学位论文 > 优秀研究生学位论文题录展示

数据挖掘技术在电信企业精确营销中的应用-群体划分算法及应用

作　者: 郝小琪
导　师: 王玉英
学　校: 西安建筑科技大学
专　业: 应用数学
关键词: 数据挖掘六度空间社交网络群体识别电信
分类号: TP311.13
类　型: 硕士论文
年　份: 2013年
下　载: 14次
引　用: 0次
阅　读: 论文下载

内容摘要

随着时代的发展与进步，客户对运营商的要求以及期待也越来越高，传统的电信挖掘分析只是针对用户个体或基于用户个体特征属性相似而聚类形成的客户群体，完全没有考虑用户个体之间的关系。用户的月消费指标可能随着个人的需求、兴趣、经济等多种因素而变化波动较大，但是人与人之间的联系在长期一段时间内是稳定的，使用用户所在群体的共性特征分析出的用户行为趋势会更加可靠。本文将六度空间的理论应用于电信社交网络，对单个用户、每对用户、群体用户、全网用户四个要素进行度数的划分。每个度数可以延伸出对应的社交网络研究技术，并拓展到针对性业务中去，为后面的分析提供辅助依据。文章定义了亲邻度、核心成分、核心归属价值等概念，提出基于亲邻度的无权群体识别算法与加权群体识别算法。使用无权群体识别算法对电信客户进行群体划分，并对分群结果进行评价。对划分得到的群体进一步使用聚类算法，分析群体的内部共性。使用逻辑回归方法计算网络边权重，量化家庭关系，进行欢乐在线潜在家庭群体挖掘并评估模型输出结果；使用几何平均值方法量化本网用户与异网用户之间权重，通过线性回归拟合竞争对手价值，进行竞争对手反挖与高价值客户保有挖掘。对可能产生离网倾向的高价值本网用户，做好维系挽留工作；对群体中高价值竞争对手客户，则要采取措施进行反挖工作。研究结果可以用于辅助市场营销工作。

全文目录

摘要  3-5
ABSTRACT  5-10
1 绪论  10-14
  1.1 课题研究背景  10-11
  1.2 课题研究的目的和意义  11
  1.3 社交网络的研究现状  11-13
    1.3.1 在互联网行业的研究现状  11-12
    1.3.2 在电信行业的研究现状  12-13
  1.4 课题主要研究内容  13-14
2 六度空间理论  14-18
  2.1 六度空间概念及提出  14
  2.2 六度空间的验证  14-15
  2.3 六度空间的应用  15-16
  2.4 为什么是“六”度？  16-17
  2.5 本章小结  17-18
3 电信网络基础模型构建  18-24
  3.1 第0 度空间：单个用户-社交特征分析  18-19
  3.2 第1 度空间：每对用户-关系特征分析  19-20
  3.3 第2 度空间：群体用户-社区特征分析  20-21
  3.4 第3 度空间：全网用户-传播特征分析  21-22
    3.4.1 紧致网络的核心人物  21
    3.4.2 病毒营销与口碑营销  21-22
  3.5 本章小结  22-24
4 基于亲邻度的无权群体识别算法  24-32
  4.1 亲邻度  24-25
  4.2 核心成分  25-26
  4.3 核心归属价值  26
  4.4 划分群体  26-27
  4.5 基于亲邻度的无权群体识别算法步骤  27
  4.6 群体划分实验结果评价  27-29
  4.7 群体特征分析  29-31
  4.8 本章小结  31-32
5 基于亲邻度的加权群体划分算法及应用  32-60
  5.1 网络边权重的计算方法  32-35
    5.1.1 逻辑回归方法计算权重  32-33
    5.1.2 几何平均值方法计算权重  33-35
  5.2 加权群体划分算法步骤  35-36
  5.3 欢乐在线潜在家庭群体挖掘  36-48
    5.3.1 项目背景  36
    5.3.2 建模思路  36-37
    5.3.3 数据探索  37-45
      5.3.3.1 试点地市欢乐在线用户概况  37-38
      5.3.3.2 试点地市欢乐在线数据质量检查  38
      5.3.3.3 试点地市欢乐在线群组通信网络几何结构探索分析  38-39
      5.3.3.4 欢乐在线群组样本选取  39-40
      5.3.3.5 家庭成员的电信行为特征分析  40-45
    5.3.4 加权群体划分算法在欢乐在线家庭群体挖掘中的应用  45-47
      5.3.4.1 利用权重量化家庭关系  45-46
      5.3.4.2 全连通多边形权重阈值  46-47
    5.3.5 评估模型输出结果  47-48
  5.4 竞争对手反挖与高价值客户保有挖掘  48-59
    5.4.1 项目背景  48
    5.4.2 建模思路  48-49
    5.4.3 群体划分结果及分析  49-51
      5.4.3.1 群体划分结果  49-50
      5.4.3.2 各品牌的群体活跃性分析  50-51
    5.4.4 竞争对手反挖应用  51-55
      5.4.4.1 竞争对手价值评估  51
      5.4.4.2 ARPU 相关数据探索  51-53
      5.4.4.3 反挖高价值竞争对手方案  53-55
    5.4.5 高价值客户保有应用  55-59
      5.4.5.1 预测群内移动用户的价值流失  55-56
      5.4.5.2 价值流失数据探索  56-58
      5.4.5.3 保有高价值移动用户方案  58-59
  5.5 本章小结  59-60
6 总结与展望  60-62
  6.1 本文总结  60
  6.2 展望  60-62
致谢  62-64
参考文献  64-68
攻读硕士学位期间发表论文  68

数据挖掘技术在电信企业精确营销中的应用-群体划分算法及应用

内容摘要

全文目录

相似论文