（管理科学与工程专业论文）基于数据挖掘的电信家庭客户关系管理.pdf

一 广 独创性声明 删j j j y 1 7 8 7 夺岑芝 本人声明所* 交的沦文是我个人舀：导师指导1 、进行的研究工作支取得的研 究成果。堪我所i u ，除了文中特别加以标注嗣i 敛埘的地方外，论文中4 i 包含其他 人已经发表或撰。弓过的研究成果，也不包含为获得北京工业大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 关于论文使用授权的说明 本人完全了解，l 匕京工业大学有关保留、使用学位论文的规定，即：学校有权 保霄f 送交论文的复i = i j 什，允即沦义破查l 蒯和借阅；学校可以公布论文的个挪或部 分内容，呵以采刚影印、绗旧j 或其他复制手段保存论文。 ( 保密的沦文纽觯律_ 厅j 迎遵守此胤定) 口期：沙c 一， 摘要 摘要 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c 4 5 决策树与b p 神经网络方 法分别建立分类模型，同时建立了基于r b f 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b p 神经网络及c 4 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a r i m a 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9 1 。 4 ) 在电信家庭客户细分方面，应用了k m e a n s 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。 关键词数据挖掘；家庭客户关系管理；电信；分类：预测；家庭关系 北京工业大学管理学硕十学位论文 u ，j a b s t r a c t a b s t r a c t t h er a p i da d v a n c e m e n to fi 州晒肌a t i o na 1 1 dc o m m u n i c a t i o nt e c h n o l o 西e se n a b l e s t l l et r a l l s f b 肌a t i o no ft e l e c o mo p e r a t o r sm a t b e c o m e如1 1 s e r v i c ei n t e g r a t e d i 1 1 | o n n a t i o ns e n r i c ep r o v i d e r a n dt 1 1 e i rc o m m u n i c a t i o ns e r v i c e sc a p a b i l i t i e s 剐陀 s t r e n 舒h e n e d ；t h ed e m a n do ft c l e c o mc u s t o m e r sa l s oc o r r e s p o n d i n gc h a n g e s ，1 e y w a n tt og e tp r e f e r e n t i a la 1 1 dp e r s o n a l i z e dt e l e c o m m u m c a t i o l l sp r o d u c t sa n ds e r v i c e s ； t h eu s eo ff 抽i l yb u s i n e s sb u l l d l eh a sb e c o m e 也em a 洫w a yf o rt e l e c o mo p e r a t o r st o i m p r o v es e r v i c eq u a l i 钾a n dc u s t o m e rs a t i s f a c t i o i l ，a i l df 锄i l yb u s i i l e s sb u i l d l ec 趾 d r o v i d eav 撕e “o fb e n e f i t sa n da l lt e l e c o ms e i c e sf o rt l l ef 锄订yc u s t o m e r s t h e r e a r es t i l ls o m el i m i t a t i o n si i lr e s e a r c ho ff 狐i l yb u s i n e s sb u n d l e ，b e c a u s ef a m i l y c u s t o m e r sc a nn o tb ei d e n t i f i e d ， t e l e c o mo p e r a t o r sc a n t p r o v i d e 乜盯g e t e da n d p e r s o n a l i z e db u n d l i n gs t r a t e g yf o rf i 锄i l yc u s