本站原创
摘要：在当前社会中,信息时代的来临伴随着数据的爆炸性增加,丰富的数据与贫乏的知识之间的碰撞日益凸显,将海量的数据转换成有价值的信息和知识这一需求越发迫切。而作为计算机行业中进展最快的领域之,数据挖掘技术为满足这种需求提供了强有力的支持。在电信行业,随着市场竞争的加剧,竞争环境的不断变化数据挖掘被广泛运用于优化营销手段、客户保有及赢回、用户行为浅析等多个方面,其中客户细分作为精细化营销、交叉组合营销及其他数据挖掘模型运用的基础,被各运营商广泛运用。而如何科学的利用这种挖掘手段,有效的指导运营商经营决策,成为了当前的热点不足。本论文首先介绍了针对电信行业客户细分的运用探讨的背景及作用,阐述了近年来国内外学者在这一领域的探讨情况；然后对数据挖掘概念、流程、及典型算法及各类算法在电信行业的运用范围进行系统的说明；在论文的第三部分对基于数据挖掘的电信客户细分策略展开深入的探讨,比较了几种典型的聚类算法,最终选择利用k-means聚类算法并详细说明利用这种策略进行电信客户细分的历程；最后系统的探讨电信运营商应该如何运用数据挖掘来实现准确有效的客户细分,在此基础上探讨客户细分在营销中实际的运用,并在最后指出仍然有着的不足及相应的对策倡议,丰富电信行业客户细分的论述探讨及其运用价值。关键词：数据挖掘论文客户细分论文电信运用论文
摘要4-5
ABSTRACT5-10
绪论10-15
0.1 探讨的背景10
0.2 探讨的作用10-11
0.3 文献综述11-13
0.4 论文的框架13-15
1 数据挖掘的基础论述15-19
1.1 数据挖掘的概念15
1.2 数据挖掘的流程15-17
1.3 典型的数据挖掘策略17-19
1.3.1 关联规则17
1.3.2 分类17-18
1.3.3 预测18
1.3.4 聚类浅析18-19
2 基于数据挖掘的电信客户细分策略19-26
2.1 客户细分的概念与策略19-21
2.1.1 客户细分的概念19
2.1.2 客户细分的策略19-21
2.2 基于数据挖掘的电信客户细分模型21-26
2.2.1 客户细分指标系统的建立21-22
2.2.2 电信客户细分的数据准备22-23
2.2.3 客户细分模型算法23-26
3 基于数据挖掘的电信客户细分的实证浅析26-40
3.1 数据的准备与处理26-30
3.1.1 数据选择26-27
3.1.2 数据预处理27-30
3.2 建立客户细分模型30-31
3.3 客户细分类型预测31-34
3.3.1 建立决策树模型31-33
3.3.2 决策树模型评估33
3.3.3 客户细分类型预测33-34
3.4 客户细分结果检验34-37
3.5 客户细分结果解释37-40
4 客户细分在电信行业的运用40-47
4.1 客户细分模型运用40-42
4.2 基于客户细分的彩信业务推荐需求挖掘42-47
4.2.1 业务推荐指数计算42-44
4.2.2 客户群推荐优先级确定44
4.2.3 客户群需求潜力深度挖掘44-47
5 有着的不足及对策倡议47-49
5.1 电信客户细分运用中有着的不足47-48
5.2 对策倡议48-49