基于数据仓库的数据挖掘在移动业务营销中.pdfVIP

基于数据仓库的数据挖掘在移动业务营销中.pdf

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于数据仓库的数据挖掘在移动业务营销中.pdf

中国科技论文在线 基于数据仓库的数据挖掘在移动业务营销中 的应用研究 1 2 李杰 ,宁帆 北京邮电大学网络教育学院,北京(100876 ) E-mail:liyipeng010@163.com 摘 要:近年来,移动运营商之间的竞争日趋激烈,各运营商都制定了不同的业务套餐。数 据仓库及数据挖掘技术的出现,为企业提供了高效的数据处理分析能力,能帮助企业进行科 学的决策分析。本文提出了基于数据仓库和数据挖掘的方法,为移动业务营销中的套餐的制 定及其价值评估提供依据,使套餐的制定更科学合理,更好地满足客户群体的需求。 关键词:数据仓库;数据挖掘;业务营销 中图分类号:TP319 1 引言 随着移动通信行业的快速发展,通信企业之间的竞争日趋激烈,客户作为通信企业生存 和发展的最重要的资源成为争夺的焦点。移动通信运营商逐渐从“ 以业务为中心” 向“ 以客户 为中心”转变。激烈的价格竞争之后,资费套餐作为新的竞争方式,成为运营商主要的竞争手 段[1]。资费套餐是一种以满足市场需要, 以获得最佳经济利益为目的的组合营销方式,即将 各种业务进行组合,以满足不同消费层次的目标客户群需求,同时优惠的资费使用户得到了 切实的利益,提高了业务的吸引力,这种方式很大程度上提高了用户的满意度和忠诚度,减 少了客户离网率,增强了企业获得和保持用户能力;同时也促进了各种业务在组合中增值, 增强了企业的盈利能力[1]。 移动通信运营商不断推出面向不同客户群体的各种套餐。但是目前移动通信行业中的套 餐设计存在诸多的问题。由于缺乏充分的市场细分、市场细分标准不一致等原因,一方面导 致套餐设计单一化,没有将用户的需求、消费习惯以及用户的特征结合起来,形成以用户群 特征为出发点的量身定做的套餐;另一方面导致没有有效区隔用户群,使得各个套餐的目标 用户之间存在重叠和交叉,导致用户在选择套餐时茫然无措。目前,业务套餐的制定往往不 能紧随客户群体消费行为的变化做出及时的调整更新,具有明显的滞后性。 因此,如何判断移动通信业务套餐所处的价值区间。以识别能带来收益及业务增长的套 餐已成为移动通信运营商应对竞争 、提高成本收益 率和客户忠诚度必须解决的问题。 电信业务套餐价值区间是指一种套餐从设置优惠规则投入市场到被淘汰的全部过程中 所处的不同阶段 。一般将套餐价值区间分为导入期、成长期 、稳定期和衰退期。在以往的 研究中,多采用定性分析法进行套餐价值区间的预测,近年来的研究转向应用数学模型法对 套餐价值区间曲线进行回归[2],但这些方法要求数据量大,并要进行复杂的计算。为给移 动业务套餐的设计及价值评估提供依据,本文提出了一种方法。运用数据挖掘技术挖掘出不 同客户群体的消费行为习惯,不同业务被使用的时间段及其业务量的大小,以此设计出满足 不同群体的业务套餐,并将套餐的不同价值区间的特征用多个特征因素来描述,在此基础上 进行每个套餐的时间序列分析。使运营商可以及时的调整套餐优惠策略,为其增强客户市场 竞争力提供支持。 - 1 - 中国科技论文在线 2 数据仓库和数据挖掘 2.1 数据仓库 数据仓库是一个面向主题的,集成的,相对稳定的反映历史变化的数据集合,用于支持 管理决策。对此可以从两个层次进行理解,首先,数据仓库用于支持决策 面向分析型数据 处理,它不同于企业现,有的操作型数据库;其次,数据仓库是对多个异构数据源的有效集 成,集成后按照主题进行重组 并包含历史数据,而且存放在数据仓库中的数据一般不再修 改[3]。 数据仓库弥补了原有的数据库的缺点,将原来的以单一数据库为中心的数据环境发展为 一种新环境:体系化环境。从数据层次角度来看,典型的数据仓库的数据仓库的数据体系结 构主要包括操作型数据、操作型数据存储、数据仓库和数据集市,图 1 描述了一种典型的数 据仓库体系结构。

您可能关注的文档

文档评论(0)

danli208 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档