（企业管理专业论文）移动通信企业客户细分方法研究.pdf

大连理工大学硕士研究生学位论文 摘要 当今时代，信息产业己当之无愧地成为世界经济领域最具活力的支柱产业之一。而 移动通信行业作为利润最丰厚、发展最迅速、技术最先进的通信领域，则更是激烈市场 竞争的前沿阵地。国内外电信市场竞争的加剧和电信业务的发展，要求国内电信企业的 运营模式，逐步向以客户为中心、以数据为中心、以信息为基础的国际先进模式转变。 我国电信企业改革和重组后，电信运营业面临新的竞争格局，由网络资源的竞争转向服 务竞争，市场变得完全竞争，客户资源成为企业竞争的焦点。 本文理论结合实例，定性研究与定量研究并用。以客户细分理论为基础，从消费者 行为的角度出发，运用数据挖掘的方法与技术，使用聚类算法构建客户细分模型，并将 其模型具体地应用于移动通信企业，运用调研数据根据移动通信行业客户的消费特征对 此企业的客户进行客户细分。在将客户分成不同的客户群体后，再对各群体的客户特征 进行描述，而构建出客户细分矩阵。 本文用聚类算法来构建客户细分模型，并将其应用到具体的行业和企业，有着一定 的理论价值和应用价值，希望本文有能为中国移动运营企业的发展提供一些有价值的建 议。 关键词：移动通信企业；客户细分；数据挖掘；聚类算法 篁垫堕垒些查旦塑坌查i 堑堕 r e s e a r c ho nc u s t o m e rs e g e m e n t a t i o nm e t h o do ft e l e c o m m u n i c a t i o n e n t e r p r i s e a b s t r a c t n o w a d a y si n f o r m a t i o ni n d u s t r yh a sb e e no n eo ft h em o s te n e r g e t i cp i l l a ri n d u s u 哼s a b s o l u t e l yi nw o r l de c o n o m i cs p h e r e t e l e c o m m u n i c a t i o ni n d m t r yi s ap r o f i t a b l ea n dr a p i d d e v e l o p e da n dh i g ht e c h n i q u ec o m m u n i c a t i o nd o m a i n , s ot h ec o m p e t e t i t i o no ft h i sm a r k e ti s v e r y f i e r c e 1 1 l ei n t e n t i e a t i o no fc o m p e t i t i o no ft e l e c o m m u n i c a t i o nm a r k e ta n dt h e d e v e l o p m e n to f t e l e c o m m u n i c a t i o no p e r a t i o na th o m ea n da b r o a dd e m a n dt h a tt h eo p e r a t i o n p a t t e mo fd o m e s t i ct e l e c o m m u n i c a t i o ne n t e r p r i s e sb eg r a d u a l l yc h a n g e dt o a na d v a n c e d i n t e m a t i o n a lp a t t e r nw h i c hi sb a s eo ni n f o r m a t i o na n dw h i c hf o c u so nc u s t o m e ra n dd a t 扎a n e wc o m p e t i t i o ns i t u a t i o na p p e a r sa f t e ri n n o v a t i o na n dr e c o n s t m c 6 0 no fd o m e s t i c t e l e c o m m u n i c a t i o ne n t e r p r i s e s ，c o m p e t i t i o nt u r n e df r o mn e t w o r kr e s o u r c et os 盯v c c i ti sa v e r f e e tc o m p e t i a v e m a r k e t , a n dc u s t o m e rr e s o u r c ei s 也ec o m p e t i t i o nf o c u s t h i se s s a yc o m b i n e st h e o r yw i t he x a m p l e b o t hq u a l i t a t i v er e s e a r d ha n dq u a n t i t a t i v e r e s e a r c ha r