數(shù)據(jù)挖掘技術(shù)在電信行業(yè)crm中應(yīng)用研究(文件)
【正文】 強(qiáng)的關(guān)聯(lián)性。目前電信CRM的數(shù)據(jù)挖掘應(yīng)用主要涉及以下幾個(gè)方面：客戶消費(fèi)模式分析客戶消費(fèi)模式分析是對(duì)客戶歷年來長(zhǎng)話、市話、信息臺(tái)的大量詳單、數(shù)據(jù)以及客戶檔案資料等相關(guān)數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，結(jié)合客戶的分類，可以從消費(fèi)能力、消費(fèi)習(xí)慣、消費(fèi)周期等諸方面對(duì)客戶的話費(fèi)行為進(jìn)行分析和預(yù)測(cè)，從而為運(yùn)營(yíng)商的相關(guān)經(jīng)營(yíng)決策提供依據(jù)。客戶流失分析根據(jù)已有的客戶流失數(shù)據(jù)，建立客戶屬性、服務(wù)屬性、客戶消費(fèi)情況等數(shù)據(jù)與客戶流失概率相關(guān)聯(lián)的數(shù)學(xué)模型，找出這些數(shù)據(jù)之間的關(guān)系，并給出明確的數(shù)學(xué)模型。識(shí)別出大客戶，制訂針對(duì)性的措施，提高大客戶的忠誠(chéng)度，是電信企業(yè)保持競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵所在。（二）、數(shù)據(jù)挖掘的應(yīng)用實(shí)例——客戶流失分析一個(gè)完整的數(shù)據(jù)挖掘過程可進(jìn)一步細(xì)分為業(yè)務(wù)問題定義、數(shù)據(jù)選擇、數(shù)據(jù)清洗和預(yù)處理、模型選擇與預(yù)建立、模型建立與調(diào)整、模型的評(píng)估與檢驗(yàn)、模型解釋與應(yīng)用。此外在分析客戶流失時(shí)必須區(qū)分集團(tuán)/個(gè)人客戶，以及不同消費(fèi)水平的客戶，并有針對(duì)性地制定不同的流失標(biāo)準(zhǔn)。a)目標(biāo)變量的選擇客戶流失分析的目標(biāo)變量通常為客戶流失狀態(tài)。這時(shí)需要對(duì)相關(guān)的具體問題加以考慮：持續(xù)休眠的時(shí)間長(zhǎng)度定義為多少？每月通話金額低于多少即認(rèn)為處于休眠狀態(tài)，或者是綜合考慮通話金額、通話時(shí)長(zhǎng)和通話次數(shù)來劃定休眠標(biāo)準(zhǔn)？選擇目標(biāo)變量時(shí)面臨的這些問題需要業(yè)務(wù)人員給予明確的回答。業(yè)務(wù)人員在實(shí)際業(yè)務(wù)活動(dòng)中可能會(huì)感覺到輸入變量與目標(biāo)變量的內(nèi)在聯(lián)系，只是無法量化表示出來，這就給數(shù)據(jù)挖掘留下了發(fā)揮的空間。第二種是客戶的轉(zhuǎn)移流失，通常指客戶轉(zhuǎn)移到競(jìng)爭(zhēng)對(duì)手，并使用其服務(wù)。數(shù)據(jù)整理的主要工作包括對(duì)數(shù)據(jù)的轉(zhuǎn)換和整合、抽樣、隨機(jī)化、缺失值處理等。現(xiàn)有的數(shù)據(jù)挖掘工具提供了決策樹、神經(jīng)網(wǎng)絡(luò)、近鄰學(xué)習(xí)、回歸、關(guān)聯(lián)、聚類、貝葉斯判別等多種建模方法。因此還需要業(yè)務(wù)專家參與調(diào)整策略的制定，以避免不適當(dāng)?shù)膬?yōu)化造成業(yè)務(wù)信息丟失。如發(fā)現(xiàn)開戶時(shí)長(zhǎng)與客戶流失概率的相關(guān)度較高，利用業(yè)務(wù)知識(shí)可以解釋為：客戶在使用一定年限后需要換領(lǐng)新SIM卡，而這一手續(xù)的繁瑣導(dǎo)致客戶寧愿申請(qǐng)新號(hào)碼，從而造成客戶流失。一旦發(fā)生異常偏差，則立即停止應(yīng)用，并對(duì)模型進(jìn)行修正。