管理科学与工程专业毕业论文 [精品论文] 基于数据挖掘的呼叫中心IVR客户细分研究.docVIP

管理科学与工程专业毕业论文 [精品论文] 基于数据挖掘的呼叫中心IVR客户细分研究 关键词：呼叫中心 客户细分 数据挖掘 客户关系管理 通讯企业 摘要：随着市场竞争日益激烈，呼叫中心在企业客户关系管理中已经被证明是一种行之有效的模式，因此电信行业也越来越重视呼叫中心的应用。电信行业为了争取客户，必须提供更优质的服务，呼叫中心是一个直接与客户联系的部门，因此各大通讯运营商都很注重自身呼叫中心的建设。而在电信呼叫中心中，互动式语音应答业务（IVR）现在已成为呼叫中心重要的组成部分，因此它可以解决大部分用户的问题。但由于用户对操作流程的陌生，或是习惯于人工服务，经常会跳过IVR转入人工服务，降低了IVR的利用率，从而增加了人力需求。因此，如何对IVR进行改进成为电信行业的一个重要课题。 本文首先介绍了呼叫中心和客户细分的相关理论及数据挖掘技术，然后结合实际项目，参考了CRISP-DW数据挖掘方法，并采用SPSSClementine数据挖掘工具对数据进行分析。对呼叫中心操作数据进行预处理，包括数据集合并，数据排序，去除异常、重复数据，数据集平衡以及离散化处理等。 在数据整理与预处理的基础上，第五章首先分析了IVR客户与地区分布，ARPU值和入网时长的关系，然后对IVR客户进行聚类分析。通过聚类，分析IVR客户的相关特点，同时有针对性地提出相应措施，帮助提高IVR客户的满意度和利用率。 第六章建立了一个C5.0决策树模型，通过对模型分析，预测客户在什么情况下进入IVR系统，而非进入“人工接听”。分析IVR客户与入网时长、地区、ARPU值这三类数据项之间的规则，可以更准确地了解IVR客户的特征，从而给电信进行IVR改进提供指导和参考。  正文内容 随着市场竞争日益激烈，呼叫中心在企业客户关系管理中已经被证明是一种行之有效的模式，因此电信行业也越来越重视呼叫中心的应用。电信行业为了争取客户，必须提供更优质的服务，呼叫中心是一个直接与客户联系的部门，因此各大通讯运营商都很注重自身呼叫中心的建设。而在电信呼叫中心中，互动式语音应答业务（IVR）现在已成为呼叫中心重要的组成部分，因此它可以解决大部分用户的问题。但由于用户对操作流程的陌生，或是习惯于人工服务，经常会跳过IVR转入人工服务，降低了IVR的利用率，从而增加了人力需求。因此，如何对IVR进行改进成为电信行业的一个重要课题。 本文首先介绍了呼叫中心和客户细分的相关理论及数据挖掘技术，然后结合实际项目，参考了CRISP-DW数据挖掘方法，并采用SPSSClementine数据挖掘工具对数据进行分析。对呼叫中心操作数据进行预处理，包括数据集合并，数据排序，去除异常、重复数据，数据集平衡以及离散化处理等。 在数据整理与预处理的基础上，第五章首先分析了IVR客户与地区分布，ARPU值和入网时长的关系，然后对IVR客户进行聚类分析。通过聚类，分析IVR客户的相关特点，同时有针对性地提出相应措施，帮助提高IVR客户的满意度和利用率。 第六章建立了一个C5.0决策树模型，通过对模型分析，预测客户在什么情况下进入IVR系统，而非进入“人工接听”。分析IVR客户与入网时长、地区、ARPU值这三类数据项之间的规则，可以更准确地了解IVR客户的特征，从而给电信进行IVR改进提供指导和参考。 随着市场竞争日益激烈，呼叫中心在企业客户关系管理中已经被证明是一种行之有效的模式，因此电信行业也越来越重视呼叫中心的应用。电信行业为了争取客户，必须提供更优质的服务，呼叫中心是一个直接与客户联系的部门，因此各大通讯运营商都很注重自身呼叫中心的建设。而在电信呼叫中心中，互动式语音应答业务（IVR）现在已成为呼叫中心重要的组成部分，因此它可以解决大部分用户的问题。但由于用户对操作流程的陌生，或是习惯于人工服务，经常会跳过IVR转入人工服务，降低了IVR的利用率，从而增加了人力需求。因此，如何对IVR进行改进成为电信行业的一个重要课题。 本文首先介绍了呼叫中心和客户细分的相关理论及数据挖掘技术，然后结合实际项目，参考了CRISP-DW数据挖掘方法，并采用SPSSClementine数据挖掘工具对数据进行分析。对呼叫中心操作数据进行预处理，包括数据集合并，数据排序，去除异常、重复数据，数据集平衡以及离散化处理等。 在数据整理与预处理的基础上，第五章首先分析了IVR客户与地区分布，ARPU值和入网时长的关系，然后对IVR客户进行聚类分析。通过聚类，分析IVR客户的相关特点，同时有针对性地提出相应措施，帮助提高IVR客户的满意度和利用率。 第六章建立了一个C5.0决策树模型，通过对模型分析，预测客户在什么情况下进入IVR系统，而非进入“人工接听”。分析IVR客户与入网时长、地区、ARPU