eu s e d t h i se s s a y b a s e do i lc l l s t o m c rs e g e m e n t a t i o nt h e o r y , f r o mt h ev i e wo f c o l n s u m e rb e h a v o u r , c o n t r u c tao a s t o m e rs e g e m e n t a f i o nm o d e lw i t hc l u s t e r i n ga l g o r i t h m w h i c hi sa p p l i e dt oat c l e c o m m u n i e t i a ne n t e r p r i s e ，i n v e s t i g a t i o nd a t ai su s e dt og e tt h e f e a t u r e so fc u s t o m e r si nt e l e c o m m u n i c a t i o ni n d u s t r y a n dt h ec 嘶m e r so fa n 伽惦r p r i s e9 2 e s e g e m e n t e da c c o r d i n gt ot h ef e a t u r e s a f t e rt h es e g e m e n t a t i o n , f e a t u r ed e s c r i p t i o n sa l e m a d e f o re a c hs e g e m e n t a t i o n , a n dac u s t o m e rs e g e m e n t a t i o nm a t r i xi sc o n s t r c t e d 。 c l u s t e r i n ga l g o r i t h mi su s e dt oc o n s l r u c tc u s t o m e rs e g e m e n t a t i o nm o d e lw h i c hi sa p p l i e d i ns p e c i f i ci n d u s t r ya n ds p e c i f i ce n m p r i s e t h mi sv a l u a b l ei nb o t ht h e o r ya n dp r a c t i c e i ti s h o p e dt h a tt h ee s s a yd oc o n t r i b u t es o m ev a l u a b l es u g g e s t i o nt ot h ed e v e l o p m e n to fc h i n a t e l e c o m m u n i c a ：t i o no p e r a t o re n t e r p r i s e s k e yw o r d s ：t e l e c o m m u n i c a t i o ne n t e r p r i s e ；c u s t o m e rs e g e m e n t a t i o n ：d a t am i n i n g ： c l u s t e r i n ga r i t h m e t i c i i 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论丈中做了明确的说明并表示了谢意。 作者签名： 盐窆! 垃日期：鲨2 ：生 大连理工大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者签名：熊毽 导师签名： 啤 大连理工大学硕士研究生学位论文 1 引言 1 1 选题的理论意义与应用价值 在市场竞争中，想要把握和引导消费者的消费无疑需要先了解消费者的需求，而了 解消费者的需求则需了解消费者，而要了解消费者一个最行之有效的方法就是对消费者 进行细分。细分客户的目的是为了更好的认清消费者、了解消费者的需求，帮助制定出 更有效的方案。 消费者的消费决策过程是个复杂的过程，这种复杂性集中表现在它的多因素性、 非线性和不确定性。虽然在对消费者进行细分的研究中，消费行为的决策是一个很复杂 的过程，但消费行为的结果却是客观存在的，无论影响消费决策的因素如何复杂，其最 终结果都将体现在消费者的消费行为上，这里所讲的消费行为是指消费者消费的事实。 因此，在对消费者细分时，跨过影响决策的因素，直接对消费者的消费行为做分析，在 此基础上来对消费群体进行细分。 如果从客户群洞察角度出发，对客户进行聚类分析，就会发现存在某个特征的客户 群，其对电信产品的需求可能存在高度的相似性，如银行业客户会侧重于数据集中和整 合应用，证券业对灾难备份系统建设及带宽型业务会有较旺盛的需求。除了传统的按行 业进行客户细分外，有各种各样的方法可以从不同维度，对电信客户群进行细分。如果 运营商能够在客户群科学细分的基础上，整合企业内部产品，然后打包后，统一提供给 客户进行组合营销，相应的营销成功率与客户满意率就会大幅度上升。 