數據挖掘技術在電信行業crm中應用研究(更新版)

　　

【正文】 的具體業務問題；第二步根據問題準備相應的數據，并對數據進行預處理；第三步是選擇挖掘的模型，比如是用關聯規則還是聚類等等；第四步是用訓練集數據訓練和評估挖掘模型的效果。比較典型的預測問題有客戶流失/大客戶離網、潛在大客戶預測、客戶級別變動、客戶發展、市場效果預測等。（一）、關聯問題橫向關聯：是挖掘表面看似獨立的事件間的相互關系，例如“90%的顧客在一次購買活動中購買商品A的同時購買商品B”之類的知識。客戶的獲取包括發現那些對你的產品不了解的顧客，它們可能是你的產品的潛在消費者，也可能是以前接受你的競爭對手服務的顧客，其中有些客戶可能以前是你的客戶。以上數據充分說明，客戶是目前商業活動的中心，衡量一個企業是否成功的標準將不再僅僅是企業的投資收益率和市場份額， 而是該企業的客戶保持率，客戶份額及客戶資產收益率等指標。在這樣的要求下。（四）、客戶的保持隨著行業的競爭越來越激烈和獲得一個新客戶的開支越來越大，保持原有客戶的工作也越來越有價值。對交叉營銷做分析時，具體的數據挖掘過程包括：對個體行為進行建模；用預測模型對數據進行評分； 對得分矩陣進行最優化處理。（三）、交叉銷售現代企業和客戶之間的關系是經常變動的，一旦一個人或一個團體成為企業的客戶，就要竭力使這種客戶關系趨于完善，需要對現有的客戶進行交叉銷售。電信客戶分類一般是按照業務類型進行分類，主要分為大客戶和普通客戶。在客戶關系管理中，它可以應用到以下幾個方面：客戶群體分類分析、客戶盈利能力分析、客戶背景分析、客戶滿意度分析、交叉銷售、客戶信用分析、客戶流失分析、客戶的獲得與保持等。有多種方式可以在細分上運用數據挖掘，通常用來建立細分群的數據挖掘方法是決策樹方法和聚類方法。（二）、客戶盈利能力分析客戶盈利能力分析是數據挖掘的基礎。交叉銷售就是指向現有的客戶提供新的產品和服務的營銷過程，那些購買了某種產品和服務的客戶很有可能同時購買你能提供的某些他感興趣的相關產品和服務，數據挖掘技術可以幫助企業發現這種行為模式并從中獲利。在這些交叉營銷分析模型建好以后，每一個模型都可以用來分析新的客戶數據以預測這些客戶將來的行為。但是由于各種因素的不確定性和市場的不斷增長以及一些競爭對手為新客戶提供比你更多的額外優惠條件，很多客戶為了求得更低的費用，不斷的從你這里轉向另一個服務商。大量新運營商不斷進入電信市場，更激發了市場競爭的激烈程度。從而導致企業一方面投入大量時間、人力、財力去發展新客戶，另一方面因客戶保持工作的不完善導致現有客戶不滿意而發生流失，這種情況對企業危害極大。這些信息應不僅包括客戶的基本信息還應包括消費者消費行為的大量信息如個體的興趣、消費習慣、消費傾向和消費需求等。比如一個顧客在買了電腦之后，就很有可能購買打印機、掃描儀等配件。有了這樣的挖掘結果，客戶服務部門就知道一個新的客戶的潛在價值，在客戶服務投入上就心中有底。當業務發生了變化或者有新的需求產生時，數據挖掘就在另外一個層次上重復這個循環過程。（五）、簡化管理企業運營管理被人們提到前所未有的高度，一個企業即使建的很好，技術也很先進，但是如果管理不好，優勢仍然發揮不出來。業務預測分析通過對歷史數據的分析，找出影響業務發展的因素，然后對這些因素的未來發展作出預計，從而大致地確定未來業務量，作為制訂發展計劃的重要依據。不僅能夠根據現有消費量的多少來判斷用戶是否為大客戶，還應該根據現有大客戶的資料提取出大客戶的特征，并發現潛在的大客戶。例如，平均月消費額1500元的客戶連續幾個月消費額降低到300元以下，就可以認為客戶流失發生了，而這個流失標準不適用于原來平均月消費額400元的客戶。b)輸入變量的選擇輸入變量是模型中的自變量，在建模過程中需要尋找自變量與目標變量的關聯。第二種流失的客戶才是運營商真正關心的、具有挽留價值的客戶。可以分別使用其中的多種方法預先建立多個模型， 然后對這些模型進行優劣比較，從而挑選出最適合客戶流失分析的建模方法。通過對模型做出合理的業務解釋，可以找出一些潛在的規律，用于指導業務行為。參考文獻[1]王爾平,[2]韓起云,[3]郭軍華,[4]方向,.(2)[5]宋艷,張炎欣. .(4)[6]張喆,常桂然,黃小原. [7]田紅生. 13 / 1