数据挖掘技术在移动运营商客户关系管理中的应用研究

论文摘要

本论文从数据挖掘技术角度出发,就数据挖掘技术在移动通信客户关系管理(客户关系管理Customer Relation Management,简称CRM)中的应用进行研究,并在此基础上完成了增值业务交叉销售和用户返乡业务精确营销两个具体项目的应用与开发。面对电信市场竞争的加剧和信息技术的发展,移动运营商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运营商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,是当前移动通信运营商提升CRM水平的重要方面,具有理论意义和应用价值。这其中必然要注重据挖掘技术(数据挖掘DataMining,简称DM)。因此,如何将数据挖掘技术应用于移动通信行业CRM,成为了运营商们最关注的问题之一。本文运用理论分析与实证研究相结合的方法,首先介绍了数据挖掘的算法与技术、数据挖掘的过程、客户关系管理的基本理论;然后介绍了中国移动在CRM和数据仓库方面的建设情况,重点介绍了经营分析系统的现状。针对移动通信行业特点,研究了移动通信行业的DM方法(数据挖掘项目的整体流程);最后,本文采用了微软公司的数据挖掘工具(SQL SERVER 2005),针对某移动运营商增值业务交叉销售和用户返乡业务精确营销两个项目,以项目功能需求为目标,阐述了数据挖掘的整个过程,以本文所研究的移动通信行业数据挖掘方法为基础,在模型的定义、挖掘算法的选择、模型的建立和结果的展现与应用方面做了详细介绍。由于目前国内移动通信行业的数据挖掘技术应用起步不久,可以借鉴的经验不多,许多省市的CRM停留在多维分析、联机分析处理等技术上。本文结合某移动运营商的实践做了一些探索,推动了数据挖掘技术在移动信行业CRM的发展和应用,尚有不足之处,将不断探索并加以改进。

论文目录

• 表目录
• 图目录
• 摘要
• Abstract
• 第一章：绪论
• 1.1 论文的的选题背景
• 1.2 国内外应用情况
• 1.3 本文的工作
• 1.4 论文的组织结构
• 第二章：数据挖掘和客户关系管理
• 2.1 数据挖掘理论概述
• 2.1.1 数据挖掘的定义
• 2.1.2 数据挖掘的任务
• 2.1.3 数据挖掘常用算法
• 2.1.4 数据挖掘的过程
• 2.1.5 数据挖掘的工具
• 2.2 数据仓库
• 2.2.1 数据仓库的定义
• 2.2.2 数据仓库的特点
• 2.2.3 数据仓库与数据挖掘的关系
• 2.3 经营分析系统数据仓库现状
• 2.3.1 经营分析系统简介
• 2.3.2 经营分析系统的体系结构
• 2.3.3 数据来源
• 2.3.4 数据现状
• 2.4 客户关系管理
• 2.5 数据挖掘在移动客户关系管理中的典型应用
• 2.5.1 客户细分
• 2.5.2 交叉销售分析
• 2.5.3 客户赢利能力分析
• 2.5.4 客户获取
• 2.5.5 客户流失分析
• 2.5.6 客户满意度分析
• 2.6 本章小结
• 第三章：数据挖掘在增值业务交叉销售中的应用
• 3.1 移动增值业务现状
• 3.2 业务和数据逻辑理解
• 3.2.1 业务逻辑理解
• 3.2.2 数据逻辑理解
• 3.3 数据抽样
• 3.3.1 整合数据
• 3.3.2 清洗数据
• 3.3.3 选择数据及数据格式化
• 3.4 数据浏览
• 3.5 数据修改
• 3.5.1 数据修改原则
• 3.5.2 修改结果
• 3.6 建立挖掘模型
• 3.6.1 Apriori 算法
• 3.6.2 建模
• 3.7 挖掘模型应用
• 3.8 本章小结
• 第四章：数据挖掘在精确营销中的应用
• 4.1 项目背景
• 4.2 精确营销的概念
• 4.3 精确营销系统
• 4.3.1 精确营销系统简介
• 4.3.2 精确营销平台的物理架构图
• 4.3.3 系统结构图
• 4.3.4 系统功能模块介绍
• 4.4 用户返乡挖掘模型的设计与实现
• 4.4.1 背景介绍
• 4.4.2 开发环境介绍
• 4.4.3 业务问题描述
• 4.4.4 数据获取
• 4.4.5 数据清洗
• 4.4.6 数据采样
• 4.4.7 数据浏览并生成返乡预测数据表
• 4.4.8 返乡客户模型的建立
• 4.4.9 返乡客户模型的应用
• 4.4.10 返乡客户模型的应用效果分析
• 4.5 本章小结
• 第五章: 总结与展望
• 5.1 论文结论
• 5.2 研究展望
• 参考文献
• 致谢
• 作者在学期间取得的学术成果