当今时代，信息产业已当之无愧地成为世界经济领域最具活力的支柱产业之一。其 中移动通信行业的发展速度和成就更令人瞩目，随之而来的便是激烈的市场竞争与丰厚 的行业利润。而移动通信行业作为利润最丰厚、发展最迅速、技术最先进的通信领域， 则更是激烈市场竞争的前沿阵地。w a p 、g p r s 、b l u e t o o t h 、3 ( 3 等这些技术为我们 勾画了无线、无限、互联的美景，同时也对移动运营商各方面提出了更高的要求与更为 严峻的挑战。 在目前市场产品和服务的同质化现象日趋严重的情况下，单纯依靠粗放型的牺牲 a r p u 值换取市场份额的价格战策略很难获得稳定的市场领先地位，最终将导致两败俱 移动通信企业客户细分方法研究 伤。纵观移动通信市场的发展态势和国家的通信政策的倾向性，这种双寡头垄断竞争的 局面还将延续下去。当然，随着3 g 时代的到来，以及国外运营商的加入，也许将会有 更多的运营商进入共同分食这块大蛋糕。 相对而言，国内运营商的客户细分工作还远远不够，还有很多具有同类需求和相似 消费特征的用户群没有被覆盖。这就更加需要运营商要进一步引入客户导向的品牌理 念，按照客户细分的思路来发展客户品牌，在第一细分客户群下，运营商要按照客户对 通途业务的需求特点和消费习惯来组合各种业务，全面满足客户的需求，最大限度地提 升用户价值。 面对如此严峻的市场环境，制定差异化的营销策、提供差异化的客户服务，也就必 须对市场进行准确、有效的细分就成为一种必然的发展趋势。因此，如何对市场进行准 确、有效的细分，尤其是如何利用企业现有数据资源对市场进行准确、有效的细分便成 为了一个很值得研究的课题。 1 2 论文的研究方法与研究思路 1 2 1 论文结构及研究方法 现代信息技术在商业领域的应用对企业决策提供了有力的支持，从大量的数据信息 中发掘模式信息，这些信息对于许多实践性的应用起到有力的信息支持。论文以消费行 为数据为研究对象，利用数据挖掘中的聚类分析技术，研究众多消费者中存在着的相似 的消费模式，这种具有相似性的消费模式可以应用到多个方面，文章主要以相似消费行 为的客户细分方法为例，说明对消费行为的聚类分析在客户细分方法的应用。 本文理论结合实例，定性研究与定量研究并用。本文的整体思路为：以客户细分理 论为基础，从消费者行为的角度出发，运用数据挖掘的方法与技术，使用聚类算法构建 客户细分模型，并将其模型具体地应用于移动通信企业，运用调研数据根据移动通信行 业客户的消费特征对此企业的客户进行客户细分。在将客户分成不同的客户群体后，再 对各群体的客户特征进行描述，而构建出客户细分矩阵。 大连理工大学硕士研究生学位论文 图i 1 论文技术路线图 f i g 1 1t b 1 1 i q a p p r o a c h 首先对客户细分的相关理论进行了文献查阅，以形成对此方面理论有较深层次的理 解。由于本文应用的研究方法为数据挖掘中的聚类算法，所以于数据挖掘和聚类算法的 相关理论进行研究。本文所进行的客户细分研究是依托于移动通信行业的，所以对移动 通信行业的发展现状，以及客户特点做深入的了解，对移动行业现行的客户细分方法进 行总结及研究，构建出客户细分模型。抽取某移动通信企业数据库中的数据，对已经构 建出的客户细分的理论模型进行验证。运用s p s s 统计软件进行辅助分析，运用c l e m e t i n e 数据挖掘软件对抽取的样本进行数据挖掘，选择聚类算法对客户进行分群。而后对各客 移动通信企业客户细分方法研究 户群体进行客户特征描述，根据其特征，构建出客户细分矩阵，期望其能成为移动通信 企业开展市场营销工作的有利工具。 1 2 2 本文创新点 本文是一篇应用性很强的论文，其主要有以下三个创新点： ( 1 ) 构建了适用于移动通信企业的客户细分模型 此模型从客户行为的角度，以多个维度为参照标准，对企业的客户进行细分。而得 出一些客户群体，通过客户的群体特征的描述，表明其细分模型是有意义的。 ( 2 ) 进行数据挖掘时提高了挖掘的效率 本文在研究过程上使用到了两种软件一s p s s 统计软件和c l e m e t i n e 数据挖掘软 件。用s p s s 统计软件做辅助性数据分析，而使用c l e m e t i n e 数据挖掘软件进行数据挖掘。 其最显著的特点，是将整个数据挖掘过程可视化，使整个聚类过程更清晰明了。而且对 数据有进行了有效的预处理，从而大大提高了算法的应用的效率。 ( 3 ) 应用领域的创新 将聚类算法应用到具体的移动通信行业中，对具体的移动通信企业的客户进行客户 细分，将理论研究与实例相结合，更加有实际应用价值。 大连理工大学硕士研究生学位论文 2 客户细分理论与方法综述 2 1 客户细分的概念 客户细分( c u s t o m e rs e g m e n t a t i o n ) 是2 0 世纪5 0 年代中期由美国学者温德尔史 密斯提出，是指按照一定的标准将企业的现有客户划分为不同的客户群的行为。x u z a n n e d o n n e r ”1 认为：正确的客户细分能够有效的降低成本，同时获得更强、更有利可图的市 场渗透。同属一个细分群的消费者彼此相似，而隶属于不同细分群的消费者是被视为不 同的。