论文部分内容阅读
国内电信业在经历重组后展开激烈的竞争，客户任何时候都是一个企业最宝贵的资产，尤其对于电信企业，因为电信企业维持的是持续消费能力的客户。近年来随着电信增值业务成为电信发展的增长点和主要驱动因素，对增值业务的客户细分和流失研究己成为业界人士和学者关注的焦点。基于此，本文利用数据挖掘技术对增值业务的客户细分和客户流失进行了深入的研究。本文的研究内容主要包括以下几个方面。
本文文献综述部分总结了目前常用的客户细分方法和客户细分的技术工具，客户细分方法重点介绍了基于人口统计、基于生活方式、基于行为变量、基于客户价值、基于利益的五种客户细分方法，客户细分的技术工具逐一阐述了数据仓库技术、数据挖掘技术和OLAP技术。在此基础上，本文建立了客户细分数据表，设计了客户细分变量，客户描述变量，重点研究了模糊聚类方法，并采用此方法对某一地市的客户模糊聚类成8类，根据其用户特征又将其划分为三大用户组，而后通过数据分析逐一挖掘出每类客户的行为和消费特征，并据此推断其客户需求，制订出响应的产品或服务的设计和营销推广方案。同时，本文重点研究运用了支持向量机模型对主动流失客户进行训练建模，挖掘出流失客户的行为消费特征，并依次可以对客户未来的流失与否做出预测，从而为电信企业CRM客户管理提供决策，提升客户保持率减少客户离网率，而后本文对电信企业如何开展主动流失客户和被动流失客户的挽留也提供了策略建议。
本文的研究结论丰富了数据挖掘技术的应用领域，同时，为电信企业的客户细分和客户流失提供了有效的分析工具，也为企业CRM(客户关系管理)提供决策支持。