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
|
相似论文
- 基于数据挖掘技术的保健品营销研究,F426.72
- 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
- 张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究,R249.2
- 基于数据挖掘的税务稽查选案研究,F812.42
- 基于关联规则挖掘的入侵检测系统的研究与实现,TP393.08
- 数据仓库技术在银行客户管理系统中的研究和实现,TP315
- 三网融合下我国广电网络发展战略研究,G220
- 教学质量评估数据挖掘系统设计与开发,TP311.13
- 关联规则算法在高职院校贫困生认定工作中的应用,G717
- Web使用挖掘与网页个性化服务推荐研究,TP311.13
- 数据挖掘在学校管理和学生培养中的应用,TP311.13
- 高校毕业生就业状况监测系统研究,G647.38
- 基于数据挖掘的信用卡客户激活与响应度研究,F832.2
- 基于数据挖掘技术的电信客户维系挽留系统分析及应用,TP311.13
- PG炼钢厂MES系统数据挖掘的设计与开发,TP311.13
- 数据挖掘技术在独立学院教学评估中的应用研究,TP311.13
- 基于WEB平台的家电类产品智能导购系统的研究,TP311.52
- 基于数据挖掘聚类技术的我国高校分类研究,TP311.13
- 纺织品服装出口的TBT风险监测与预警机理研究,TP311.13
- 动态关联规则的研究,TP311.13
- 校园收费系统的设计与实现,TP311.52
中图分类: > 经济 > 邮电经济 > 电信 > 电信企业组织和经营管理
© 2012 www.xueweilunwen.com
|