比如那些带来最多盈利的客户和带来最少盈利的客户都有自己的细分群体。 1 9 9 0 年r e i c h l h e l d 和s a s s e r 对美国9 个行业的调查数据表明，客户保持率增加 5 ，行业平均利润增加幅度在2 5 一8 5 之间嘲。客户保持已成为公司成功最至关重要的 目标。然而客户保持的目标并不是为了追求零流失，也不是说最大化的客户保持率就等 同于最大化企业理论。有必要将关注的客户限制在一定的范围之内。1 9 9 1 年b a n d 说： 我们应该关注那些对企业盈利起关键作用的客户“1 。d u b o f f 提出：保持二个相对较小的 客户范围比较重要，而要确定客户范围的核心前提是仅仅接近那些真正值得接触和培养 的客户”。r e i c h h e l d 在1 9 0 0 年提出：谨慎地选择客户，然后尽力去保持这些客户是非 常重要的。而在1 9 9 7 年w a l t h e ：建议：企业需要知道哪些客户是需要进行价值评估的? 他们的价值如何? 然后对他们进行分类。根据帕累托原则，企业的2 0 的客户创造了企 业8 0 的利润。以上这些理论都说明了一点客户的发展是不平衡的，企业应该将有限的 资源投入到真正有利可图的客户，确定哪些客户是企业应该保持的客户，这对于有效开 展客户保持，增强企业的盈利能力有着重要的意义，因此有必要对客户进行细分。菲利 普科特勒提出：客户细分是根据客户属性划分客户集合的过程。s u z a n n ed o n n e r 认为： 正确的客户细分能够有效地降低成本，同时获得更强、更有利可图的市场渗透m 。 2 2 客户细分方法 2 2 1 客户细分方法概述 客户细分的概念提出后，出现了一系列客户细分方法。最初的客户细分主要依据人 口统计学特征( 例如年龄，性别，收入，收入区间，客户利润率、忠诚度和信用度的组 合等) ，这种细分方法存在着很大的误差。随着客户细分研究的不断深入，出现了一些 新的细分方法，最具代表性的有基于客户购买行为的细分方法和基于客户生命周期价值 理论的细分方法。其各种方法越来越多地被广泛应用到各个领域。 移动通信企业客户细分方法研究 细分方法之间的根本差别在于细分维度，不同的细分维度需要不同的细分技术作为 分析手段，并由此导致相应的细分依据甚至细分方法论上的差异，最终致使各种不同细 分方法有着各自不同的市场适用性。以下就从细分维度、细分依据和细分目标三个方面 来表现细分方法之间的差异。 客户细分的第一步就是要了解所要研究的对象特征。以客户为视角的各种细分方法 其基本的维度内涵离不开客户的三个基本特征：人口特征、行为和心理特征，从不同的角 度捕捉客户特征。具体来说，人口特征包含了客户展现出来的外部特征，行为因素则表现 为客户的具体购买行为，而心理特征不仅反映客户的行为，还包含兴趣和态度。依据维度 的不同可以将细分方法分为人口统计细分、行为细分和心理细分三类，其中生活方式细 分和利益细分同属于心理细分。 人口统计细分的基本假设就是人口特征与客户需求之间具有一定的联系。然而考虑 到这种联系具有弱相关性，行为细分与心理细分并不把注意力集中在人口特征上，而是 希望从内在的行为、心理来挖掘深层次的市场假设。行为细分借助行为在时间断上的延 续性来预测将来的购买行为，简单地说也就是从行为到行为。尽管心理细分也包含行为 要素，但是它透过行为的外在表现深入到指导这些行为的心理内涵，再借助逻辑假设来 推断客户的购买偏好和习惯，最终达到细分目的。另外人口统计细分与行为细分在细分 客户之前已经确定好一定的细分标准，在细分方法论上属于事前( ap r i o r ) 细分，而心理 细分的细分标准是在细分过程中逐渐清晰的，之前并不明确，因而属于事后( p o s th o c ) 细 分。 在细分依据和方法论的双重影响下，各种细分方法具有其应用倾向性，因此细分方 法的选择要受到其细分目标的制约。具体来说，人口统计细分，若单独作为一种细分方法 一般适用于了解基本的市场结构，尤其是客户结构，然而在实践中，它往往是对其他两种 方法的有效补充。行为细分和心理细分，因为具有较强的推理依据，比人口统计细分更广 泛地用于营销和管理。相比而言，心理细分因其更可靠的方法论在市场适应性上又高于 行为细分，实践证明，应用在创新性的市场策略中会更有效果。行为细分的优势在于它不 仅可以用来细分客户，还能够动态地管理客户。 综上所述，各种客户细分方法之间既相互关联又相互区别，各具特点和优势。它们在 维度特征、维度内涵、细分依据、方法论、细分目标等五个方面的具体表现如表2 1 。 以下从维度内涵和细分技术方面对每种细分方法进行详细的探讨。 大连理工大学硕士研究生学位论文 表2 1 各种客户细分方法比较 t a b 2 1c o m p a r i o no f e u s l o m e = rs e g c m c n t a f i o nm e h t o d s 2 2 2 人口统计细分 最先进入人们视野的较为系统的人口统计细分( d c m o g r a p h l c ss e g m e n t a t i o n ) 是将地 理作为一个重要的细分维度。