t o m e r s t h o u g hi m p l e m e n t i n gt e l e c o m f 锄i l yc r m ，t e l e c o mo p e r a t o r sc a ni d e n t i 鸟a l l t e l e c o ms e r v i c e sa i l dt h e i rf e a t u r e si i l t h es a m ef - 锄i l y ，a n dt h e np r o v i d ed i 成r e mb 硼【d l i n gs t r a t e g i e sa c c o r d i n gt om e d i 伍：r e n tc h a r a c t e r i s t i c so ff 锄i l yc u s t o m e r s ，e v e n t u a l l yt h ef 锄i l yc u s t o m e r sa r e p e r s o n a l i z e ds e r v i c e d a i m e da th o wt 0u s ed a _ t am i l l i n gt os o l v es o m er n a i l lp r o b l e m si nt e l e c o mf - 锄i l y c i t m ，t m sp a p e rt a k e st h em e t h o d so fc o m b i m l t i o no ft l l e o r e t i c a la i l a l y s i sa i l d e m p i r i c a lr e s e a r c h t h er e s e a r c h e so ft l l i sp a p e rc 蕊e d o u ta r el i s t e da sf o l l o w s ： f i r s t l y ，t h ec r mt l l e o r y a n dd a t am i i l i n gt e c h n o l o g ya r es t u d i e d ，a n dt l l e c l o s e d 1 0 0 pa n df o u r 1 a y e ra r c l l i t e c t u r eo ft e l e c o m 胁i l yc r mi sd e s i g n e d ；t e l e c o m f a m i l yc u s t o m e rm a n a g e m e n ti sr e s e a r c h e d ，a n dat e l e c o mf a m i l yc u s t o m e r m a n a g e m e n tm o d e lb a s e do nd a t am i l l i n gi sb r o u g h tf o n a r d s e c o n d l y ，i tr e s e a r c h e st 1 1 et e l 印h o n ei d e n t i f l c a t i o nb 弱e do nf i 撇i l yr e l a t i o n ，c 4 5 d e c i s i o nt r e ea n db pn e u r a jn e t w o r ka r eu s e dt oe s t a 【b l i s hc l a s s i f i c a t i o nm o d e l s ，a i l d ah y b r i dc l a s s i f i c a t i o nm e m o di sp r o p o s e db yr a d i a jb a s i sf u n c t i o n ( r b f ) n e u r a l n e t 、7 帕r ka n dd e c i s i o nt r e et oe s t a _ b l i s hc l a s s i f i c a t i o nm o d e l e x p e r i m e n tr e s u l t ss h o w t h a tt l l i sn e wc l a s s i f i c a t i o nm e t h o de n h a n c e sm ea c c u r a c yo fc l a s s i 丘c a t i o nc o m p a r e d 、析t hc 4 5d e c i s i o nt r e em l db pn e mn e t v 旧r k t k r d l y ，i tr e s e a r c h e sf 鼬i l yp o t e n t i a lb r o a d b a n dc u s t o m e rp r e d i c t i o n ，a p r e d i c t i o nm o d e ib a s e do nt h