數(shù)據(jù)挖掘技術在電信行業(yè)crm中應用研究(專業(yè)版)

　　

【正文】 通過對模型做出合理的業(yè)務解釋，可以找出一些潛在的規(guī)律，用于指導業(yè)務行為。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。例如，平均月消費額1500元的客戶連續(xù)幾個月消費額降低到300元以下，就可以認為客戶流失發(fā)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。業(yè)務預測分析通過對歷史數(shù)據(jù)的分析，找出影響業(yè)務發(fā)展的因素，然后對這些因素的未來發(fā)展作出預計，從而大致地確定未來業(yè)務量，作為制訂發(fā)展計劃的重要依據(jù)。當業(yè)務發(fā)生了變化或者有新的需求產生時，數(shù)據(jù)挖掘就在另外一個層次上重復這個循環(huán)過程。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。從而導致企業(yè)一方面投入大量時間、人力、財力去發(fā)展新客戶，另一方面因客戶保持工作的不完善導致現(xiàn)有客戶不滿意而發(fā)生流失，這種情況對企業(yè)危害極大。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(yōu)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。交叉銷售就是指向現(xiàn)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(shù)據(jù)挖掘技術可以幫助企業(yè)發(fā)現(xiàn)這種行為模式并從中獲利。有多種方式可以在細分上運用數(shù)據(jù)挖掘，通常用來建立細分群的數(shù)據(jù)挖掘方法是決策樹方法和聚類方法。電信客戶分類一般是按照業(yè)務類型進行分類，主要分為大客戶和普通客戶。對交叉營銷做分析時，具體的數(shù)據(jù)挖掘過程包括：對個體行為進行建模；用預測模型對數(shù)據(jù)進行評分； 對得分矩陣進行最優(yōu)化處理。在這樣的要求下。客戶的獲取包括發(fā)現(xiàn)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。比較典型的預測問題有客戶流失/大客戶離網(wǎng)、潛在大客戶預測、客戶級別變動、客戶發(fā)展、市場效果預測等。（三）、提高企業(yè)決策的科學性目前，企業(yè)的決策具有很大的盲目性，如果采用數(shù)據(jù)挖掘技術，就可以在自己的生產過程中產生的數(shù)據(jù)基礎上，進行科學分析，得出比較科學的預測結果，減少決策失誤。這就徹底改變了以往電信運營商在成功獲得客戶以后無法監(jiān)控客戶流失的狀況。實際的客戶流失形式有因賬戶取消發(fā)生的流失和因賬戶休眠發(fā)生的流失兩種。此外，模型在建立之后需要大量的數(shù)據(jù)來進行檢驗，因此通常把樣本數(shù)據(jù)分為兩部分，2/3的數(shù)據(jù)用于建模，1/3的數(shù)據(jù)用于模型的檢驗和修正。推廣時應注意，由于地區(qū)差異，模型不能完全照搬。因此還需要業(yè)務專家參與調整策略的制定，以避免不適當?shù)膬?yōu)化造成業(yè)務信息丟失。業(yè)務人員在實際業(yè)務活動中可能會感覺到輸入變量與目標變量的內在聯(lián)系，只是無法量化表示出來，這就給數(shù)據(jù)挖掘留下了發(fā)揮的空間。（二）、數(shù)據(jù)挖掘的應用實例——客戶流失分析一個完整的數(shù)據(jù)挖掘過程可進一步細分為業(yè)務問題定義、數(shù)據(jù)選擇、數(shù)據(jù)清洗和預處理、模型選擇與預建立、模型建立與調整、模型的評估與檢驗、模型解釋與應用。進行關聯(lián)分析，降低運營成本通過數(shù)據(jù)挖掘中關聯(lián)分析，可以進行業(yè)務的相關性分析，分析出哪幾種業(yè)務具有比較強的關聯(lián)性。它采用的分類規(guī)則是按統(tǒng)計學的聚類分析方法決定的。這樣可以為將來的數(shù)據(jù)挖掘提供足夠有價值的信息。從電信運營商的角度來看，客戶保持是企業(yè)生存發(fā)展的需要。使用數(shù)據(jù)挖掘技術建立預測模型可以幫助找出客戶最適合的服務種類，來進行針對性的營銷活動。數(shù)據(jù)挖掘技術還可以用來揭示客戶的行為習慣和預測發(fā)現(xiàn)一些在不同情況下有相似行為的新客戶。數(shù)據(jù)挖掘技術在電信行業(yè)CRM中應用研究[內容摘要]本文在介紹數(shù)據(jù)挖掘技術和客戶關系管理概念的基礎上，以電信行業(yè)為背景，介紹了將數(shù)據(jù)挖掘技術應用到客戶關系管理中的流程和方法。數(shù)據(jù)挖掘技術可以從客戶的交易記錄中發(fā)現(xiàn)一些行為模式，并用這些行為模式來預測客戶盈利能力的高低，但首先必須要設定一種計算客戶盈利能力的方法。最后一步就是對這個得分矩陣進行最優(yōu)化處理，即對每一位顧客選出最適合的幾種服務方案。在這種情況下，客戶保持的重要性就在競爭中凸現(xiàn)出來。在挑選實驗活動的對象時，不僅要從潛在客戶名單中選取一些客戶，還要隨機選取一些與潛在客戶名單上顧客屬性特征不同的客戶作為實驗對象。聚類把沒有分類的記錄，在不知道應分成幾類的情況下，按照數(shù)據(jù)內在的差異性大小，合理地劃分成幾類，并確