基于数据挖掘的电信客户细分模型的分析与设计

计设与析分的型模分细户客信电的掘挖据数于基 基于数据挖掘的电信客户细分模型的分析与设计 严丽平 Yan Liping （华东交通大学信息工程学院，南昌 330013） 330013) 摘 要:本文在介绍客户细分理论和数据挖掘技术的基础上，提出了一种基于聚类算法和RBF神经网络的电信客户细分 模型，并通过大量现实数据的训练，得到了比较理想的细分结果，验证了模型的合理性、有效性和实用性。 关键字:客户细分;数据挖掘;聚类算法; RBF神经网络 中图分类号：TP391.1 文献标识码：A 文章编号：1671-4792-(2007)5-0026-02 Abstract: practicability of the clustering model. Keywords: 0 引言 细分群中的消费者可有多种理由而被称为相似，他们可能在 随着电信市场的逐步开发，竞争日趋激烈，电信运营商 居住地域上相似，在收入上相似，或者是他们的思考、行为 的经营模式逐渐从“技术驱动”向“市场驱动”、“客户驱动” 方式相似。 转化。这就要求运营商要采取以 “客户为中心”的策略，根 应用客户细分理论进行客户分类时，首先要解决的问题 据客户的实际需求提供个性化的服务解决方案。由于电信市 是如何确定客户细分变量，即决定使用何种变量对客户进行 场的规模庞大，客户的背景、收入、年龄、教育程度、行为 细分。不同的细分变量往往会产生不同的细分效果。常见的 [3] 特征的不同，对电信业务的需求也呈现多层次、个性化、差 几类细分方法有 :①地理细分;②人口细分;③心理细 异化的趋势，因此必须根据客户的特点对客户进行细分，并 分;④行为细分;⑤根据顾客从产品中追求不同的利益细分; 在此基础上对不同的细分市场提供有针对性的差异化服务 ⑥用户状况细分;⑦使用率细分。 [1] 2 数据挖掘技术 。 1 客户细分理论 数据挖掘 （DM, Data Mining）是指从数据库的大量数 客户细分（Customer Segmentation）是20世纪50年代 据中提取隐含的、先前未知的并有潜在价值的信息和知识的 中期由美国学者温德尔·史密斯提出，是指按照一定的标准 过程。从技术角度看，数据挖掘是从大量的、不完全的、有 [2] 噪声的、模糊的、随机的实际数据中，提取隐含在其中的、 将企业的现有客户划分为不同的客户群的行为 。它是现代 营销理念的产物，是第二次世界大战后西方发达国家市场营 人们不知道的、但又是潜在有用的信息和知识的过程。从商 销理论和战略的新发展。Xuzanne Donner认为：正确的客 业应用角度看，数据挖掘是一种崭新的商业信息处理技术。 户细分能够有效的降低成本，同时获得更强、更有利可图的 其主要特点是对商业数据库中大量业务数据进行抽取、转 市场渗透。 化、分析和模式化处理，从中提取辅助商业决策的关键知识， 所谓客户细分，主要是指企业在明确的战略、业务模式 即从一个数据库中自动发现相关商业模式。 和专注市场中根据客户的价值、需求和偏好等综合因素对于 数据挖掘的常用算法有人工神经网络、遗传算法、决策 客户进行分类，对不同的客户群提供具有针对性的产品、服 树算法、聚类算法、粗糙集方法等，在电信领域里常用于业 务和营销模式。同