e 酣db yu s i i l g1 i n e a rp r o g r 锄m m go p t i m i z a t i o n t e c h f l i q u ei sp r o p o s e dt op r e d i c tt 1 1 ep o t e n t i a lb m a d b a n dc u s t o m e r s ，锄du s e e x p o n e n t i a ls m o o t m n ga i l da i u m am o d e l st op r e d i c tb r o a d b a n dm a r k e ts p a c eo nt l l i s b a s i s e x p e 血n e n tr e s u l t ss h o w 山a t 锄sp r e d i c t i o nm o d e li i lp r e d i c t i n gp o t e n t i a l b r o a d b a i l dc u s t o m e r sh a v eab e t t e ra c c u l 麓c y 、砌c hr e a c h e st o91 l a s t l y ，i tr e s e 粼h e sf a m i l yc u s t o m e rs e g m e n t a t i o n ，ak m e a n sc l u s t e r i n gm o d e l i se s t a b l i s h e dt oc a r 巧o u tf - 撇i l yc u s t o m e rs e g m e n t a t i o na n dc o r r e s p o n d i n gf 姗i l y b u s i n e s sb 岫d l es t r a t e g yi sp r o p o s e d s o m eb e n e f i c i a lr e f e r e n c ei sp r o v i d e dt o t e l e c o mo p e r a t o r si na 1 1 a l y z i n gf 锄i l yc u s t o m e r s v a l u ef e a t i j r e sa r l db e h a v i o rf e a t u 】r e s ， a l l dt e l e c o m 叩e r a t o r sc a i li m p r o v ec r ml e v e lu s i n g 拙a 赫gt e c h n o l o g y ，s ot h e s e r e s e a r c h e ss h o wi m p o r t a n tm e a i l i n gi nt l l e o r e t i c a lr e s e a r c ha r l de n g i l l e e r i n gp r a c t i c e i i i 北京工业大学管理学硕十学位论文 k e yw o r d sd a t a1 1 1 i n i n g ；f 锄i l y c u s t o m e rr e l a t i o n m a n a g e m e n t ；t e l e c o m ； c l a s s i f i c a t i o n ；p r e d i c t i o n ；i l yr e l a t i o n i v 卜 目录 目录 摘要i a b s t r a c t i j j 第1 章绪论卜 1 1 研究背景及研究意义1 - 1 1 1 研究背景卜 1 1 2 研究意义2 1 2 国内外研究现状及分析3 1 2 1 客户关系管理3 1 2 2 数据挖掘研究现状5 1 2 3 数据挖掘在电信客户关系管理中的应用6 1 2 4 目前研究的不足7 1 3 本文研究的内容8 1 4 本文的组织结构8 第2 章数据挖掘理论及方法概述1 1 2 1 电信领域内数据挖掘过程1 1 2 2 电信领域内常用的数据挖掘功能1 2 2 3 本文所应用的数据挖掘算法1 3 2 3 1 决策树1 3 2 3 2 人工神经网络1 4 2 3 3 线性规划1 6 2 3 4 其它方法一1 6 2 4 本章小结1 7 第3 章基于家庭关系的电话分类模型1 9 3 1 电信家庭客户关系管理模型1 9 3 1 1 电信家庭客户关系管理的实施背景1 9 3 1 2 电信家庭客户关系管理系统架构1 9 3 1 3 电信家庭客户关系管理模型2 0 3 2 基于家庭关系的电话分类模型2 1 3 3 基于家庭关系的电话分类指标体系2 卜 3 4 基于r b f 及决策树的分类模型设计2 2 3 4 1 属性重要性排序方法2 3 3 4 2r b f 神经网络属性选择方法2 4 3 4 3 生成决策树2 5 3 5 基于家庭关系的电话分类实证研究2 5 3 5 1 数据提取2 6 3 5 2 属性生成2 9 3 5 3 条件属性约简3 1 3 5 4 建立基于b p 神经网络的分类模型3 1 3 5 5 基于c 4 5 决策树的分类模型3 2 3 5 6 建立基于f u 3 f 神经网络与决策树结合的分类模型3 2 3 5 7 三种分类模型评估比较。