市场壁垒的存在和信息技术的限制，一方面使得厂商仅能 将市场布局到有限的地区，另一方面不同的地理位置的客户群表现出较大的差异。然而 市场的全国化、全球化以及信息技术的迅猛发展逐渐削弱了客户与地理特征的关联性。 尤为明显的是银行业，对网络银行来说，不同地理区域的客户在其偏好和购买模式上的 区别微乎其微。 随后出现了一种以客户生命阶段( 1 i f es t a g e ) 为维度内涵的细分方法，它加强了人 口特征与客户需求之间的逻辑联系。相应地，基于人口统计的细分就转化为对客户生命 阶段的划分。在实践中有如下两种成熟的方法伽：首先是p e o p l eu k 方法，它将客户的生 命历程分为8 个发展阶段，每阶段中又分为数量不等的子阶段，总计有4 6 类：其次就是 c l a r i t a s ，公司开发的p r i z m 方法，它将所有位于1 6 个大客户群中的客户分成6 0 个不同 的组，覆盖生活方式、4 个生命阶段和4 种收入层次。此时人口统计细分的维度的重心开 始向生活方式偏移嘲。 发展后的人口统计细分方法需要借助在线分析技术( 0 l a p ) 或其他数据挖掘技术来 收集和处理庞大的人口信息然而仅仅将外在特征作为细分的依据还是受到了很多学者 的质疑。除非在相对稳定的市场中，或者是针对特定的市场销售特定的产品。人口统计细 分还不足以预测客户未来的购买行为。 移动通信企业客户细分方法研究 2 2 3 生活方式细分 对生活方式维度的研究也是源于一种假设对客户了解得越多，对他们就能采取 越有效的营销手段。l a z e ( 1 9 6 3 ) 首先提出以生活方式为背景来识别和细分客户m 1 生活方 式本身是一个系统的概念，具体表现为从社会生活机制中衍生并发展起来的各种方式。 尽管强调生活方式的系统性，但是并没有对其内涵做出规范，直到w e l l s 和 t i g e r t ( 1 9 7 1 ) 提出用a 1 0 ，即活动( a c t i v i t y ) 、兴趣( i n t e r e s t s ) 和评价( 0 p i n i o n ) ，来表 达生活方式叭3 。随后p l u m m e r ( 1 9 7 4 ) 利用人口统计特点来丰富生活方式忉，至此维度内涵 扩展成四维。具体来说，活动表现为人们如何支配平时的时间，兴趣就是对周围的环境的 关注程度，评价主要是与自己或环境的相关的各种评论，人口特征包括一些外在特性，例 如教育程度、居住环境、收入、生活阶层等。方法的实施分为如下两步：首先，以与产品 相关的四个方面产品类别、使用频率、品牌份额、产品特征与使用模式为依据来 确定目标客户。在这四个因素上评价皆为优的就是要寻找的客户，然而在实践中只是一 种理想状况，只能追寻次优解，其次对挑选出来的目标客户做更深层次的定义和描述， 找出其内在的相关性。因为是与现有产品相关的调查，因此该方法只适合对已有的产品 做战略上的调整，譬如产量调整品牌策略等。 直到b u s h m a n ( 1 9 8 2 ) 做出改进“。他继承了l a s e r 的系统论的观点，建立了一个具有 联系统一性的二维分类矩阵来研究市场中的客户。其中一维是与产品相关且具有不同标 准的三个特征变量：与日常生活的关联的品牌与产品特征变量：与一定品牌和产品特点 相对应的产品类别变量：消费模式、自我评价、爱好等一般特征变量。另外一维表现为 调查过程中所要了解的客户资料，包括个性变量、环境变量、功能变量( 利益结构) 和全 球变量等四个方面。这两个维度分别从客户和产品两种角度、广度和深度两种程度分析 了客户与产品之间的关联特征，这一改进增强了方法的系统性同时扩展了其适用性，在 方法论上逐渐向利益细分方法靠拢。 2 2 4 行为细分 行为细分c h a v i o rs e g m c n m d o n ) 是一种基于预测的理论使得人们将注意力放在依据 客以往和现在的行为来预测将来的行为，出现了一种以行为模式数据为基础、以信息技 术为支撑的细分方法。其功能的实现是通过分析数据库中已有客户的消费行为模式来将 客户分类。 ( 1 ) r f m 分析 大连理工大学硕士研究生学位论文 h u g h e s ( 1 9 9 4 ) 提出的r f m 分析是以三个行为变量来描述和区分客户【i 孤。r ( r e c e n c y ) ， 指上次购买至现在的时间间隔，f ( f r e q u e n e y ) 某一期间内购买的次数，m ( m o n e t a r y ) 是某 一期间内购买的金额。r f m 分析针对每个客户的每个指标打分，然后计算三个指标的乘 积，再按这个结果排序，在此基础上将所有的客户按照2 0 、6 0 、2 0 分类，最后对不同 类型的客户实施不同的策略。r f m 分析的因素都是行为方面的，这些信息对于拥有数据 库的公司来说比较容易获得，然而其分析过程复杂，需要耗费很多时间，而且细分结果中客 户群过多。另外购买次数f 和同期总购买额m 两个变量之间会存在多重共线性。 佗1 客户价值矩阵( c u s t o m e rv a l u em a u i x ) 为了回避r f m 分析的缺点，m a r c u s ( 1 9 9 8 ) 提出用购买次数f 与平均购买额a 构造二 维的客户价值矩阵模型来修正r 刑方法。