《数据挖掘与机器学习》 课件9.2.1 分析用户基本信息.pptxVIP

8南宁职业技术学

院

NCVTNANNINGCOLLEGEFORVOCATIONALTECHNOLOGY

厨

数据挖掘与机器学习

DATAMININGA°NDMACHINELEARNING

构建电信运营商用户分群模型

电信运营商用户分析

任务描述构建电信运营商用户分群模型

电信通信服务的总方针是迅速、准确、安全、方便。在电信通信服务的总方针的指引下，

通过客户基本信息，将用户分类，对每类用户进行个性化服务，最大程度地控制客户流失。

本任务的操作将在保护用户信息安全的前提下进行。大数据时代，需要坚持网络安全为人

民、网络安全靠人民，树立正确的网络安全观，提高自身网络安全意识和防护技能。

本任务通过对客户性别、年龄、在网时长等信息进行简单的画图来观察客户基本信息与用

户在3月是否流失的关系，进行K-Means聚类分析，建立用户分群模型。

构建电信运营商用户分群模型

任务要求

使用pandas库分析用户基本信息。

使用sklearn库进行聚类分析。

使用Matplotlib库实现结果的可视化。

相关知识构建电信运营商用户分群模型

用户分群是依据用户的属性特征和行为特征、交易信息将用户群体进行分类，对其进

行观察和分析的方式。

从技术视角，用户分群的方式主要有两种：基于规则的分群方法(Rule-based

Segmentation)和基于算法的分群方法(ML-basedSegmentation)。

基于规则的分群方法：主要适用于业务规则确定，分群采用的用户特征维度单一的场

景。

基于算法的分群方法：主要用于用户特征维度高，人工无法设定合理分群规则的场景。

相关知识构建电信运营商用户分群模型

聚类分析(ClusterAnalysis)和RFM模型(Recency,Frequency,Monetary)是常用的

用户分群方法。

聚类分析常见的数据挖掘手段，其主要假设是数据间存在相似性。而相似性是有价

值的，因此可以被用于探索数据中的特性以产生价值。

RFM模型又称用户价值模型，是网点衡量当前用户价值和用户潜在价值的重要工具。

相关知识构建电信运营商用户分群模型

用户分群把具备某种相同特性的用户归结在一起，再按照特定的条件选出目标用户，

进行洞察分析查看用户特征。

对客户性别、年龄、在网时长等信息进行可视化处理，观察并分析客户基本信息与

用户流失的关系，使企业由粗放式管理转向精细化运营。

面对不同人群差异化的特征和需求，降本增效，激发更加明显的竞争优势。为进一

步提升企业能力，企业应坚持发扬斗争精神，依靠顽强斗争打开事业发展新天地。

Part2任务实施

·分析用户基本信息

·构建K-Means模型

分析用户基本信息构建电信运营商用户分群模型

对客户性别、年龄、在网时长等信息进行可视化处理，观察并分析客户基本信息与用

户流失的关系。