3 4 v 3 5 8 分类模型实施结果3 4 3 6 本章小结3 4 第4 章潜在宽带客户预测研究3 7 4 1 潜在宽带客户预测的背景及意义3 7 4 2 潜在宽带客户预测模型设计3 8 4 3 潜在宽带客户预测实证研究4 l - 4 3 1 数据提取4 1 - 4 3 2 属性选取与约简4 1 4 3 3 利用线性规划法建模及求解4 1 4 3 4 非潜在宽带客户区间分布4 3 4 3 5 宽带市场空间预测4 3 4 3 6 结果验证4 5 4 4 本章小结4 5 第5 章电信家庭客户细分模型4 7 5 1 家庭客户细分的意义4 7 5 2 客户细分的属性选择4 7 5 3 未知价值属性估值4 9 5 3 1 i p t v 价值预测4 9 5 3 2 竞争运营商移动电话价值预测5 0 一 5 4 电信家庭客户细分实证研究5 2 5 4 1 家庭客户细分5 2 5 4 2 捆绑策略选择5 3 5 5 本章小结5 6 研究总结及展望一5 6 参考文献。5 9 攻读硕士学位期间所发表的学术论文6 3 攻读硕士学位期间所参与的课题6 5 致谢6 7 第1 章绪论 第1 章绪论 1 1 研究背景及研究意义 1 1 1 研究背景 伴随着国内电信市场的竞争日趋激烈，客户对其所使用的电信产品也提出了 更高的要求。当今的电信市场已从传统的“产品驱动 转向“客户需求驱动。 电信运营商作为电信市场竞争的主体，为了提高服务水平及增强产品竞争力，必 须以高优先级分析与研究电信客户消费行为及客户关系。如何将现有工具及技术 手段有效结合起来，研究电信客户消费行为和价值，实现营销的精确化，为不同 客户提供优惠且个性化的产品及服务，并建立起持续而稳定的客户关系，从而使 电信运营商的竞争力得到持续增强，已成为各大运营商急需解决的主要问题。 从市场层面上看，由于我国电信市场的特殊性，电信运营商均为大型国企， 受多重行政管制。从1 9 9 4 年电信改革开始，国内电信市场一直处于地域垄断( 电 信与网通“南北分治 ) 及单业务垄断竞争( 移动电话市场竞争仅存在移动与联 通之间，移动电话市场竞争仅存在电信与网通之间) 的状况。近年来，由于主营 业务发展乏力及业务牌照问题，绝大多数学者将研究主要集中在客户流失预测与 客户细分上。而在2 0 0 8 年6 月，伴随着电信六合三重组，三家全业务电信运营 商的出现及3 g 牌照的发放，使各电信运营商的潜在客户群急剧扩大、地域垄断 概念被突破。由于在单业务领域内各电信运营商的客户占有率差距显著( 如表 1 1 ) ，这给运营商带来了进入新业务领域的机遇，同时也使运营商在传统业务领 域内面临挑战。面对这些机遇与挑战，对于电信运营商而言，如何利用家庭客户 关系管理提高老客户满意度、发展新客户及提高企业获利能力就成为一个研究热 点。 表卜l2 0 0 9 年电信运营商的客户统计 t a b l e1 1t h en u m b e ro f t e l e c o m0 p e r a t o rc u s t o m e r si n2 0 0 9 固定电话用户数移动电话用户数宽带用户数年收入 中国移动2 0 7 9 万4 5 7 0 0 万4 8 0 万4 1 2 3 亿 中国电信2 0 8 2 9 万2 7 9 l 万4 5 9 0 万1 8 6 8 亿 中国联通1 0 0 1 5 万1 3 3 3 7 万2 5 4 2 万 1 7 1 2 亿 从技术层面上看，电信运营商传统的客户行为和客户关系的研究主要基于个 人客户，如固定电话客户、移动电话客户及宽带互联网客户，使用的分析方法通 常是描述性的统计分析。进入2 l 世纪以来，伴随着计算机硬件、数据库技术、 数据仓库技术及客户关系管理思想的快速发展及其在电信运营商中的应用与普 及，电信运营商获取客户的基本属性、消费行为及价值属性等信息的能力得到很 大的提高；而建立于统计学、人工智能和机器学习等技术上的各类数据挖掘工具 的应用与发展，为电信运营商研究其客户行为并在此基础上实施客户关系管理提 北京丁业大学管理学硕t 学位论文 供了技术支持。而作为电信业竞争主体的电信运营商已认识到通过企业内部运营 数据来进行分析和挖掘的重要性，对i t 系统的投入持续稳定增长，在原有综合 运营支撑系统( m b o s s ) 及运营数据存储( 0 d s ) 等的基础上，开始着重建设企业数 据仓库和客户关系管理系统，期望能将其分散的于各系统中的客户数据及信息集 成起来，通过统一的系统及界面实现应用。电信运营商现有各业务及管理系统中 的数据量非常庞大，如计费系统、账务系统、营业系统、客服系统及运行维护系 统等不仅拥有个人客户的基础信息，而且还记录着大量的客户行为信息和价值信 息( 如通话时长、通话次数等等) ；如关口局系统不仅拥有本运营商的个人客户 行为信息，而且还记录了大量竞争运营商的客户行为信息。