面向CRM的数据挖掘技术在电信行业的应用

以客户流失分析为例介绍了数据挖掘技术在电信行业中的应用,并给出了实现的具体步骤,同时论述了数据挖掘技术的现状和发展方向.     

数据挖掘在电信客户流失中的应用

在研究数据挖掘实现技术的基础上,将此技术运用到防止电信行业的客户流失中.以无线市话(PHS)的历史数据为对象,建立客户流失预测模型.通过对预测模型的评估,得到了预测效果较好的模型.     

社群网络中基于链接分类的研究与应用

由于在互联网、电信、生物信息、社会网络分析等领域可获得的链接丰富的数据日益增多,链接挖掘已经成为数据挖掘的研究热点。基于链接分类是链接挖掘的一个重要方向。在此以电信领域用户通话特征数据为对象,研究了基于链接分类技术及其在电信客户流失预测的应用方法,在提取并分析大规模客户呼叫图的极大团、结点膨胀率、结点聚集度等与节点稳定性相关的链接属性及其时变特征的基础上,提出了一种适合海量数据的基于链接的电信客户流失预测算法。实验结果表明,此算法较传统分类算法能提高客户流失预测性能,实现了基于链接分类方法的成功应用。     

移动通信中V2．5．1流失预测模型的建立

V2.5.1流失预测模型是移动公司进行客户流失预测的模型.采用数据挖掘技术,从数据理解、数据准备、建立模型、模型评估和模型发布等五个阶段,详细介绍了移动通信企业中客户流失预测模型的建立过程和方法.     

决策支持系统在移动通信客户数据分析中的应用

在深入研究数据挖掘技术的基础上，针对电信企业话费流失及吸引新客户、保留大客户等问题构建了决策支持系统，以提高电信企业高管人员决策的质量和效率．     

生存分析在电信增值服务行业客户流失分析中的应用

利用生存分析对一家电信增值业务提供商的客户流失数据进行了实证研究,提出了一个预测客户流失概率的模型.利用该模型能及时准确地掌握客户流失情况,以此可以提高企业决策的针对性,降低客户流失率.     

基于贝叶斯网络的客户流失分析

随着电信市场竞争加剧,客户流失现象成为电信运营商关注的问题。文中基于数据挖掘手段,采用贝叶斯网络分类器,进行电信客户流失分析。在贝叶斯网络构造过程中,结合采用K2和MC-MC算法构建网络。根据贝叶斯网络的拓扑结构,筛选出客户流失相关的显著指标;由条件概率表确定客户的流失规则,进而确定高流失的客户群。考虑分类的误判损失函数,给出不同分类临界值下,贝叶斯网络模型的分类效果。与其它分类算法相比,比如决策树和人工神经网络,在客户流失率很低的情况下,该算法不需要进行“过量抽样”。     

基于改进聚类的电信客户流失预测分析

针对电信领域客户流失的问题,提出了改进聚类的客户流失预测模型。根据通信行业中实际客户流失数据的正负样本数量不平衡而且数据量特别大的特点,提出带有不同权重参数的改进聚类算法,并将其用于电信行业的客户流失预测模型中。通过实际电信客户数据集测试,与传统的预测算法比较,证明这种算法适合解决大数据集和不平衡数据,具有更高的精确度,能够取得较好的客户流失预测效果。     

结合K-means的分类方法在电信客户流失中的应用

通过对电信业客户流失预测的国内外研究成果的分析,我们发现造成电信业客户流失原因种类比较多、难以用一种通用的划分标准对流失客户的流失特征进行刻画,因此本文提出了将K-means算法与传统的分类算法相结合的方法进行客户流失分析,并进行了应用实验.该实验以中国联通湖南某地区X分公司的客户数据为基础,利用数据挖掘软件Clementine8.1建立了客户流失分类预测模型,模型的应用结果表明:新方法对客户流失预测的命中率高于传统的分类预测算法.     