在模型應(yīng)用一段時(shí)期，或經(jīng)濟(jì)環(huán)境發(fā)生重大變化后，模型的偏差可能會(huì)增大，這時(shí)應(yīng)該考慮重新建立一個(gè)適用性更強(qiáng)的模型。推廣時(shí)應(yīng)注意，由于地區(qū)差異，模型不能完全照搬。反過來，通過業(yè)務(wù)解釋也能證明數(shù)學(xué)模型的合理性和有效性。檢驗(yàn)的方法是使用模型對(duì)已知客戶狀態(tài)的數(shù)據(jù)進(jìn)行預(yù)測(cè)，將預(yù)測(cè)值與實(shí)際客戶狀態(tài)作比較，預(yù)測(cè)正確率最高的模型是最優(yōu)模型。模型建立與調(diào)整模型建立與調(diào)整是數(shù)據(jù)挖掘過程中的核心部分，通常由數(shù)據(jù)分析專家完成。此外，模型在建立之后需要大量的數(shù)據(jù)來進(jìn)行檢驗(yàn)，因此通常把樣本數(shù)據(jù)分為兩部分，2/3的數(shù)據(jù)用于建模，1/3的數(shù)據(jù)用于模型的檢驗(yàn)和修正。因此在選擇建模數(shù)據(jù)時(shí)必須選擇第二種流失客戶數(shù)據(jù)參與建模，才能建立有效的模型。c)建模數(shù)據(jù)的選擇客戶流失的方式有兩種。輸入變量分為靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)。實(shí)際的客戶流失形式有因賬戶取消發(fā)生的流失和因賬戶休眠發(fā)生的流失兩種。國(guó)外成熟的應(yīng)用中通常根據(jù)相對(duì)指標(biāo)來判別客戶流失，例如大眾的個(gè)人通信費(fèi)用約占總收入的1%~3%，當(dāng)客戶的個(gè)人通信費(fèi)用遠(yuǎn)低于此比例時(shí)，就認(rèn)為發(fā)生了客戶流失。在客戶流失分析中有兩個(gè)核心變量：財(cái)務(wù)原因/非財(cái)務(wù)原因、主動(dòng)流失/被動(dòng)流失。網(wǎng)絡(luò)資源的管理通信網(wǎng)在運(yùn)行過程中產(chǎn)生了大量的運(yùn)行數(shù)據(jù)。這就徹底改變了以往電信運(yùn)營(yíng)商在成功獲得客戶以后無法監(jiān)控客戶流失的狀況?？蛻羟焚M(fèi)分析和動(dòng)態(tài)防欺詐通過數(shù)據(jù)挖掘，總結(jié)各種騙費(fèi)、欠費(fèi)行為的內(nèi)在規(guī)律，并建立一套欺詐和欠費(fèi)行為的規(guī)則庫(kù)。四、數(shù)據(jù)挖掘技術(shù)在電信客戶關(guān)系管理中的應(yīng)用（一）、數(shù)據(jù)挖掘技術(shù)在電信CRM中主要應(yīng)用領(lǐng)域電信運(yùn)營(yíng)商擁有許多成熟的數(shù)據(jù)庫(kù)應(yīng)用系統(tǒng)，產(chǎn)生了大量的業(yè)務(wù)處理數(shù)據(jù)。數(shù)據(jù)挖掘能幫助簡(jiǎn)化管理：預(yù)測(cè)業(yè)務(wù)量，安排人工在企業(yè)中，業(yè)務(wù)量是個(gè)重要的指標(biāo)，企業(yè)要根據(jù)業(yè)務(wù)量的大小，安排人員的數(shù)量，但是業(yè)務(wù)量是個(gè)變化的指標(biāo)，以往比較難以預(yù)測(cè)。（三）、提高企業(yè)決策的科學(xué)性目前，企業(yè)的決策具有很大的盲目性，如果采用數(shù)據(jù)挖掘技術(shù)，就可以在自己的生產(chǎn)過程中產(chǎn)生的數(shù)據(jù)基礎(chǔ)上，進(jìn)行科學(xué)分析，得出比較科學(xué)的預(yù)測(cè)結(jié)果，減少?zèng)Q策失誤。 數(shù)據(jù)挖掘應(yīng)用循環(huán)過程在CRM中應(yīng)用數(shù)據(jù)挖掘，可以在以下方面對(duì)CR
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1