基于数据挖掘的电话精确营销应用

中山大学硕士学位论文基于数据挖掘的电话精确营销应用姓名：伍国炫申请学位级别：硕士专业：电子与通信工程指导教师：李宁20090520基于数据挖掘的电话精确营销应用作者：伍国炫学位授予单位：中山大学相似文献(10条)1.学位论文林丽金面向移动通信业CRM的数据挖掘及应用研究2009随着3G牌照的发放，移动通信企业之间的竞争日趋激烈。通信企业面临争夺客户资源以及来至于信息管理系统大量应用造成的“数据爆炸”，但是又缺乏支撑决策信息的双重困境。如何保持和获得高价值客户成为各运营商市场竞争焦点，因此客户关系管理成为提升企业核心竞争力的有效手段。而数据挖掘技术逐步成为CRM最有力的帮手，它实现了一种数据驱动的企业决策过程。本文通过理论与实际相结合调研方式展开论文研究，首先阅览了大量数据挖掘技术和客户关系管理理论文献；在此基础上结合理论知识进行实际调研工作，了解移动经营分析系统结构功能及应用cube技术解决商业问题现状。在深入了解分析型客户关系管理系统功能和应用后，本文提出如何应用数据挖掘技术在A-CRM中解决商业问题过程。最后用实例展示数据互动模型在移动CRM商业问题的应用，本文采用2008年10至12月的3个月福建宁德移动某市全球通16321条客户记录，将其中70％的11425条客户记录作为训练集，应用数据挖掘互动过程模型建立客户流失预测模型，最后模型结果形成7条客户流失决策树规则；为了验证规则有效性，本文采用错判矩阵验证模型有效性，将剩下30％的4896条客户记录作为预测集进行模型验证，最后模型的准确率为87.73％，模型的移植性良好；最后依据数据挖掘过程信息以及生成的决策树规则，分析并总结了客户流失特征，再依据客户流失特征，提出保留客户经营决策，从而加强对客户价值管理，有助于提升企业核心竞争力。本文共分为五章，第一章主要是阐述研究选题背景、研究意义和技术路线，并且阐述CRM在国内外的发展及研究现状，以及数据挖掘技术在移动通信业CRM中的具体应用。第二章主要阐述了移动客户关系管理现状，进一步分析了CRM在移动企业运营中产生的效益，并得到分析型CRM作用是凸显的结论。第三章深入分析移动分析型CRM的系统结构及其功能，以及分析型CRM在移动运营管理中所处的地位。第四章分析了数据挖掘技术用于移动A-CRM商业管理，主要阐述了数据挖掘的任务，数据挖掘任务主要解决的商业问题，以及移动数据挖掘互动过程模型分析。第五章主要分析移动数据挖掘互动过程模型案例。2.期刊论文顾桂芳.李文元.GUGuifang.LIWenyuan数据挖掘在移动通信业客户关系管理中的应用研究-科技管理研究2007,27(2)本文介绍了客户关系管理及数据挖掘的内涵,分析了移动通信业客户关系管理应用数据挖掘的必要性,并研究了数据挖掘在移动通信业客户关系管理中的应用领域及应用的步骤.3.学位论文沈亮数据挖掘在移动通信网络优化中的应用2009数据挖掘是一种典型的面向信息智能的应用技术，它不仅能对海量数据进行分析处理，并且能够找出数据之间的潜在联系，从而得到有价值的信息，帮助科学决策。移动网络优化是一个庞大的系统工程，它对现有网络资源进行优化，提升网络质量，提高企业的竞争能力和用户满意度。本文正是在讨论网络优化技术和数据挖掘应用的基础上，研究如何将数据挖掘技术应用到网络优化中。本文首先讨论网络优化的现状和具体内容，其次讨论数据挖掘研究的内容和各种算法，再次将两者结合，讨论如何将数据挖掘应用到网络优化中。本文结合作者多年的无线工程经验，提出两种具体的应用方案，一是回归预测无线网络话务量研究，另一个是使用遗传算法进行频率自动优化研究。其中前者话务预测准确与否直接决定了运营商的投入产出比，而后者频率规划方案在很大程度上决定了网络质量，对这两部分进行分析和研究不仅具有代表性，而且对网络优化中其他组成部分应用数据挖掘技术具有指导意义。最后提出了以数据挖掘为支撑的智能优化系统架构设想。