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。     

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。     

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．     

数据挖掘在电信客户流失分析中的应用

随着电信市场竞争越来越激烈,电信行业面临的一个严重的问题就是客户频繁流失.而数据挖掘技术是提取海量数据和分析数据的重要工具.以“陕西联通公司铜川分公司”作为研究对象,利用数据挖掘的技术,建立模型,分析流失客户的数据,制定相应的决策避免客户流失.     

数据挖掘技术在电信客户分析中的应用研究

本文利用数据挖掘的关联规则方法对电信客户分布情况进行了数据挖掘,利用兴趣度来减少频繁项目集,限制关联规模的大小,从而提高数据挖掘的速度。     

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.     

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.     

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.     

基于Clementine逻辑回归的电信客户分类

本文研究的是电信行业中客户分类的问题，通过调研和开发实践，使用了统计分析和数据挖掘的技术，对电信客户分类主题进行了较为完善、深入的分析与研究。使用大量相关技术和统计方法，最终确定了逻辑回归模型作为电信客户分类的预测模型，为电信经营分析系统作了有益的尝试与探索。     

数据挖掘在电信客户细分中的应用

CRM系统已被广泛应用.客户细分作为CRM 系统的重要组成部分,是进行其他决策工作的基础之一.简单有效的电信行业客户细分方法利用了客户行为和价值分析模型,从数据库中提取出相关数据,作为分析的依据,实现了对数据分群的操作,具有一定的实用价值.     

基于数据挖掘方法的中小型企业客户细分的案例研究

以中小型商业批发企业为例，基于企业的日常销售数据结合数据挖掘的方法，设计了一种反映客户价值与客户关系质量的客户细分模型，并进行了实际的挖掘。目的是探讨在中小型企业不能提供完备数据的情况下，进行客户细分方法的可行性及有效性。通过分析研究可以看到，只要设计出合理的细分模型仍然可以实现客户细分。     

基于数据挖掘技术的移动通信行业客户细分

利用数据挖掘中的误差平方和准则函数的K-Means聚类算法,建立了客户细分模型,为企业进一步制定营销策略提供依据.此方法已经投入运行.实践证明,该方法实用、可操作性强,对支持企业产生了积极的影响.     

保险业数据仓库的设计

本文通过深入了解保险行业的领域知识以及对数据仓库技术的学习研究,详细阐述了数据挖掘技术以及数据仓库技术在保险业客户分析中的应用;其次从保险业的基本流程入手,详细阐述了客户细分、客户风险等领域的背景知识,介绍数据仓库技术在该领域分析中的应用,然后从数据仓库概念入手,分别介绍了数据仓库概念模型和逻辑模型的设计与实现。     

Multi-Dimensional Customer Data Analysis in Online Auctions

In this paper, we designed a customer-centered data warehouse system with five subjects： listing, bidding, transaction, accounts, and customer contact based on the business process of online auction companies. For each subject, we analyzed its fact indexes and dimensions. Then take transaction subject as example, analyzed the data warehouse model in detail, and got the multi-dimensional analysis structure of transaction subject. At last, using data mining to do customer segmentation, we divided customers into four types： impulse customer, prudent customer, potential customer, and ordinary customer. By the result of multi-dimensional customer data analysis, online auction companies can do more target marketing and increase customer loyalty.     

聚类算法在电信客户细分中应用效果的对比研究

聚类算法是数据挖掘中的一个重要研究领域,是一种数据划分或分组处理的重要手段和方法．目前其研究已深入到数据库、数据挖掘、统计等领域并取得了很大的成绩。但是由于聚类算法的多样性,使其在很多行业应用中有着不同的应用效果,基于此。本文通过聚类算法三种指标的比较,给出了一种聚类方法应用效果评估的方法．该方法结合电信的案例应用与K-Means、SOM、BIRCH等聚类方法结果的分析,最后得出K-Means方法在电信客户细分中的应用优越性．     

以数据挖掘提升客户关系管理

以客户为中心已经成为各个企业的共识，而其实现的前提是从海量的客户信息中发现客户新的需求，必须对信息进行分析，从中得到企业的决策支持信息。这就是数据仓库和数据挖掘，该文就此以及对改善客户关系的作用进行了探讨，分析了数据挖掘对CRM的促进作用。     

Web挖掘及其在电子商务中的应用

作为一种崭新的信息处理技术,Web挖掘受到了人们极大的关注。电子商务是一种新型的现代商务模式,如何将Web挖掘应用于电子商务,来有效地处理信息,成为企业共同关注的问题。Web挖掘是应用数据挖掘的方法通过对Web页面内容、页面之间的结构、用户访问的信息等各种数据进行分析和挖掘发现潜在的、有用的知识的过程,帮助决策者更加准确地获得商品的销售信息和客户信息,使客户在短时间内完成商品的浏览、搜索以及订购。本文着重阐述了Web挖掘技术及其在电子商务领域中的应用。     

Load Profiling and Its Application to Demand Response: A Review

The smart grid has been revolutionizing electrical generation and consumption through a two-way flow of power and information. As an important information source from the demand side, Advanced Metering Infrastructure(AMI) has gained increasing popularity all over the world. By making full use of the data gathered by AMI, stakeholders of the electrical industry can have a better understanding of electrical consumption behavior. This is a significant strategy to improve operation efficiency and enhance power grid reliability. To implement this strategy,researchers have explored many data mining techniques for load profiling. This paper performs a state-of-the-art,comprehensive review of these data mining techniques from the perspectives of different technical approaches including direct clustering, indirect clustering, clustering evaluation criteria, and customer segmentation. On this basis, the prospects for implementing load profiling to demand response applications, price-based and incentivebased, are further summarized. Finally, challenges and opportunities of load profiling techniques in future power industry, especially in a demand response world, are discussed.     

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。