论文部分内容阅读
随着近年来互联网技术的不断发展,以及各个企业对网络的依赖性逐渐增大,为了获得更多的市场份额和利润,国内各大电信服务商都逐渐从第一阶段的“资源竞争”转向到第二阶段的“业务竞争”。在这个转型过程中,首要面临的就是销售服务方式的改变。国内的电信服务商要逐步抛弃原有的营销服务模式,取而代之的就是被称为“差异化服务”的模式,也就是要针对不同的客户,采取不同的营销服务,用有限的资金达到最大的效果。利用数据仓库和数据挖掘技术在处理海量数据上的优势来帮助电信相关人员更有效地了解客户对新产品的需求,辅助管理层进行决策。
本文重点研究了电信服务商如何在数据仓库的基础上利用数据挖掘技术实现“差异化服务”。主要介绍了ETL(数据清洗、转换和装载),根据业务需求,对原始业务数据进行清洗,转换,同时根据OLAP(联机分析处理)的需要,把OLTP(联机事务处理)数据库中的海量数据装载到数据仓库中。接着根据客户的需求,重点构建了4个数据挖掘模型,电信客户采用新产品的预测模型、电信客户细分模型、电信客户流失分析模型和产品销售趋势分析模型,并且采用贝叶斯算法、聚类分析、决策树算法和时序算法来实现模型,得出最终挖掘预测结果。通过这些研究,同时结合电信企业实际的情况,可以很好地解决客户分类的问题,同时能对潜在的流失客户进行预先了解,及时地维护跟踪,达到很好的流失预警作用。销售趋势分析对于销售部门来说也起到了很大的作用。电信企业销售经理可以根据历史销售数据预测将来的销售额,便于销售经理以此作为参考,制定未来的销售指标。通过对挖掘结果的分析,结合电信市场的实际情况,电信服务商可以对客户有一个更加深入的了解,从而可以更加有效地开展市场活动,对潜在的流失客户采取适当的关怀措施,从而减少流失率。
本文通过对这四个数据挖掘模型的研究,为电信服务商实现“差异化服务”提供了有价值的数据保证,为最大程度了解和满足客户的需求起到了一定的作用。