将这些方案在移动通信运维领域进行应用，打破了以往被动优化的局面，通过科学的预测、科学的计算来进行网络优化，提高了网络质量，给网络运行的生产维护管理部门和市场营销部门制定决策提供有力支持，为公司带来良好的经济效益。4.学位论文赵翔宇隐私保护分类方法设计及其在移动通信客户行为分析中的应用2008随着硬件技术的迅猛发展以及网络的普及，很多行业都积累了海量的，以不同形式存储的客户和个体的私人数据资料，这样就会导致这些私有数据可能因为各种各样的目的而被不正当的使用。为了解决此类问题，学术界提出了大量基于隐私保护的数据挖掘算法。这些隐私保护数据挖掘的方法涉及数据挖掘、数据加密、信息隐藏等多个领域。海量数据通常使用分布式的存储方法。由于在分布式数据上进行数据挖掘对于隐私保护要求越来越高，因而在分布式数据挖掘基础上提高隐私保护能力已成为数据挖掘领域重要的研究内容之一。目前在数据挖掘领域有很多研究成果，但对分布式隐私保护数据挖掘的研究还不成熟，在模型的可解释性、结果的准确率上还不能很好的满足实际应用的需要。在北京大学数据库研究室与西门子中国研究院的合作项目“分布式隐私保护数据挖掘的关键技术研究”的支持下，本文深入研究了数据水平分布下的隐私保护分类算法，提出了基于ADTree的分布式隐私保护分类算法PPADTree，在此基础上设计并实现了客户离网分析系统，并做了大量的实验和分析，主要包括：＞提出了适用于水平分布数据的隐私保护分类算法PPADTreePPADTree(PrivacyPreservingAltematingDecisionTree)是一种适用于分布式数据的隐私保护分类算法。PPADTree由一个服务端和多个客户端组成，服务端和客户端都拥有同构的数据的元信息，服务端接收各客户端关于数据的统计信息以及分割信息后，选择最优分割，并将选取的最优分割发给各客户端，每个客户端根据新产生的分割以及预测值更新自己部分的权值，如此迭代多次。算法充分利用了ADTree可解释性高和数据挖掘效率好的优点，加上在服务端和客户端之间传送分布式数据的聚集值而非具体数据，很好的适应了水平分布下隐私保护分类的要求。＞研制了基于PPADTree的移动通信客户行为分析系统中国移动公司积累了大量的客户行为数据，各分公司要对这些客户行为做数据挖掘，可是训练数据珍贵而稀少，所以必须进行分布式数据挖掘，而客户行为数据涉及客户的隐私，因此在数据挖掘的过程中必须考虑隐私保护。PPADTree是一种水平分布的隐私保护数据挖掘方法，本文将其应用到客户离网分析系统中，用于解决由于客户离网导致市场份额减少、营销成本增加、收入降低的问题。客户离网分析系统通过对客户的行为运用隐私保护数据挖掘算法对客户的流失倾向进行评分，产生最可能流失客户的名单，进而通过其它手段对可能离网的客户进行挽留，最终达到提高挽留成功率、降低离网率、降低挽留服务成本、减少由于客户离网带来的收入损失的目标。＞在真实数据上验证算法的有效性和隐私保护能力本文从客户端数量、客户端传送的信息、最终建立模型的效果等不同角度，对比其他普通数据挖掘以及隐私保护数据挖掘算法，基于移动公司真实数据进行了大量的实验，实验证明，本文提出的隐私保护分类算法PPADTree在算法有效性、隐私保护能力、可解释性等方面相比传统算法有一定的优势。5.会议论文苏永利.徐长胜移动通信工程设计中的数据挖掘2008本文系统总结了本公司技术人员在领导大力推动下,针对移动通信工程设计需要,对海量数据进行数据挖掘的思路和实践经验.与传统数据挖掘模型不同,数据仓库、数学模型、数据分析员是本单位进行数据挖掘的三要素.其中数据仓库功能包括:(1)源数据抽取、清洗、转换;(2)多维数据分析;(3)多维数据可视化.数学模型功能包括:(1)预测;(2)聚类;(3)关联分析;(4)偏差分析;(5)基于经验规则的神经——模糊推理.数据分析员的主要任务是:(1)明确专题决策分析需求;(2)构建、更新数据仓库;(3)构建和改进数学模型.6.