该矩阵需要的信息包括客户代码、购买日期和 日购买额。购买次数由不同购买日期的数目来确定，平均购买额等于在指定时间间隔内 总购买额( 日购买额的总和) 与购买次数的比值。最终所有客户都分散在事先确定的二维 矩阵的四个象限中，针对每一个客户群或跨越客户群产生不同的营销战略或战术。该方 法还可以与各种人口统计信息结合使用。 总的来说，依据行为来预测行为不失为一种便捷的方法，然而预测的时效性限制了 其适用效果。它以历史数据为基础，因而只针对已经拥有的客户，无法对潜在客户进行定 义和评价，成为细分过程中最大的缺陷。 2 2 5 利益细分 利益细分( b e n e f i ts e g m e n t a t i o n ) 最先由h a l e y ( 1 9 6 3 ) 提出，它利用具有因果关系的因 素而不是描述性的因素来识别市场“”，其区别于传统细分方法的优势就在于它透过客户 表象的行为、态度和动机来挖掘背后的真正利益。利益是一个比较复杂的概念。在具体 的市场中，它可能是客户偏好的一种产品特征、服务方式或其他任何与产品或服务相关 的环节。利益细分在维度内涵上具有很大的弹性。 2 3 客户细分技术 2 3 1 数据挖掘的概述 数据挖掘是随着数据库和机器学习的发展而兴起的。现阶段所应用的客户细分技术 方法主要是基于数据挖掘的相关的理论技术。最年来随着机器学习，统计学及人工智的 不断发展，数据挖掘的技术及理论也在不断地发展和完善。数据挖掘( d a t a m i n i n g - d m ) 的定义是：从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的， 人们事先不知道的但又是潜在有用的信息和知识的过程。又称为从数据库中的知识发现 移动通信企业客户细分方法研究 ( k n o w l e d g ed i s c o v e r yi nd a t a b a s e ，简称k d d ) 。数据挖掘提取的知识可以表示为概念、 规律、模式、约束、可视化。数据挖掘算法的好坏将直接影响到所发现知识的好坏。数 据挖掘的任务是从数据中发现模式【1 5 】。 k d d 泛指所有从源数据中发掘模式的方法，人们接受了这个术语，并用k d d 来描述 整个数据挖掘的过程，包括最开始的制定业务目标到最终的结果分析，而用数据挖掘 ( d m ) 来描述使用挖掘算法进行数据挖掘的子过程。 知识发现( k d d ) 就是在从大量数据中提取出可信的、新颖的、潜在有用的并能被人 理解的模式的高级处理过程【1 0 3 可信是指通j 吐k d d 从当前数据所发现的模式必须有一定的正确程度，否则就无任 何实际意义可言： 新颖是指经过k d d 提取出的模式必须是以前所不知道的或未注意到的。是用户并 没有期望得到的新的规则；至少对系统来说应该如此。模式是否新颖可以通过两个途径 来衡量：其一是得到的数据，通过对比当前得到的数据和以前的数据或期望得到的数据之 间的比较来判断该模式的新颖程度；其二是通过其内部所包含的知识，通过对比发现的模 式与已有的模式的关系来判断。 潜在有用性是指发现的知识应该是有意义的，可以通过进行量化的衡量。对于用户 的决策等行为能够提供支持： 可理解性是指将数据库中提取的隐含模式和知识以容易被人理解的形式表现出来， 从而帮助人们更好地了解数据库中所包含的信息。知识发现不同于以往知识获取技术的 一个特点是发现的知识是人们( 至少是领域专家) 可以理解的形式，因此挖掘过程是一 个人机交互、螺旋上升的过程。 表2 2 数据挖掘关键词 t a b 2 2k e yw o r d so f d a t a m i n i n g 关键词 解释 新颖 潜在有用性 可理解性 模式 高级的处理过程 提取出的模式是新的规则 发现的知识能为决策行为提供支持 发现的知识以容易理解的形式表现 知识的雏形，经过验证、完善后形成知识 一个多步骤的处理过程，步骤之间相互影响、 反复调整 “模式”可以看成是知识的雏形，经过验证、完善后形成知识。 大连理工大学硕士研究生学位论文 高级的处理过程是指一个多步骤的处理过程，多步骤之间相互影响、反复调整、形 成一种螺旋式的上升过程【i ”。其关键词的主要解释见表3 1 。 k d d 是一个高级的处理过程，它从数据集中识别出以模式来表示的知识。严格地说 k d d 被认为是从数据中发现有用知识的整个过程，而d m 指的是k d d 整个过程中的一个 特定步骤，是k d d 的核心部分，然而在通常情况下，许多人把数据挖掘与知识发现广泛地 认为是同一个概念，一般在科研领域中称为知识发现，而在工程领域则称为数据挖掘。 目前，从技术角度出发，客户细分的常用数据挖掘方法可以归为三大类：分类，产生预测 模型；聚类，产生描述模型；传统的统计分析方法。 2 3 2 分类方法 分类是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描 述n 8 】。分类的目标是制定分类规则，来区分不同类的对象、观察和记录，然后用分析出 来的规则对新的对象进行分类。分类类别必须预定义并且是有限集。