 电信PAS客户生命周期价值研究[D]. 叶潇. 昆明理工大学. 2008
[9]. 商业银行客户细分及应用研究[D]. 吕昀卿. 对外经济贸易大学. 2006
[10]. 面向电信CRM的数据挖掘应用研究[D]. 陈金波. 东南大学. 2006
标签：计算机软件及计算机应用论文; 聚类论文; 数据挖掘论文; 客户生命周期论文; 数据挖掘算法论文; 客户细分论文; 客户价值论文; 产品生命周期论文; 客户分类论文; 客户分析论文; 生命周期理论论文; 产品管理论文; 企业特征论文; 分类数据论文; 产品价值论文; 客户管理论文; 特征选择论文; crm系统论文;