《基于数据挖掘的移动通讯消费者行为分析.doc》由会员分享，可在线阅读，更多相关《基于数据挖掘的移动通讯消费者行为分析.doc（68页珍藏版）》请在金锄头文库上搜索。
1、摘要随着信息化时代的来临，移动通讯市场的竞争越来越激烈，抢占市场份额、提高客户与企业之间的黏度是移动通讯企业一直的目标。消费行为分析是客户关系管理的重要组成部分,传统的分析都是借助于经济学的基本理论进行的,没有进行定量的研究,结果存在一定的局限性。在新技术不断发展的今天,数据挖掘技术作为一项强大的数据分析技术,在客户关系管理中的应用正得到越来越多人的关注。在以客户为中心的竞争环境中，如果既能拥有大量的信息，就能在激烈的竞争中取得优势。数据挖掘是从大量数据中提取或挖掘知识进行数据分析，从而发现潜在信息的技术。对客户进行细分能够帮助企业从更加深入全面的角度洞察客户、了解客户价值取向，基于这种洞察在
2、合适的时间通过合适的渠道向合适的客户提供量身定做的产品套餐。基于此背景提出了该课题。如何从大量的消费者消费记录中发现消费者的消费行为，对移动通讯企业提高客户的满意度等有着重要的战略意义。本文基于数据挖掘的移动通信消费者消费行为的研究以数据进行驱动，对移动通讯消费者消费行为进行了相关分析，基于已处理的数据，进行消费者细分。通过K-Means、Two-Step和Kohonen聚类方法，分别进行聚类，最终选择了K-Means的细分结果作为消费者细分准则，得到五类消费者，即重要保持客户、重要发展客户、重要挽留客户、一般价值客户和低价值客户。本文第一章首先阐述了数据挖掘的相关理论，并对消费者行为分析进行
3、分析，第二章阐述了数据挖掘理论，介绍了数据挖掘的特点和数据挖掘的一般过程以及数据挖掘的特点。第三章进行了消费者行为分析，包括客户关系的管理、CRM流程、消费者行为分析和消费者细分的方法，以及移动通讯企业的消费者细分问题。第四章描述了移动通讯消费者细分的案例，进行了数据预处理消费者聚类，以及细分客户消费行为分析。第五章进行了移动通讯消费者的相关性分析，包括消费者购买的相关性消费者消费行为的分析，在第六章进行了总结与展望。 本文在移动通讯消费者购买倾向上共进行了CART算法、CHAID算法和C5.0算法，这三种算法进行处理，最终的二道重要保持客户和年龄关系较大，重要挽留客户和消费频率关系较大，重要
4、发展客户则和最近一次消费时间相关性高，一般价值客户和消费频率与消费金额有关，低价值客户则和性别有一定关系。针对此，在展开营销策划时，可以针对性进行营销。关键词：RFM、客户细分、数据挖掘、CART算法、消费者行为村民建房委员会应建立村级农房建设质量安全监督制度和巡查制度，选聘有责任心和具有一定施工技术常识的村民作为义务巡查监督员，开展经常性的巡查和督查。ABSTRACTWith the advent of the information age, competition in the mobile communications market more competitive, market s
5、hare, enhance viscosity between customers and business mobile communications business has been the goal. At the same time, the use of mobile communication more and more consumers, how to find consumer behavior from a large number of consumer spending recorded in the mobile communications business ha
6、s important strategic significance to improve customer satisfaction.This paper is the study of consumer behavior mobile communication about data mining, first elaborated the theory of data mining, analysis and consumer behavior analysis, and the resulting data into the sample, perform RFM analysis,
7、consumption records from the consumer, That consumer ID, spending time and amount of consumption to its R, F, M value, the next consumer to provide the data base segmentation, analysis of their value by the consumer, is more straightforward.Based on the processed data, conduct consumer segmentation.
