论文部分内容阅读
电信行业发展过程中,各大运营商之间的同质化竞争越来越严重,这决定了企业竞争力的提高还需要从差异化经营出发,向个性化转变,落实于客户需求。因此,客户细分是电信企业制胜的重中之重,将企业的现有客户,按照一定的标准,划分为特征不同的客户群,这在实际市场中大多通过聚类分析来实现。K-means算法是一类典型的聚类分析方法,但存在需事先指定目标聚类数和敏感于初始聚类中心的不足,导致现有的电信客户细分系统稳定性较差。针对电信行业的客户细分,本文完成了如下工作:首先,介绍客户细分的概念和细分方法,针对电信企业,根据其业务特征分析细分变量和模型的选取方案,同时对聚类分析进行概述,综合比对聚类分析的相关算法,对经典的K-means聚类算法,分析其实现思想及现有的改进方案。其次,以用例图的形式给出电信客户细分系统各模块的功能需求,说明系统采用的细分变量,从系统层次体系和各实现类所涉及的函数与数据类型角度进行详细设计。对于系统所采用的聚类算法,在K-means的基础上,提出改进的DDK-means算法,选取高密度区域中离散程度高的样本点作为初始聚类中心,并选用改进的评价指标CBWP对聚类结果进行分析,得出较为准确的最佳聚类数k。最后,对本文提出的改进DDK-mean算法进行实验仿真,与传统的K-means算法在类内类间距、聚类准确度、时间复杂度、稳定性方面进行性能分析,验证CBWP指标确定最佳聚类数的有效性,并与其他常用指标比对。通过实际数据对电信客户细分系统进行实现与展示,对细分结果和某一细分群特征进行评估。本文提出的DDK-means算法是对原有客户细分方法的进一步优化,基于该算法搭建的电信客户细分系统,可以实现更加准确的客户细分,进而协助制定更加有针对性的营销策略,最有效的实现利润最大化,更好地为客户服务。