基于数据挖掘的客户分类应用研究

随着电信市场竞争的不断加剧,电信企业传统的营销模式正在向主动营销和精确营销转变,因此客户分类显得至关重要。本文讨论基于数据挖掘的客户细分方法,提出了套电信行业客户分类的数据挖掘技术应用解决方案,并对电信公司小灵通客户进行了应用分析。     

一种基于Fisher比率和预测风险准则的电信客户流失预测分步特征选择方法

电信客户流失预测是电信运营商客户关系管理系统的一个重要问题,其目的是预测具有较高流失风险的客户.电信客户流失预测模型的构建过程包括数据预处理、不均衡处理、特征选择和分类器的训练与评估.针对电信数据集中存在的特征维度过高问题,结合过滤式特征选择和嵌入式特征选择方法的优点,提出了一种基于Fisher比率和预测风险准则的分步特征提取方法.结合真实数据集的实验结果表明,该方法能够减少特征维度,提高分类器的预测效果.     

粗糙集在电信业决策支持系统中的应用

文主要介绍了粗糙集中的属性约简算法在在电信决策系统中客户流失方面的应用,描述了应用Spss Clementine对电信数据进行预处理,应用属性约简算法对处理后的电信客户的信息进行约简后的信息表,从而得出对电信客户流失影响最大的因素,并对结果进行分析作出决策。     

基于决策树技术的预离网客户识别模型

客户流失将直接影响到通信运营企业的生存与发展.对此,需要利用数据挖掘技术通过建立预测模型,将有离网倾向的客户（预离网客户）识别出来,并采用有效措施进行保有.以CRISP-DM（跨行业数据挖掘过程标准）为工具,从商业理解、数据理解、数据准备、建立模型、模型评估和结果部署6个阶段,详细阐述了预离网客户识别模型的构建方法,并...     

数据挖掘在电信客户价值管理中的应用

介绍了客户价值管理的内容,阐述了数据挖掘技术的概念、功能,以及在电信客户价值管理中的应用.     

数据挖掘及其在电信客户流失中的应用

以某电信公司的历史数据为对象,运用数据挖掘技术,建立了基于决策树、神经网络和Logistic回归的三种客户流失预测模型.并对高价值高流失概率的客户进行K-means聚类分析,得到具有不同使用特征的五群客户,为对不同的流失客户群体提供针对性的营销策略提供了依据.     

基于数据挖掘的电信企业客户细分研究

结合数据挖掘技术研究电信企业的客户细分,提出了客户细分的模型和客户细分的流程,以提高电信企业的竞争力。     

一种分层聚类方法及其应用研究

在数据挖掘领域,聚类用于发现数据的分布模式和数据间的相互关系.作者提出一种分层聚类算法,可识大规模、高维数据.该算法首先从不同的角度对电信客户进行聚类或分类,然后以这些聚类为基础,实行自底向上的层次聚类得到最终的聚类结果.算法执行效率高,适合大规模数据的聚类问题.该方法在某电信企业的客户分析中取得了较好的结果.     

基于客户关系管理的快递营销管理系统设计与实现

以客户关系管理思想为指导,整合运单、客户、潜在客户信息、销售人员档案、站点月指标、站点日指标、生产设施等快递企业营销相关的信息资源,结合数据仓库、数据挖掘等技术,构建了快递营销综合数据平台及营销管理系统.实现了客户细分,增强了客户预警分析,及时发现异常客户,防止客户流失;同时还可以进行客户满意度分析,提高客户忠诚度,实现营销员业绩考核等功能,并针对重点客户进行"一对一"的营销.     

商业智能在电信市场细分中的应用

竞争激烈的市场以及客户需求的差异性,要求电信运营商进行市场细分.传统的市场细分方法不适用于具有庞大客户、大量细分变量的电信市场.文章介绍了商业智能的核心技术,数据仓库、OLAP及数据挖掘等技术在电信市场细分中的应用.     

数据挖掘商业应用平台的数据预处理管理

如何提高数据预处理的效率,提高数据挖掘过程的可管理性,是数据挖掘者必须考虑的问题之一。通过对一个电信增值行业客户行为的分析,介绍了如何应用数据挖掘商业应用平台所提供的可视化流程图进行数据预处理,以期提高数据预处理的效率和过程的可管理性。