数据挖掘在电信客户挽留中的应用

论文摘要

不断成熟的电信市场和日趋激烈的行业竞争给中国电信的营销模式和手段提出了更高的要求——针对性差异化营销。面对海量的用户信息和经营数据,如何有效的细分客户、提取目标客户清单和选择合适的营销手段是营销支撑系统的关键任务。本文针对此需求探索数据挖掘的解决方案,利用数据挖掘对海量数据的高效处理能力分析企业经营数据,提供支撑营销部门日常营销所需的高流失概率客户清单数据及针对性营销模式建议,为营销团队客户挽留工作提供有效支撑。数据挖掘工具采用SPSS的Clementine软件,按照CRISP-DM流程主要在商业理解、数据理解、数据准备、建立模型、模型评估、模型发布共六个步骤进行探索应用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1. 云南电信客户管理现状
• 1.2. 云南电信客户管理面临的问题
• 1.3. 客户挽留对云南电信的意义
• 1.4. 数据挖掘对客户挽留的意义
• 第二章 数据挖掘的发展现状及主要技术
• 2.1. 数据挖掘的定义
• 2.2. 数据挖掘的发展历史及应用现状
• 2.3. 数据挖掘的分类
• 2.4. 数据挖掘的特点和过程
• 2.5. 常用的数据挖掘技术研究
• 2.5.1. 决策树
• 2.5.2. 神经网络
• 2.5.3. 关联规则
• 2.5.4. 聚类分析
• 2.5.5. 模糊集和粗糙集
• 2.6. 客户关系管理（CRM）理论简介
• 2.6.1. 客户关系管理的定义
• 2.6.2. 客户关系管理的研发现状
• 2.6.3. 数据挖掘在CRM中的应用
• 第三章 客户挽留分析的准备工作
• 3.1. 项目需求
• 3.1.1. 业务（数据）需求
• 3.1.2. 用户接口需求
• 3.1.3. 性能需求
• 3.1.4. 日常运营支撑需求
• 3.2. 基础数据和平台分析
• 3.2.1. 客户模型及客户信息属性
• 3.2.2. 企业数据仓库现存数据范围及大小
• 3.2.3. 经营分析系统可供使用的平台
• 3.3. 挖掘工具的选择
• 3.4. 挖掘算法的选择
• 第四章 高流失概率客户的数据挖掘
• 4.1. 高流失概率客户的数据挖掘分析
• 4.1.1. 商业理解
• 4.1.2. 数据理解
• 4.1.3. 数据准备
• 4.1.4. 建立模型
• 4.1.5. 模型评估
• 4.1.6. 模型发布
• 4.2. 对客户关系维系的建议
• 4.3. 营销效果评估
• 第五章 总结
• 5.1. 数据挖掘的应用效果
• 5.2. 使用数据挖掘需要注意的地方
• 5.3. 尚未解决的问题
• 5.4. 进一步的研究发展方向
• 参考文献
• 致谢