论文部分内容阅读
信息通信技术的发展使电信运营商向全业务综合信息服务提供商转型,通信服务能力不断增强;电信客户的通信消费需求也相应发生变化,要求获得优惠且个性化的电信产品及服务;通过家庭业务捆绑为家庭客户提供优惠的全业务服务已成为电信运营商提高服务质量及客户满意度的主要方式。现有的家庭业务捆绑研究仍存在一些局限,由于缺乏对家庭客户的区分,运营商无法针对家庭客户特征提供个性化的捆绑策略。而通过实施电信家庭客户关系管理,电信运营商可以识别出基于家庭关系的各类电信业务及其特征,从而根据家庭客户的不同特征提供差异化的家庭业务捆绑策略,最终实现对家庭客户的个性化服务。
本文运用理论分析与实证研究相结合的方法,针对如何利用数据挖掘技术解决电信家庭客户关系管理中存在的主要问题进行研究,其研究内容和贡献在于:
1)在电信家庭客户管理体系建立方面,通过对客户关系管理理论及数据挖掘技术的研究,设计了以家庭客户为中心、闭环的四层电信家庭客户关系管理体系结构;对电信家庭客户管理过程进行系统地研究,建立了基于数据挖掘的电信家庭客户管理模型。
2)在基于家庭关系的电话识别方面,应用了C4.5决策树与BP神经网络方法分别建立分类模型,同时建立了基于RBF神经网络与决策树结合的分类模型。实验证明,使用这种新的分类模型比传统的BP神经网络及C4.5决策树提高了分类精度。
3)在家庭潜在宽带客户预测方面,应用线性规划求解技术,提出了一种基于网格的预测模型对家庭潜在宽带客户进行预测,并在此基础上利用指数平滑法及自回归移动平均模型(即ARIMA模型)预测宽带市场空间。实践证明,本预测模型在预测潜在宽带客户上准确率达到91%。
4)在电信家庭客户细分方面,应用了K-means聚类算法,对电信家庭客户进行细分并给出相应的家庭电信业务捆绑策略。
本文的研究工作为电信运营商应用数据挖掘技术分析家庭客户价值及行为特征,从而提升电信客户关系管理水平可提供有益参考,在理论研究和工程实践上具有重要意义。