挖掘分析技术在移动业务市场营销中应用.docVIP

挖掘分析技术在移动业务市场营销中应用 　　【摘要】：在高度信息化移动通信服务营运企业中，通过信息化技术已积累了海量的用户消费过程数据。为发挥这些海量数据潜在的价值，运用CRISP-DM方法论，采用聚类分析技术、用户分群策略，对其进行创造性的发掘分析，建立商业理解模型。并以分析结论指导市场营销策略的制定。经过企业地市级数据集市实践和市场营销应用证明挖掘技术在移动业务市场营销中的参考指导意义是相当重要的，也是成功的。 　　【关键词】：CRISP-DM方法论; 聚类分析; 分群 　　中图分类号：TP31 文献标识码：B文章编号：1002-6908(2007)1210054-02 　　 　　引言 　　 国内移动市场随着资费的下调和普通民众收入增加的双重市场消费因素影响下，近两年来呈现出爆发式的增长。面对市场总量的日益庞大和业务的日益多样化的现实压力下，市场的经营模式已从技术驱动向市场驱动、客户驱动转化。事先深入分析客户信息、客户价值和行为，建立完善的数据分析体系，通过从数据中挖掘出价值来减少营销成本、提高营销效益，已成为了营销活动开展的基础。因此，近几年迅速崛起的数据挖掘技术应用在移动市场分析中成为实现分析目标的必要手段。 　　 数据挖掘是从海量数据中提取隐含在其中的有用信息和知识的过程。目前移动通信市场竞争的主体企业都建立了相当完善的信息化支撑系统，已收集了大量的市场营销和用户消费数据，并且积累了相当宝贵的历史数据。因此正确地挖掘与分析隐含在数据中的知识就成为向用户提供更好的产品与服务的关健。而数据挖掘提供了从数据到价值的解决方案：数据+工具+方法+目标+行动=价值。为规范和标准化挖掘过程，在文章中采用了1996年由SPSS、NCR和Daimler-Benzd提出的，国际挖掘技术界的行业标准--CRISP-DM方法论作战略指导， CRISP-DM定义了数据挖掘项目的标准化流程，如图1所示。 　　 　　 　　 　　 目前在移动通信市场拓展上，首先面对的难题是准确的细分市场和制定差异化的营销策略。移动通信服务提供商在进行市场营销过程中，只有做足市场分析，认真选择目标市场，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，才能实现业务和服务双领先。而在现实中，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。在理论上，数据挖掘的分类和聚类的方法都可应用于客户分群。下面将对用聚类方法进行客户分群的实现模式进行介绍。 　　 基于聚类分析的客户分群 　　聚类（clustering）是指把一组个体按照相似性归成若干类别，其目的是使得属于同一类别的个体之间的相似度尽可能大，而不同类别的个体之间的相似度尽可能小。相似度是根据描述对象的属性来测算，经常采用距离为度量方式。聚类，是在未确定任何属性情况下，首先要找到起关键控制性作用的属性。聚类分析可以发现客户分群起关键作用的指标变量，在发现特征迥异的不同客户群的过程中起着重要的指导意义从而对各客户群的特征进行深刻观察。 　　1．客户分群的商业理解 　　 根据CRISP-DM方法论，首先对客户分群进行商业理解。这一初始阶段主要在从商业角度理解客户分群项目的目标和要求，然后把理解转化为数据挖掘分析问题的定义和一个旨在实现目标的初步计划。因此，我们必须明确项目的商业目标，且其适于用基于聚类分析的客户分群。 　　2．客户分群的数据理解 　　 数据是挖掘的基础，在确定目标和方案后进行数据理解，以寻求支持分析目标的数据方向。数据基础必须保质保量。错误的数据只能带来错误的分析结果。在本阶段除了数据源分析之外，数据探索和检验数据质量是另外两项重要任务。在方法上可以借助简单的EXCEL数据制表或CONGOS软件进行数据探索，以初步明确数据的分布状况和重要属性及其关系。数据探索有助于提炼数据描述和质量报告，还能发现数据异常，并为进一步的数据转换和数据准备做好准备工作，有时甚至可能直接指向数据挖掘的目标。数据探索也有助于全面检验数据质量，对数据的完整性、正确性、一致性有更细致的认识。除了统计分析，抽样核查比较也是常用数据检验方法。 　　3．数据分群的数据准备 　　 数据准备包括所有从原始的未加工的数据构造最终分析数据集的活动，是数据挖掘过程中最耗时的环节，甚至要占据整个数据挖掘项目一半以上的工作量。数据准备工作的流程如图2所示 　　 选择数据: 数据挖掘目标决定着选择标准。选择数据要对数据质量进行控制。建立基础数据表，基础表中数据属性粒度要求尽量细，以便于在后期灵活构建数据。 　　 清洗数据: 为了适应分析技术和分析目标要求，必须对数据进行清洗。这包括选择需要进行数据清洗的子集，插入适当的默认值或者通过更加复杂的技术如建模来估计缺失值，此阶段需要对基础表的数据进一