資源描述：
《數(shù)據(jù)挖掘在電信的應(yīng)用》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、電信行業(yè)數(shù)據(jù)挖掘方案11、數(shù)據(jù)挖掘簡介2、數(shù)據(jù)挖掘在典型行業(yè)應(yīng)用內(nèi)容提要2數(shù)據(jù)挖掘簡介3數(shù)據(jù)挖掘--從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，是統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫技術(shù)和人工智能技術(shù)的綜合。數(shù)據(jù)挖掘定義4功能描述分析（DescriptiveAnalysis）預(yù)測分析（PredicationAnalysis）數(shù)據(jù)挖掘分類5挖掘算法關(guān)聯(lián)分析（ShoppingBasket/AffinityMatrixAssociation)回歸分析（Linear/Nonlinear/LogisticRegression）聚集（Clust
2、ering）判別（DiscriminantAnalysis)因子分析法(FactorAnalysis)神經(jīng)元算法(NeuroAnalysis)異常檢測(AbnormalityDetection)序列分析(SequentialAnalysis)數(shù)據(jù)挖掘分類61.更好地識別客戶和產(chǎn)品，制定有效的CRM戰(zhàn)略和產(chǎn)品研發(fā)戰(zhàn)略誰是我們的客戶？誰是讓我們保持盈利的客戶？誰是我們的損失客戶？……我們有哪些產(chǎn)品和服務(wù)？什么產(chǎn)品讓我們保持盈利？什么產(chǎn)品或服務(wù)一直在讓我們虧損？數(shù)據(jù)挖掘的價(jià)值CRM戰(zhàn)略產(chǎn)品研發(fā)戰(zhàn)略數(shù)據(jù)挖
3、掘的價(jià)值2.細(xì)分市場和客戶，運(yùn)用有效營銷組合建立在數(shù)據(jù)統(tǒng)計(jì)上的市場細(xì)分和顧客分類通過消費(fèi)行為和人口統(tǒng)計(jì)特征建立可靠的模型模型預(yù)測功能擬合出最有效的產(chǎn)品組合和營銷手段科學(xué)的營銷測試工具數(shù)據(jù)挖掘的價(jià)值3.提高營銷精度，降低營銷成本我們應(yīng)該向所有客戶傳遞促銷信息還是專注于某些細(xì)分客戶群？（假設(shè)盈虧平衡點(diǎn)為3％）數(shù)據(jù)挖掘的價(jià)值4.改善和客戶的溝通，提高客戶滿意度定制的溝通渠道定制的溝通信息可衡量的溝通效果（例如，根據(jù)客戶在簽約商家的消費(fèi)情況衡量促銷廣告的有效性）服務(wù)經(jīng)費(fèi)的最佳分配方案（最好的服務(wù)組合對應(yīng)獲
4、利最豐的客戶群體）數(shù)據(jù)挖掘的價(jià)值1.了解業(yè)務(wù)確定業(yè)務(wù)目標(biāo)情景評估確定數(shù)據(jù)庫營銷目標(biāo)制定項(xiàng)目計(jì)劃收集原始數(shù)據(jù)描述數(shù)據(jù)數(shù)據(jù)探索和檢驗(yàn)自變量選擇自變量數(shù)驗(yàn)證數(shù)據(jù)處理和維護(hù)典型的數(shù)據(jù)挖掘?qū)嵤┝鞒?.收集數(shù)據(jù)3.篩選數(shù)據(jù)4.建模5.模型評估6.模型推廣確定建模算法測試方法設(shè)計(jì)建模模型評估（算法層）模型評估（業(yè)務(wù)層）模型推廣計(jì)劃實(shí)施過程監(jiān)督最終報(bào)告建模數(shù)據(jù)庫得分?jǐn)?shù)據(jù)探索和轉(zhuǎn)換模型評估注：某些典型的環(huán)節(jié)被省略或合并數(shù)據(jù)挖掘流程舉例數(shù)據(jù)挖掘在電信行業(yè)應(yīng)用14人口統(tǒng)計(jì)特征性別年齡職業(yè)教育程度平均年收入工作單位所在行
5、業(yè)建檔時(shí)間戶口所在地……電信行業(yè)客戶數(shù)據(jù)15消費(fèi)行為特征月均基本通話時(shí)間/費(fèi)用月均國內(nèi)通話時(shí)間/費(fèi)用月均國際通話時(shí)間/費(fèi)用月均國內(nèi)長途時(shí)間/費(fèi)用月均市內(nèi)通話時(shí)間/費(fèi)用呼入/呼出比例工作日呼叫次數(shù)/時(shí)間周末呼叫次數(shù)/時(shí)間繁忙時(shí)段呼叫次數(shù)/時(shí)間非繁忙時(shí)段呼叫次數(shù)/時(shí)間語音呼叫次數(shù)/時(shí)間非語音呼叫次數(shù)/時(shí)間/費(fèi)用呼叫轉(zhuǎn)移次數(shù)月均IP呼叫次數(shù)掉話次數(shù)……電信行業(yè)客戶數(shù)據(jù)16心理傾向特征月均主動聯(lián)系CallCenter次數(shù)月均投訴次數(shù)套餐類型繳費(fèi)方式半年內(nèi)繳費(fèi)延遲次數(shù)最近CallCenter主動聯(lián)系內(nèi)容和響
6、應(yīng)情況非通話相關(guān)的消費(fèi)嗜好（如旅游等）……電信行業(yè)客戶數(shù)據(jù)17基于電信行業(yè)，我們可以提供如下建模方案：客戶細(xì)分模型客戶離網(wǎng)預(yù)警模型客戶綜合價(jià)值評估模型交叉銷售模型欺詐預(yù)警模型促銷效果模擬綜合平臺……建模方案18方法：集群分析法（Clustering）判別分析法（DiscriminantAnalysis)參數(shù)分析法（FactorAnalysis）決策樹分析（DecisionTree）描述性分析（DescriptionStatitics）目的：客戶群像的定量描述了解客戶自然分組，并賦予具有實(shí)際意義的組
7、名（例如，挑剔型客戶-高比例投訴，等待接聽組-低比例呼出/呼入等）通過分組，多維度了解客戶（宏觀和微觀層面）識別全新營銷機(jī)會為交叉銷售研究提供信息基礎(chǔ)抽象切實(shí)可行的營銷建議是開發(fā)其它模型的基礎(chǔ)客戶細(xì)分模型19方法：判別分析法（DiscriminantAnalysis)決策樹分析（DecisionTree）對數(shù)回歸模型（LogisticRegression）客戶存活模型（LifeTable和CoxRegression）目的：研究離網(wǎng)客戶和在網(wǎng)客戶特征矩陣的差異性在一定的時(shí)間框架內(nèi)，準(zhǔn)確識別即將離網(wǎng)的
8、客戶群和客戶為制定具有針對性的客戶挽留計(jì)劃提供定量信息為合理分配挽留計(jì)劃預(yù)算提供定量信息客戶離網(wǎng)預(yù)警模型20方法：構(gòu)建客戶價(jià)值描述參數(shù)矩陣客戶生命周期分析法（LifeTimeValue）集群分析法（Clustering）決策樹分析（DecisionTree）目的：細(xì)分客戶價(jià)值群（例如，根據(jù)ARPU等），并從定量角度，抽象和考察不同客戶價(jià)值群體的共性特征識別衡量客戶綜合價(jià)值的優(yōu)化矩陣參數(shù)為制定有針對性的市場營銷計(jì)劃提供依據(jù)（例如，白金客戶，優(yōu)質(zhì)客戶，一般客戶，損失型客戶等等），從而可