8、 By K-Means, Two-Step and Kohonen clustering methods, were clustering, chose K-Means segments results as consumer segmentation criteria to give consumers five categories, namely important to keep customers, an important development client it is important to retain customers, the general value custom
9、ers and low-value customers. On the basis of consumer segmentation based on different types were consumer behavior analysis more meaningful.Since this data has 24785 data, but consumers only 10085, data distribution may not satisfy some algorithms, this mobile consumers to buy CART algorithm were ca
10、rried out on the tendency, CHAID algorithm and C5.0 algorithms, these three algorithms processing, final important to maintain a large customer and their age, the larger retain customers and important relationship between frequency of consumption, important developments and recent customers are spen
11、ding time correlation is high, the general value customers and consumption frequency and amount of consumption related, low-value customers are and gender have a certain relationship. For this, in the expanded marketing plan, you can carry out targeted marketing.In this paper, data-driven, mobile co
12、mmunications consumer spending behavior correlation analysis, corporate marketing planning for the future development of great significance.Keywords: RFM, customer segmentation, data mining, CART algorithm, consumer behavior目录摘要1ABSTRACT21 绪论71.1研究背景71.2国内外研究现状71.2.1 数据挖掘的研究现状81.2.2 客户消费者行为研究现状81.2.
13、3基于数据挖掘的客户消费者行为研究现状91.3研究内容91.4本文组织结构102 数据挖掘理论概述112.1数据挖掘特点112.2 数据挖掘的一般过程112.3数据挖掘常用方法122.3.1 决策树方法122.3.2统计分析方法122.3.3粗糙集方法122.3.4 贝叶斯网络132.3.5 人工神经网络132.3.6遗传算法133 消费者行为分析143.1客户关系管理143.1.1 CRM目标143.1.2 CRM的体系结构153.1.3移动通讯企业实施CRM的优势153.2 CRM流程163.3消费者行为分析173.3.1消费者行为173.3.2 消费者行为模式183.3.3 消费者行为研
14、究理论基础193.4消费者细分方法213.4.1 RFM分析223.4.2 客户价值矩阵分析253.5 移动通讯企业的消费者细分问题263.6 本章小结274 移动通讯消费者细分案例284.1数据预处理284.2消费者聚类304.2.1 K-means聚类324.2.2 Two-Step聚类344.2.3 Kohonen聚类364.2.4聚类结果比较374.3细分客户消费行为分析384.3.1重要保持客户384.3.2重要发展客户404.3.3重要挽留客户414.3.4一般价值客户424.3.5低价值客户434.4 实证研究444.4.1对某省电信运营商客户的细分444.4.2 细分结果分析4
15、54.4.3 研究结果的现实意义465 移动通讯消费者相关性475.1消费者购买相关性485.1.1CART算法原理485.1.2CHAID算法原理495.1.3 C5.0算法原理495.2消费者消费行为分析505.2.1重要保持客户CART消费分析505.2.2重要挽留客户C5.0消费分析525.2.3重要发展客户C5.0消费分析555.2.4一般价值客户CHAID消费分析575.2.5低价值客户CART消费分析595.3实证研究的现实意义606 总结与展望626.1总结626.2展望62致谢65参考文献661 绪论1.1 研究背景随着科技的不断进步，中国通信企业经历了2G、3G和现在的4G时代，中国移动通讯的市场环境发生了翻天覆地的变化，形成了现在的移动、电信、联通等大型移动通讯企业为主导，多家小型企业参与的市场局面。同时，中国的改革开放的逐渐深入，中国移动通讯市场逐步向外开放，形成了既有内部竞争又有外部压力的新格局。作为当代的移动通讯产业，提高自己的核心竞争力已成为急需解决的问题。中国作为一个人口大国，并且移动客户端人口数量巨大，所以需要从海量数据中进行数据挖掘，对移动通讯消费者行为进行分析，找出客户需求，从而提高核心竞争力，为实现科学
