一种k-means和som结合算法在电信客户细分中应用-application of k - means and som combined algorithm in telecom customer segmentation.docxVIP

的领先地位。能够预见，将来国内电信行业会面临更加激烈的市场竞争，在3G时代，电信企业未来的发展方向，很大程度上取决于电信运营商拥有的客户数量和规模。1.1.2电信行业客户细分的意义目前，诸多行业均运用客户细分的战略来提高服务水平、实现利润的增长。科学的客户细分结果表明，企业能够检测和分析不同类别客户的消费行为，找出不同类客户消费方式的差别，然后针对不同类别的客户，制定相应的促销方案。电信行业也不例外，譬如，中国移动公司已将其3G业务的品牌命名为“G3”，在该品牌下，不仅集合了通话等语音业务以及短消息等数据业务，还挖掘了可视电话、手机电视和手机有哪些信誉好的足球投注网站等3G业务。目前，移动公司正面临着巨大的挑战，中国联通和中国电信对移动公司的市场主导地位正展开强有力的挑战，而主要采用的手段就是抢夺中国移动的客户，争夺移动公司的客户资源。随着移动通信市场地蓬勃发展和不同用户群的陆续加入，移动客户市场凸显细分化以及异质化的特征，不同的客户群因各自职业、收入水平、生活习惯等方面的差别而展示出不同的消费行为。同时，由于客户需求的个性化不断加强，业务产品也展现出多样化的发展趋势。但是，各大电信企业当前的市场基础并不稳固，他们缺乏对客户更为深入地了解、更加科学的市场细分和更为有效的营销战略。面对日益细分化、差异化的市场，按ARPU(AverageRevenuePerUser)值进行客户细分的传统方法，不再能满足移动公司科学制订营销策略的需要，其市场竞争对手将会利用客户细分的机会再次发起挑战(曾进，唐守廉，2006)。若要保持领先的市场地位，提升用户价值，移动公司就必须深入了解客户的需求，对客户予以有效的细分。科学的客户细分不仅可以让电信企业提高市场营销以及客户服务的功效，而且能够为电信企业制定科学、系统的差别化市场营销与客服策略提供依据。伴随中国移动通信运营商的生产营销、产品业务和客户服务的渐进发展，不同类别客户移动通讯消费的内在差别就会逐步显现，因此，科学的客户细分显得非常必要。1.2研究方法及内容1.2.1研究的主要方法随着计算机及网络技术的迅速普及和飞速发展，越来越多的大型数据库得以在商事管理、政府行政、科技研发和工程设计等领域中广泛使用，企业内部的数据量正在快速增长。面对海量的数据，人们常常不能有效获得感兴趣的知识，这样，就形成了一种数据量虽然丰富但却缺乏知识的尴尬局面，对于这种现象也有种说法就是：我们都在数据的海洋中淹死了，但是在知识的海洋中渴死了。数据挖掘（DataMining）是一类全新的商业数据处理技术，其主要特点在于，能够对商业数据库中的大量业务数据进行抽取、转换、分析和其他形式的处理，从中提取出利于商业决策的关键性信息和知识（陈京明，2003）。近些年以来，数据库的广泛使用使企业累积了大量的商业数据，企业迫切需要从累积数据中获取有价值的信息和知识。“聚类（clustering）”是指，把一组个体按照相似性划分为若干子类别。聚类分析有助于人们发现特征迥异的不同客户群和对客户细分起关健作用的指标变量，以辅助企业对各客户群的特征进行深刻洞察（陈京明，2003）。作为聚类分析中的一个新兴且很活跃的研究领域，模糊聚类技术能够用以发现数据分布结构，是聚类分析的一个非常重要的工具。在海量数据统计、网络分析和市场营销管理等领域，模糊聚类技术具有广泛的应用前景，因此，深入研究并实现模糊聚类技术必将具有重要的理论和实践意义。1.2.2研究的具体内容本文的具体研究内容包括以下方面：研究了客户细分理论的起源及发展情况，分析了国内外电信行业客户细分理论的应用和发展现状。回顾了数据挖掘技术的产生和发展历程，深入研究K-means聚类算法和自组织映射神经网络算法的优缺点，讨论了K-means聚类算法及自组织映射神经网络算法混合迭代的可能性。在对K-means聚类算法和自组织映射神经网络算法研究的基础上，将两种算法结合，实现了两种算法的优势互补，提出了一种基于距离代价函数的S-K算法，其克服了K-means聚类算法事先必须给定K值和初始参数不能自动合理设定的缺陷。运用电信客户RFM模型来对某省移动公司的客户群进行分类，并建立了较为合理的考核指标。完成了改进的聚类算法的编码及测试，并将算法应用到某运营商某品牌客户细分中，通过对客户细分结果的分析，提出了针对不同客户群的具体营销策略和建议。1.3论文框架本文的组织结构和各章节的安排如下：第一章为绪论，详细介绍了本文的研究背景、意义以及论文的内容。第二章概述了客户细分理论的产生和发展，并归纳了客户细分的几种常用基本方法，在本章的最后还分析了国内外电信行业客户细分的研究现状。第三章重点论述了客户细分及客户细分技术中数据挖掘技术的发展、定义、功能、方法以及聚类分析技术的概述，并概述了聚类分析技术在国内外企业中客户细分时的应用现状。第