数据挖掘在通信公司CRM中的应用实例.docxVIP

3.3? 数据挖掘在通信公司CRM中的应用实例 随着中国电信的改革重组，中国通信业取得了跨越式的发展，成为国民经济中发展速度最快的行业之一，中国通信业总规模现已在世界排名第一。与此同时，中国通信市场竞争也日趋激烈。通信运营商的经营观念逐渐从技术质量第一向服务客户第一转化。以前的营销模式已经无法满足客户的多样化、层次化、个性化的需求。长期以来，通信单位大量详尽的业务数据也只是被简单地应用在各种业务系统中，没有被更有效地开发利用。如何利用这些数据进一步拓宽通信业务，促进通信业务发展，从而为通信业提供决策支持服务，已经成为各个通信单位的当务之急。 近几年迅速崛起的数据挖掘技术成为实现这些目标的有效手段。它可以深入分析客户信息、客户价值和行为，从而使营销具有洞察力、精确化，并通过从数据中挖掘价值来减少营销成本、提高营销效益。 3.3.1? 客户细分模型和挖掘算法选择 构建客户分类模型需要用到第2章所介绍的一些技术。其中聚类技术就是其中之一。在前面的章节中我们曾了解到聚类和分类有着很大的区别：分类时，我们事先选择一些属性作为分类标准，通信企业总是会将重要的、有影响力的属性作为分类的依据；而在实际应用当中，通信企业事先根本不知道哪些属性会起到作用。而找到那些起关键作用的属性是聚类技术的任务之一。在通信客户分析中，聚类分析能够帮助我们发现特征迥异的不同客户群和对客户分类起关键作用的指标变量，并辅助运营商对各客户类别的特征进行深刻观察。通信客户从营销属性方面分为三类：普通客户、价值客户和黄金客户，其中普通客户消费行为有较大的随机性，分布较广，规律难寻，比较适于聚类分析。 本数据挖掘实例采用通话行为、数据业务使用情况等作为客户分类变量，把通信行为相似的人群聚为一组。数据挖掘方法论选用CRISP-DM（Cross-Industry Process for Data Mining）过程模型。即交叉行业数据挖掘过程标准。它从数据挖掘技术应用的角度来划分挖掘任务，将数据挖掘技术和实际应用紧密结合。CRISP-DM过程模型的主要步骤有商业理解、数据理解、数据准备、建立模型、数据挖掘、评价和实施以及结果发布，如图3-9所示。该过程的各个环节按顺序进行，但需要不断地循环往复进行数据探索和模型的调优。这里为了简化说明问题，先 不考虑循环往复的探索和调优过程，直接顺序考察各个环节。 ?（点击查看大图）图3-9　CRISP-DM各环节所涉及的内容和人员客户的消费行为和需求通过调查问卷以及访谈的方式来实现。 3.3.2? 数据挖掘模型和挖掘步骤 在各种硬件条件和软件条件都具备的情况下，就可以开始进行挖掘的工作了。 1．数据准备 数据准备过程如下： （1）确定项目目标，制定挖掘计划。 （2）分析变量的获取。 （3）数据收集和获取。（4）数据集成。 依据CRISP-DM流程，第一要确定项目目标，之后制定挖掘计划。首先必须明确项目的商业目标，这个目标应该是适于用选取的聚类分析方法来达到的。所定义的客户细分的商业目标是对某地方数十万普通客户，从客户行为的角度进行客户分类，以了解不同客户群的消费行为特征，为发展新业务、原有客户挽留、对其他通信公司用户争夺的针对性策略的制订提供依据，并实现企业稳定现有客户量、提高客户增长量的战略目标。 之后就应该对分析变量进行全面获取，在保证数据的一致性、完整性、有效性和层次性的基础上，数据指标具有较高的完备性，应该覆盖全部经营分析与数据挖掘的需求。我们选择的数据来源主要有客户档案记录、客户营销记录、销售单主表、销售退货主表、销售付款表、客户联系记录、客户投诉记录和客户关怀记录等。变量准备的结构如图3-10所示。 ?（点击查看大图）图3-10　变量准备的结构 客户的通信行为以及需求特征类别见表3-1。 表3-1? 客户行为特征信息表 客户的通信行为客户的需求特征类别 短消息使用次数 移动梦网使用次数 WAP上网时间 GPRS数据流量方便性及信息实时性的需求IP长途使用次数 优惠时段通话次数 套餐定制和使用次数 拨打10086次数对资费的敏感程度本地、长途、漫游呼叫时长 本地、长途、漫游呼叫次数 呼叫时间、次数（繁忙/非繁忙时段、 工作/休息时段、优惠/非优惠时段） 呼叫类型（主叫、被叫、呼叫转移）对通话的多层次需求服务种类对个性化服务的需求程度数据是数据挖掘的根基，在确定了分析目标和执行方案后，需要对各个数据源的数据进行清洗、整理并集成，以确定这次分析需要哪些方面的数据，然后将它们汇总起来，形成这次分析任务的数据库（数据仓库）。在此实例中，数据来源于移动公司自己的CRM系统、客户计费系统，客户服务系统、营销系统以及业务结算系统等。 基于客户需求和上述行为特征信息表，定义了几组细分变量，d_代表时常