学位论文柳延强移动通信客户价值的挖掘模型设计与应用2009本文里主要研究了客户价值分析与数据挖掘技术的结合以及在实际中基于数据挖掘的客户价值管理应用。客户价值管理是客户关系管理中的核心与基础，客户价值的分析是企业制定营销决策和产品战略的关键出发点。本文通过营销理论中客户价值的研究、分析客户价值的主要内容以及测度客户价值的关键性指标，而后将客户价值理论引入数据挖掘当中，利用数据挖掘技术来构建客户价值的测量和评价模型，包括客户价值的计算模型、回归模型、聚类模型、客户价值的ABC分类模型，综合运用这些模型来对客户价值进行分析。此外，基于数据挖掘的客户价值分析的结果应该用于支持客户关系管理的决策，本文在第五章提出了客户价值管理的决策支持系统的框架模型，与企业的客户管理系统、数据仓库系统等充分结合。针对基于数据挖掘的客户价值管理，本文在第五章中以移动通信业来进行实证分析，以验证前述所提出的各个客户价值的数据挖掘模型，对这个行业的客户价值管理有所借鉴意义。7.学位论文赵韧数据挖掘技术在移动通信中的应用2006近十几年来，人们利用信息技术生产和搜集数据的能力大幅度提高，无数个数据库被用于商业管理、政府办公、科学研究和工程开发等，这一势头仍将持续发展下去。于是，一个新的挑战被提了出来：在这被称之为信息爆炸的时代，信息过量几乎成为人人需要面对的问题。数据挖掘(DataMining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。发现了的知识可以被用于信息管理、查询优化、决策支持、过程控制等，还可以用于数据自身的维护。因此，数据挖掘是一门广义的交叉学科，它汇聚了不同领域的研究者，尤其是数据库、人工智能、数理统计、可视化、并行计算等方面的学者和工程技术人员。数据挖掘(DM)是一个应用统计学和人工智能等算法进行知识发现的过程。本文阐述了数据挖掘的一般技术，介绍了GSM网络的现状并探讨了数据挖掘技术在移动通信中的应用，包括关联性规则的应用、数据仓库的建立、数据挖掘主题的定义和数据挖掘的过程。文中重点介绍了关联规则的数据挖掘方法。对于关联规则中的Apriori算法在实际工作的应用进行了详细的说明，并给予了应用举例，将数据挖掘的思想和方法引入到了实际的工作当中，提升了工作效率.文中将GSM网络告警信息提取技术与告警信息数据挖掘结合起来，将数据挖掘技术与网络中告警的分析结合起来，建立基于Apriori算法的告警获取和分析系统。方便维护人员快速的收集有用的告警信息，分析告警产生的原因，缩短故障处理周期。作为数据挖掘的基础：数据仓库的建立，以及另一项数据挖掘的关键技术：决策树技术在市场预测方面的引用。在移动通信领域中的应用，文中也给出了相应的说明。8.期刊论文李超.李鑫.LIChao.LIXin基于数据挖掘的移动通信业客户流失预警系统设计-电脑知识与技术2008,2(13)借助SASEM平台,对移动通信业务数据使用数据挖掘算法建立客户细分模型,能够刻画移动通信客户的行为特征,并以此建立客户流失预测模型,从而建立一个移动通信业客户流失预警系统.实践证明,该方法实用、可操作性强,对支持企业客户关系管理产生了积极的影响.9.期刊论文陈翠琴数据挖掘在移动通信客户满意度管理中的应用-福建电脑2009(12)本文通过介绍数据挖掘的概念和过程,阐明了移动通信客户满意度模型和指标,重点介绍数据挖掘技术在提高移动通信业客户满意度方面的应用过程.10.期刊论文李鑫.LIXin数据挖掘在移动通信业中应用研究综述-电脑知识与技术2008,3(23)数据挖掘是人工智能、机器学习与数据库技术等多学科相结合的产物,移动通信业是数据挖掘技术当前重要的应用领域之一.拳文重点介绍了数据挖掘技术在移动通信业中应用的客户描述、客户分群、与客户流失分析的最新研究方法与进展.本文链接：授权使用：西北农林科技大学图书馆(wflsxbt)，