基于因子聚类的电信客户细分研究.pdfVIP

经《济师12015年第 1期 ●经济观察 基于因子聚类的电信客户细分研究 ●刘彩芬 ’高 原 ’何殿源 。·冯 筠 摘 要：文章将数据挖掘技术引入电信行业客户细分研究， 的评估 ，难以推出合理的营销策略从而提升老客户的粘性，增加 在电信客户样本集中提炼出有价值的信息，为电信企业客户个 新客户的种类和数量。 性化及差异化服务设计提供依据。首先采用因子分析的方法实 本文采用某电信公司客户样本集作为研究对象，该数据集 现 电信客户样本集的维度约减，然后采用K一均值聚类的方法， 中共有 1000套客户数据，每套数据 l4个维度 ，分别为居住地 、 将客户样本划分为互不相交的6个大类，在此基础上，分析归并 年龄 、婚姻状况 、家庭月收入(百元)、受教育水平 、性别、家庭人 形成三个特征消费群，最后，从资费套餐设置、客户保有策略、新 口、基本服务累计开通月数 、是否申请无线转移服务 、上月基本 客户挖掘的三个维度分析并给出具体的实施策略。 费用、上月限制性免费服务项 目的费用、无线服务费用、是否电 关键词：因子分析 K一均值聚类 客户细分 子支付、客户所申请的服务套餐类型。在对数据集进行极值处 中图分类号：F274，TP270 文献标识码：A 理、正常值选择 、数据缺失处理等一系列的数据清洗准备工作 文章编号：1004-4914(2015)01-059-03 后，形成用于研究分析的记录共计995套。 1．因子分析。因子分析的方法能够在错综复杂的指标中找出 一 、 引言 少数具有代表性的公因子 ，并将同质的变量归入一个因子，原数 随着3G网络的普及，越来越多的消费者依赖于移动终端应 据样本集的大部分信息可以通过较少的几个因子反映，从而减 用，电信消费的模式也面临从基本的通话费用为主向以流量为 少分析指标的个数，同时还可检验变量间关系的假设。因子分析 主的模式转变。特别是4G时代的到来，各大电信运营商开始了 可以在不损失数据集信息量的情况下，减少数据分析的属性维 新一轮的市场份额抢夺战。如何充分利用电信业交易数据、管理 度，是一种基于多元统计分析的有效的数据维度约减方法。 数据 ，挖掘蕴含的客户信息，建立移动应用客户细分模型，从而 表 1 KMO和 Ba~leR的检验 实现更加精准的营销，是 目前亟待解决的热点问题。 Kaiser——Meyer——Olkin ．788 数据挖掘的方法使得客户细分成为可能。其中，聚类分析是 Bartlett的 似卡方 5075．634 一 种非监督型的数据挖掘方法，该方法从样本数据出发，探索样 球形度检验 Idf 91 本间的相似性，并将最相似的对象聚集为同簇。聚类分析的方法 lSig． ．000 以其易用鲁棒的优势，在商业领域的应用取得了显著的成效，其 本文采用SPSS STATISTICS软件实现因子分析。首先对原 中，孙金华①等人采用K均值聚类方法设计中小企业客户细分模 始数据集进行标准化处理，从而消除量纲和数量级对数据分析 型，徐昆②采用改进的K均值聚类算法实现快速消费品企业资源 带来的影响。然后，对数据数据集合指标间的依赖程度进行假设 的最优化配置。赵铭等人③采用聚类的方法，有效地识别基金理 财客户，并据此制定出相