資源描述：
《數(shù)據(jù)挖掘在電信的應用》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在教育資源-天天文庫。
1、電信行業(yè)數(shù)據(jù)挖掘方案11、數(shù)據(jù)挖掘簡介2、數(shù)據(jù)挖掘在典型行業(yè)應用內(nèi)容提要2數(shù)據(jù)挖掘簡介3數(shù)據(jù)挖掘--從大量數(shù)據(jù)中尋找其規(guī)律的技術，是統(tǒng)計學、數(shù)據(jù)庫技術和人工智能技術的綜合。數(shù)據(jù)挖掘定義4功能描述分析（DescriptiveAnalysis）預測分析（PredicationAnalysis）數(shù)據(jù)挖掘分類5挖掘算法關聯(lián)分析（ShoppingBasket/AffinityMatrixAssociation)回歸分析（Linear/Nonlinear/LogisticRegression）聚集（Clust
2、ering）判別（DiscriminantAnalysis)因子分析法(FactorAnalysis)神經(jīng)元算法(NeuroAnalysis)異常檢測(AbnormalityDetection)序列分析(SequentialAnalysis)數(shù)據(jù)挖掘分類61.更好地識別客戶和產(chǎn)品，制定有效的CRM戰(zhàn)略和產(chǎn)品研發(fā)戰(zhàn)略誰是我們的客戶？誰是讓我們保持盈利的客戶？誰是我們的損失客戶？……我們有哪些產(chǎn)品和服務？什么產(chǎn)品讓我們保持盈利？什么產(chǎn)品或服務一直在讓我們虧損？數(shù)據(jù)挖掘的價值CRM戰(zhàn)略產(chǎn)品研發(fā)戰(zhàn)略數(shù)據(jù)挖
3、掘的價值2.細分市場和客戶，運用有效營銷組合建立在數(shù)據(jù)統(tǒng)計上的市場細分和顧客分類通過消費行為和人口統(tǒng)計特征建立可靠的模型模型預測功能擬合出最有效的產(chǎn)品組合和營銷手段科學的營銷測試工具數(shù)據(jù)挖掘的價值3.提高營銷精度，降低營銷成本我們應該向所有客戶傳遞促銷信息還是專注于某些細分客戶群？（假設盈虧平衡點為3％）數(shù)據(jù)挖掘的價值4.改善和客戶的溝通，提高客戶滿意度定制的溝通渠道定制的溝通信息可衡量的溝通效果（例如，根據(jù)客戶在簽約商家的消費情況衡量促銷廣告的有效性）服務經(jīng)費的最佳分配方案（最好的服務組合對應獲
4、利最豐的客戶群體）數(shù)據(jù)挖掘的價值1.了解業(yè)務確定業(yè)務目標情景評估確定數(shù)據(jù)庫營銷目標制定項目計劃收集原始數(shù)據(jù)描述數(shù)據(jù)數(shù)據(jù)探索和檢驗自變量選擇自變量數(shù)驗證數(shù)據(jù)處理和維護典型的數(shù)據(jù)挖掘?qū)嵤┝鞒?.收集數(shù)據(jù)3.篩選數(shù)據(jù)4.建模5.模型評估6.模型推廣確定建模算法測試方法設計建模模型評估（算法層）模型評估（業(yè)務層）模型推廣計劃實施過程監(jiān)督最終報告建模數(shù)據(jù)庫得分數(shù)據(jù)探索和轉(zhuǎn)換模型評估注：某些典型的環(huán)節(jié)被省略或合并數(shù)據(jù)挖掘流程舉例數(shù)據(jù)挖掘在電信行業(yè)應用14人口統(tǒng)計特征性別年齡職業(yè)教育程度平均年收入工作單位所在行
5、業(yè)建檔時間戶口所在地……電信行業(yè)客戶數(shù)據(jù)15消費行為特征月均基本通話時間/費用月均國內(nèi)通話時間/費用月均國際通話時間/費用月均國內(nèi)長途時間/費用月均市內(nèi)通話時間/費用呼入/呼出比例工作日呼叫次數(shù)/時間周末呼叫次數(shù)/時間繁忙時段呼叫次數(shù)/時間非繁忙時段呼叫次數(shù)/時間語音呼叫次數(shù)/時間非語音呼叫次數(shù)/時間/費用呼叫轉(zhuǎn)移次數(shù)月均IP呼叫次數(shù)掉話次數(shù)……電信行業(yè)客戶數(shù)據(jù)16心理傾向特征月均主動聯(lián)系CallCenter次數(shù)月均投訴次數(shù)套餐類型繳費方式半年內(nèi)繳費延遲次數(shù)最近CallCenter主動聯(lián)系內(nèi)容和響
6、應情況非通話相關的消費嗜好（如旅游等）……電信行業(yè)客戶數(shù)據(jù)17基于電信行業(yè)，我們可以提供如下建模方案：客戶細分模型客戶離網(wǎng)預警模型客戶綜合價值評估模型交叉銷售模型欺詐預警模型促銷效果模擬綜合平臺……建模方案18方法：集群分析法（Clustering）判別分析法（DiscriminantAnalysis)參數(shù)分析法（FactorAnalysis）決策樹分析（DecisionTree）描述性分析（DescriptionStatitics）目的：客戶群像的定量描述了解客戶自然分組，并賦予具有實際意義的組
7、名（例如，挑剔型客戶-高比例投訴，等待接聽組-低比例呼出/呼入等）通過分組，多維度了解客戶（宏觀和微觀層面）識別全新營銷機會為交叉銷售研究提供信息基礎抽象切實可行的營銷建議是開發(fā)其它模型的基礎客戶細分模型19方法：判別分析法（DiscriminantAnalysis)決策樹分析（DecisionTree）對數(shù)回歸模型（LogisticRegression）客戶存活模型（LifeTable和CoxRegression）目的：研究離網(wǎng)客戶和在網(wǎng)客戶特征矩陣的差異性在一定的時間框架內(nèi)，準確識別即將離網(wǎng)的
8、客戶群和客戶為制定具有針對性的客戶挽留計劃提供定量信息為合理分配挽留計劃預算提供定量信息客戶離網(wǎng)預警模型20方法：構建客戶價值描述參數(shù)矩陣客戶生命周期分析法（LifeTimeValue）集群分析法（Clustering）決策樹分析（DecisionTree）目的：細分客戶價值群（例如，根據(jù)ARPU等），并從定量角度，抽象和考察不同客戶價值群體的共性特征識別衡量客戶綜合價值的優(yōu)化矩陣參數(shù)為制定有針對性的市場營銷計劃提供依據(jù)（例如，白金客戶，優(yōu)質(zhì)客戶，一般客戶，損失型客戶等等），從而可