通常而言，构建分 类模型主要有三个步骤： ( i ) 指定训练模式下的挖掘数据源； ( 2 ) 选择其它数据源进行测试和结果分析； ( 3 ) 使用在训练过程中获得的信息，将未分类的输入数据分类。统计方法和归纳方法 都可用于分类。统计方法包括差异分析、l o g i s t i c 回归和p r o b i t 回归。比较常用的归纳技 术是决策树方法和神经网络方法。 它反映了同类事物共同性质的特征知识和不同事物之间的差异型特征知识。属于 “有指导的学习”，即在每个分类样本是在被告知每个训练样本属于哪个类的“指导” 下进行的，在确定分类标准时常用的数据挖掘方法包括神经网络分类法、决策树法、贝 叶斯分类法、示例学习分类法等以及这些方法的集成方法等。 最为典型的分类方法是基于决策树的分类方法。该方法先根据训练子集( 又称为窗 口) 形成决策树。如果该树不能对所有对象给出正确的分类，那么选择一些例外加入到 窗口中，重复该过程一直到形成正确地决簧集。最终结果是一棵树，其叶结点是类名， 中间结点是带有分枝的属性，该分枝对应该属性的某一可能值。 2 3 3 聚类方法 聚类分析又称集群分析，它属于“无指导的学习”，其基本思路是利用一个独立变 量的矩阵，把性质相近的个体归为一类，性质差异较大的个体归于不同的类，最终达到类 移动通信企业客户细分方法研究 内个体具有较高的同质性，类间个体具有较高的异质性。本文所用的研究方法即为聚类 方法，其方法会在后面做具体的介绍。数据库中的数据可分为一系列有意义的集，或称 为类【1 9 1 。数据聚类是用于发现在数据库中未知的数据类。这种数据类划分的依据是“物 以类聚”，即考察个体或数据对象间的相似性，满足相似性条件的个体或数据对象划分 在一组内，不满足相似性条件的个体或数据对象划分在不同的组。在同一类别中，个体 之间的距离较小，而不同类别的个体之间的距离偏大。由于在数据挖掘之前，数据类划 分的数量与类型均是未知的，因此在数据挖掘后需要对数据挖掘结果进行合理的分析与 解释。 聚类不同于分类，在分类模块中，对于目标数据库中存在那些类是知道的，要做的 就是将每条记录分别属于哪一类标记出来；而聚类所要划分的类是未知的，也就是在对目 标数据库到底有多少类预先不知道的情况下，希望将所有的记录组成不同的类，并且使 得在这种分类情况下，以某种度量为标准的相似性，在同一聚类之间最小化，在不同类 之间最大化。由聚类所生成的簇是一组数据对象的集合，在许多应用中，可以将一个簇 中的数据对象作为一个整体来对待。 2 3 4 统计分析方法 传统的统计分析方法可直接用于客户分群或辅助数据挖掘方法完成细分任务。常见 的统计分析方法有交叉分析、相关分析、方差分析、显著性分析、因子分析等。 因子分析是通过对原始指标体系内部结构及相关性的研究，借助一定的统计技术， 将初始指标转化为与之信息等价的、独立的新指标系列，即因子集会，以此来探寻事物的 本质。因素分析应用到市场营销中的根本目标就是简化数据也就是将描述较为具体的一 大群变量转化为描述较为抽象的较少的互不相关的变量组，使之尽可能地表达原始变量 的本质特征，借此深入挖掘客户在消费中所寻求的真正的利益。 k i m 和m u e l l e r ( 1 9 7 8 ) 概括了利用因素分析进行客户细分的基本理论，包括识别那些 可以解释一系列变量之间关联性隐含的结构或“因素”；有关变量结构的假设检验；以 少数的衍生变量概括初始的大量变量；确定所要表现的变量的维度数量。因素分析最 重要的假设就是选择的因素会真正地蕴含变量，而变量也能够完全地和适当地表达这些 因素，这就意味着初始变量的数量和幅度应尽可能具有包容性。值得一提的是，因素分析 一般只显示哪些变量构成了哪些因素，并没有区分因素重要程度的差别，这一不足需借 助营销理论来弥补。 使用交叉分析、相关分析和方差分析，研究者通过研究样本在行为、需求等方面是 否存在差异性，从而可以区分不同的人群。通常，最容易看到的差异性是人口特征方面 大连理工大学硕士研究生学位论文 的，如区域差异、性别差异、年龄差异等。但这种差异性是否会导致消费者在其他方面 的差异，则需要通过其他统计方法来识别。比如，人们的消费行为在区域方面是否存在 差异性，或在性别上是否存在差异性，可以通过交叉分析识别。一方面，它检验不同消 费量的样本在区域归属特征上是否具有差异性，另一方面可以估计区域归属特征与消费 行为的关系强度。 客户细分是有效实施市场策略的第一步，也是成功管理客户关系的基石。在客户细 分的过程中，细分维度和细分方法选择不能是随机的，必须与其目标保持一致。市场环境 的复杂性决定了没有绝对有效的细分方法，但是可以在控制的误差范围内达到需要的细 分效果，为策略的制定提供可靠的指导性意见。然而细分方法的应用仍然存在以下两点 不足： ( 1 ) 市场的易变性不允许存在一劳永逸的细分方法，市场细分的实施又需要高额成 本使得企业面临着艰难选择； ( 2 ) 采用不同的细分方法或者是同一种方法的不同技术手段分析同一个问题往往会 产生不同的结果，对这些结果之间的比较还没有形成有效、统一的标准。 这些不足为细分方法的选用和实施设置了一定的障碍，但也为进步研究指出了方 向。 