采用“分类分析”的方法进行电信市场客户分群doc.docx

采用“分类分析”的方法进行电信市场客户分群（一）摘要:本文研究了分类分析的数据挖掘技术在电信客户分群和目标市场营销中的应用。比较了基于聚类分析和分类分析技术的客户分群实现模式的优缺点和适用范围。基于实践经验为电信目标市场营销的客户分群提出了一种较易实现的解决方案，并以实际案例验证了其可行性。关健词:数据挖掘、聚类分析、分类分析、客户分群、目标市场营销1 引言面对不断变化的市场环境，电信运营商已经认识到以往撒网式营销的局限性，开始寻求细分市场和针对性营销之路。比如根据用户的年龄、心理特征和行为习惯进行客户分群，在细分市场的基础上，根据用户需求实现业务、产品、价格和渠道的优化和组合。所谓市场细分是指营销者根据顾客之间需求的差异性，把一个整体市场划分为若干个消费者群的市场分类过程。由于顾客对电信产品需求的多样性、变动性以及电信企业资源的有限性，电信企业在进行市场营销过程中，必须进行市场分析，选择目标市场，做出市场定位，并结合目标市场的特点和结构制定有针对性的市场营销策略。客户分群是了解客户进行市场细分和目标市场营销的前提。数据挖掘的分类和聚类的方法都可应用于客户分群。分类（classifying）指按一定规则把一组个体区分成几个群体；聚类（clustering）指把一组个体按照相似性归成若干类别。聚类和分类有着很大的区别：分类时，我们总是事先知道哪些属性是重要的，我们总是将重要的、有影响力的属性作为分类的依据；而聚类时，我们事先根本不知道哪些属性起作用，我们的任务之一就是要找到那些起关键作用的属性。对电信市场的客户分群一般采用聚类分析的数据挖掘方法，然而聚类分析方法较为复杂，项目实施周期较长，对技术人员有较高要求，难以得到理想的结果。在本文中我们介绍一种采用分类分析方法进行客户分群的实现模式，为电信目标市场营销的客户分群提供一种较易实现的解决方案，并以实际案例验证其可行性；同时也对采用聚类和分类两种方法进行客户分群的优缺点和适应范围进行比较探讨。2???????基于分类分析的客户分群分类就是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述，并用这种描述来构造模型，一般用规则或决策树模式表示。可以直接从业务知识和经验提取分类规则，也可以利用训练数据集通过一定的算法而求得分类规则。分类可被用于规则描述和预测，我们既可以用分类模型分析已有的数据，也可以用它来预测未来的数据。最为典型的分类方法是基于决策树的分类方法，它是从实例集中构造决策树，是一种有指导的学习方法。该方法先根据训练子集形成决策树，最终结果是一棵树，其叶结点是类名，中间结点是带有分枝的属性，该分枝对应其属性的某一可能值。这棵树构成了分类规则集，每个个体经由这个规则集进行判断，以一定的概率归属于某个类别。数据分类还有统计、粗糙集等方法，线性回归和线性辨别分析是典型的统计模型，神经网络方法也可以用于分类和规则提取。以上方法是在分类规则不明确的情况下，我们需要以决策树等算法先构造出分类的规则模型，然后用于分类。事实上在实际应用中，尤其在一些商业应用中，我们基于已有的业务知识和实践经验可以总结出一些规则直接用于分类，比如我们可以根据性别、年龄、家庭地址、职业等直接对客户进行分类。客户的价值和消费行为是进行电信市场客户分群的主要依据，由于电信客户数据有其特有的特性，根据我们的商业理解和业务认识我们可以从中总结出一些直接可用于客户分类的规则，从而可以比较容易地实现客户分群。数据挖掘项目的标准化流程如图1所示。??图1.数据挖掘标准化流程依据流程首先要进行客户分群的“商业理解”，这一初始阶段集中在从商业角度理解项目的目标和要求，然后把理解转化为数据挖掘问题的定义和一个旨在实现目标的初步计划。采用分类分析的方法对电信市场进行客户分群的商业目标可以理解为：从价值和行为维度，考察客户业务拥有与使用、消费行为变化、他网业务渗透等方面属性，选择能区分客户的最重要的属性，并选定恰当的临界值，对关注的目标客户群进行合理的区隔，从而形成特征各异，适应不同的针对性营销方案的客户子类，为发展新业务、流失客户保有、他网用户争夺等营销策略的制订提供分析依据，并实现企业保存量、激增量的战略目标。无论是用聚类还是分类的方法进行客户分群，在“数据理解”和“数据准备”阶段都是一样的。通过选择数据、清洗数据、构建数据、整合数据、格式数据等环节，最终需要形成以客户或用户标识为主键，包含了客户信息、价值和消费行为等各方面属性变量的宽表。这方面工作在《采用聚类分析的数据挖掘技术进行电信市场客户分群》[9]一文中已有详细描述，这里不再赘述。宽表是我们进行分类分析的数据基础，宽表中客户属性信息数据越完善，越有利于我们对客户进行细致透彻灵活的分析。依据我们的商业目标和业务意义，我们可以选择确定分类的最重要的属性变量