学位论文 > 优秀研究生学位论文题录展示

基于增值业务的客户消费行为数据挖掘模式分析

作　者: 宁一鉴
导　师: 蒋建平
学　校: 西南交通大学
专　业: 工商管理
关键词: 数据挖掘客户消费行为精准营销增值业务
分类号: F626
类　型: 硕士论文
年　份: 2007年
下　载: 499次
引　用: 9次
阅　读: 论文下载

内容摘要

在移动通信行业，随着低端用户比例逐步增加，市场竞争日益激烈，来自话音等传统业务的每用户业务收入ARPU值持续下降、电信运营商需要新业务增长点维持甚至提高ARPU值，移动数据业务为运营商提供了这个机会。如何利用移动数据业务提高用户的ARPU值，就成了现在电信增值业务的一个急需解决的问题。一方面由于SP商的违规操作严重影响了电信服务商的诚信形象，这个问题电信运营商已于去年8月对SP和CP的整顿得到了部分改善。另外一个方面，电信增值服务商用正常的渠道向用户外呼和PUSH短信的方式来推荐新的业务，用户的响应率较低，并且给网络也带来了相当大的负荷，使运营成本无形增加，更重要的是把一些非常好的业务推荐给了不合适的人群，带来了一些用户的投诉。那我们该从什么方面来解决这类问题呢，这也是本文所研究的主要课题。本文使用的是CRISP-DM就是公认的、较有影响的方法论之一。CRISP-DM强调，DM不单是数据的组织或者呈现，也不仅是数据分析和统计建模，而是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。CRISP-DM将整个挖掘过程分为以下六个阶段：①商业理解(Busihess Understanding)，②数据理解(Data Understanding)，③数据准备(Data Preparation)，④建模(Modeling)，⑤评估(Evaluation)和⑥部署(Deployment)。应用以上数据挖掘技术对用户消费行为进行分析，建立用户消费行为知识库。用户消费行为知识库是根据用户的消费记录，经过一系列的算法和分析来推断用户消费偏好。本文应用SPSS公司提供的数据挖掘软件Clementine从点对点短信、梦网业务和WAP业务的大量历史数据中，应用关联分析发现移动数据业务用户选择业务之间的关联关系。找到用户的消费特征，然后再根据业务特征描述，找到相关的用户，然后通过外呼和PUSH短信来提高营销的精准性，减少营销费用，提高用户的响应率。最终达到提高用户ARPU值的目的。本文使用的方法在提高移动增值业务的传播效率方面取得了初步成功，对很多类似的网络营销传播具有借鉴意义，这是本论文的主要应用价值。

全文目录

摘要  4-5
Abstract  5-10
第1章绪论  10-13
第2章移动增值业务概述  13-27
  2.1 移动增值业务的定义和基本特征  13-16
    2.1.1 增值业务的定义  13-15
    2.1.2 增值电信业务的基本特征  15
    2.1.3 电信业开放基本框架  15-16
    2.1.4 电信业开放是渐进式开放  16
    2.1.5 移动增值业务  16
  2.2 增值业务的市场环境分析  16-20
    2.2.1 市场宏观环境分析  16-18
    2.2.2 市场竞争  18-20
    2.2.3 用户选择行为  20
  2.3 数据增值业务发展现状与前景  20-26
    2.3.1 国际增值业务的发展现状  20-23
    2.3.2 国内增值业务的发展状况  23-25
    2.3.3 增值业务前景展望  25-26
  2.4 问题的提出及研究意义  26-27
第3章数据挖掘理论综述  27-37
  3.1 数据挖掘的基本概念  27-33
    3.1.1 数据挖掘的基本概念  27
    3.1.2 数据挖掘算法描述  27-29
    3.1.3 数据挖掘与数据仓库、OLAP  29-31
    3.1.4 数据挖掘过程  31-33
  3.2 相关理论综述  33-34
    3.2.1 数据挖掘技术概述  33
    3.2.2 数据挖掘主要方法  33-34
  3.3 数据挖掘在移动增值业务中的应用  34-37
第4章移动增值业务预测模型建立及应用  37-53
  4.1 商业理解  37-40
    4.1.1 商业目标  37-39
    4.1.2 数据挖掘目标  39-40
    4.1.3 目前存在问题和风险因素  40
  4.2 数据理解  40-50
    4.2.1 数据理解目标  40
    4.2.2 数据范围的界定  40-42
    4.2.3 数据挖掘成立的基本假设  42
    4.2.4 数据质量—缺失值情况分析  42-43
    4.2.5 数据质量—分布及异常值分析  43-44
    4.2.6 数据质量总结  44-45
    4.2.7 探索性数据分析过程  45
    4.2.8 订购退订日期与业务的探索性数据分析  45-47
    4.2.9 各项业务订购退量的探索性数据分析  47-48
    4.2.10 客户与业务使用情况的探索性分析  48
    4.2.11 各项业务交易频繁程度的探索性分析  48-49
    4.2.12 各项业务在各地区使用的探索性分析  49
    4.2.13 各项业务对全球通/神州行客户的探索性分析  49
    4.2.14 关于爱好转发  49-50
  4.3 数据准备  50-53
    4.3.1 数据准备目标  50
    4.3.2 现有数据描述  50
    4.3.3 数据准备过程  50-52
    4.3.4 数据准备总结  52-53
第5章建立模型和模型评估  53-62
  5.1 建立模型和模型评估目标  53
  5.2 模型的基本假定和模型的评价标准  53-54
    5.2.1 模型的基本前提和假定  53
    5.2.2 模型评价标准  53-54
  5.3 建立模型、模型应用的思路和方法  54-55
  5.4 建立模型过程  55-62
    5.4.1 模型建立  56
    5.4.2 规则知识库说明  56-59
    5.4.3 最终使用规则的确定和相关说明  59
    5.4.4 模型评估  59-62
第6章部署  62-66
  6.1 总述  62-64
    6.1.1 总述  62
    6.1.2 结果部署  62-63
    6.1.3 完成4个功能点  63-64
  6.2 需要改进和提高  64
  6.3 建立模型的自动化  64
  6.4 速度优化  64-65
  6.5 模型更新与维护  65-66
结论  66-68
致谢  68-69
参考文献  69-70

基于增值业务的客户消费行为数据挖掘模式分析

内容摘要

全文目录

相似论文