移动通信企业客户细分方法研究 3 移动通信行业客户细分模型的构建 3 1 移动通信行业现状 随着我国移动通信市场的全面开放，移动运营商之间竞争将变得更加的激烈，其产 业规模也将进一步扩大。在这一个行业中，现阶段在国内主要有三家企业分别为中 国移动、中国联通和中国网通，可以说这一市场寡头竞争市场。其中做为三大移动电信 运营商，市场占有率最高的一直是中国移动，其次是中国联通，而中国网通由于它的主 要业务是固定电话业务，其移动通信业务“小灵通”只是做为附属的补充业务，以又因 为其在移动通信市场只占很小部分的市场份额。据2 0 0 6 年1 2 底的最新的统计数据表明 截止到2 0 0 6 年底，中国移动和中国联通的市场占有率分别为6 1 3 和3 0 7 。其具体数 据见表3 ，l 。 表3 1 移动运营商市场份额 t a b 3 1t e l e c o m m u n i c a t i o no p e r a t o r sm a r k e s h a 障 如图3 1 所示，中国移动g m s 网的市场占有率为6 1 3 ，在移动通信市场中占有率 超过5 0 ，占有绝对的优势。而中国联通拥有g m s 和c d m a 的市场占有率分别为2 2 4 和8 3 ，这样联通在的总体占有率就达到3 0 7 ，而网通的小灵通仅仅达到8 。 圈o - 1 图3 1 移动运营商市场份额 f i g 3 1t e l e c o m m u n i c a t i o no p e r a t o rm a r k e ts h a 大连理工大学硕士研究生学位论文 如上所述，在移动通信市场，最有竞争力的企业为中国移动和中国联通，两者在技 术水平上不断靠近与融合，市场竞争日趋激烈，两家移动通信运营商阃展开的一场价格 大战正如火如荼。在移动通信市场上，移动与联通的市场竞争近来年也曰益呈现白热化 状态，双方展开竞争的手段主要通过调整资费等进行市场份额的争夺。目前的移动通信 市场基本处于双寡头垄断的格局，从某种意义上说，移动和联通两家运营商面临着相同 的外部环境；从宏观形势看，国家政策法规的颁布和实施都会影响到整个行业的营销策 略和价格策略的制定和实施；随着人民生活水平的逐步提高，居民消费观念和消费行为 呈现出日趋差异化和多样化；从发展形势来看，根据信息产业部最新统计，我国移动通 信运营商近来客户数虽然不断增加，但是业务收入与通话量的增长速度却远远低于客户 数增长的速度。即所谓的“丰收的悖论”：方面是迅猛增长客户数，而另一方面却是 收入缓慢增长、客户满意度的持续走低。这也是移动运营商现阶段所须解决的主要问题。 3 2 移动通信行业客户特征 移动电信运营商作为移动电信业务服务的提供商，其客户的范围非常的广泛，所以 客户特性也相对复杂多样。 首先，电信业务是为全社会提供服务的，电信企业的客户具有多元性，从党政机关、 经济组织、社会团体直至居民个人都是其客户：而不同的客户所需要的业务服务是不同 的。对党政机关，企事业单位来说，他们是移动电信运营商的客户，不是以个人为单位 的，而是以团体为单位的，对于此类客户他们的所需要的业务大多为语音业务的集团办 理等。 其次，由于电信服务是大多数人都需要的一种服务，而对于个人移动通信客户，他 们各自的背景各不相同，从城市到农村，从金领、白领到低收入家庭存在着一定的个体 差异。不同地区的客户会有不同的业务需求，不同收入的客户也会有不同的业务需求， 比如两个消费额相同的客户，一个是2 0 岁的青年人，而另一个是4 0 岁的中年入，其消 费的结构必然大不相同，而对于电信企业对其就不能因为月消费额度的相同就同等待 之，其充分反映了各种层次客户需求的多样性。 再次，通信产品的替代性较强，市场竞争性较强，客户使用电信服务的随机性也较 强。现阶段的通信市场所有的通讯工具不仅仅有固定电话、移动电话和小灵通，随着网 络软件和硬件技术的不断发展，人们对因特网越来越熟悉，因特网已经成为人们生活中 必不可缺的通信工具，它在不断的发展中，其发展前景良好，相信在不远的将来它会成 功会替代现阶段使用的一些传统的通信工具，比如说固定电话。而即使这些因特网没有 替代现有的传统通讯工具，也会抢占其部分市场份额。 移动通信企业客户细分方法研究 以上描述了各个层次电信客户自身的不同所对对电信业务服务有着不同的需求，所 以其对电信运营企业的贡献也呈现出一定的特点： ( 1 ) 客户对企业的贡献严格遵循帕累托原则，即不足2 0 的大客户为企业带来了大于 8 0 的现在利润和未来利润，不同层次的客户的a r p u 值相差很大，群体差异过大加大 了移动通信企业开展市场营销的难度【2 l 】。 ( 2 ) 电信行业是服务行业，其行业最典型的特点就是产品的非实物性( 又称二次性) ， 企业靠提供服务来获得收入，而其市场的二次性特征就意味着客户加入的时间越长，企 业收入越多，即对电信运营商的价值越高。 ( 3 ) 在移动通信市场发展的初级阶段，移动运营商为客户提供的服务主要为语音通话 业务，而随着市场的发展，移动运营商可以为客户提供种类越来越多的数据业务，可是 客户对企业所推出的新的数据业务敏感程度比较低。到目前为止，能够被客户普遍接受 的数据业务仅有短信业务。 ( 4 ) 由于移动通信企业其服务计费的复杂性，而至使许多客户对其各业务的准确性信 产生质疑