这些工具与方法及海 量数据和信息均为电信运营商进行面向家庭客户关系管理的数据挖掘奠定了基 础。 家庭客户关系管理是一种基于家庭客户的客户管理思想，即利用数据挖掘技 术对电信运营商海量的个人客户数据进行挖掘分析，识别出基于家庭关系的固定 电话客户、移动电话客户及宽带互联网客户并将这些个人业务客户转化为家庭客 户，从而进行家庭客户细分，最终利用家庭业务捆绑保持与发展家庭客户，达到 提高家庭客户满意及运营商获利能力的目标。 本文中的家庭关系是特指由常居于同一居所基于血缘、婚姻或收养而形 成的一定范围的亲属之间的权利和义务关系，此处的同一居所即为该家庭的 第一居所。家庭客户是指具有家庭关系的个人客户的集合，家庭业务是指家 庭客户使用的所有电信业务。基于家庭关系的电话是指在同家庭在同一市域 内所拥有的固定电话及移动电话的总和，而市域是指拥有电信关口局的市域。本 文中所提及的固定电话、移动电话及宽带互联网等电信业务，如无特殊说明，均 为家庭业务。 1 1 2 研究意义 经过2 0 0 8 年电信业重组，中国移动、中国联通及中国电信均成为全业务电信 运营商。对于重组后的三大电信运营商而言，历史上首次拥有可满足家庭所有通 讯需求的能力( 在此之前，中国移动仅能提供移动电话服务，而中国电信则仅能 提供固定电话及宽带互联网服务) 。而随着三大电信运营商对于客户资源争夺的 日趋激烈，业务捆绑已成为各电信运营商的主要竞争手段。因此，以家庭客户为 对象进行业务捆绑便应运而生。而有效识别家庭客户、进行相应的家庭客户细分 并提出家庭业务捆绑，这些即是电信家庭客户关系管理的核心内容。电信家庭客 户关系管理对于电信运营商具有战略性意义主要体现在以下几方面： ( 1 ) 提升电信运营商的客户关系水平 目前电信运营商主要是以个人客户为对象进行客户关系管理，但这种方式存 在一些问题。以客户流失管理为例，当a 客户价值较低时，在进行挽留管理时， 第1 章绪论 电信运营商往往会忽视a 客户；而b 客户价值很高，且b 客户与a 客户具有家庭关系； 如果a 客户流失，b 客户随后有很大概率也会流失，由a 客户及b 客户组成的家庭客 户在此表现出选择一致性。而以家庭客户为对象的家庭客户关系管理就可以很好 解决这个问题，如果家庭客户价值较高，家庭中任意个人客户出现流失倾向，电 信运营商均对其进行挽留，确保了高价值家庭客户的稳定。 ( 2 ) 有利于带动电信运营商其它业务的发展。 现有d 家庭客户所使用的家庭业务由多个电信运营商提供，如果c 电信运营商 实施了家庭客户关系管理，分析出d 家庭客户的特征，就可以利用c 电信运营商在 d 家庭客户的家庭业务中的优势( 如宽带优势或移动电话优势) ，通过家庭业务捆 绑，使d 家庭客户的全部家庭业务均由c 电信运营商提供，将竞争电信运营商从d 家庭客户中逐出，达到促进c 电信运营商其它业务发展的效果。 本文结合我国电信业的实际，根据电信运营商i t 系统的建设及发展状态，研 究了基于数据挖掘的电信家庭客户关系管理系统及模型的设计；以客户关系管理 中的重点问题为着眼点，深入研究基于家庭关系的电话识别、家庭宽带客户预测、 基于家庭关系的客户细分等问题，针对各个问题利用相应数据挖掘算法建立模 型，并对模型进行实证分析与评估。本研究对我国电信运营商应用数据挖掘技术 实施家庭客户关系管理具有重要的理论价值和实践意义。 1 2 国内外研究现状及分析 从国外的情况看，一些世界知名的电信运营商如美国电话电报公司、沃达 丰公司等已将数据挖掘技术应用于客户消费行为的分析、客户价值的预测及客户 细分等，并以此作为提升其客户关系管理水平的重要手段，已积累起丰富的实践 经验并在其日常经营活动中得到体现。我国的电信运营商在这方面也进行了一些 探索及应用，如中国移动、中国电信及中国联通等电信运营商近年来在国内外咨 询公司、研究机构及大学的帮助下，使用各种数据挖掘工具对客户细分、流失预 警及客户挽留等问题进行了研究，为电信企业的经营活动及客户关系管理提供了 很大帮助。在电信客户关系管理系统实施上，上海电信研究院的设计的电信客户 关系管理系统已在中国电信正式上线，现己部署到中国电信的省级分公司，为中 国电信的重点客户关系管理提供支持。 随着国内电信运营商的各种数据系统集成度不断提高，客户关系管理水平稳 步上升，数据挖掘实践经验日趋丰富及各种通用挖掘工具的普及，数据挖掘技术 在电信客户关系管理中的地位日趋重要，已成为电信运营商提高服务水平及竞争 能力的主要手段。 1 2 1 客户关系管理 随着现代市场竞争的日益激烈，几乎所有企业都意识到客户的重要价值，只 北京t q 2 大学舀理学硕一f ：学位论文 要能够掌握优质的客户资源，在竞争中就有很大可能领先。因此，现代企业正逐 渐转变自己的经营思路，从传统的“以产品为中心向“以客户为中心 转型， 期望可以建立以客户为导向的经营战略。在“客户中心论”主导经营策略、关 系营销盛行于市场营销领域、消费者需求日益个性化的背景下，客户关系管理已 成为各行各业所关注的焦点。 客户关系管理的概念，最早由美国的g a r t n e rg r o u p 于1 9 9 9 年提出，并定 义为：客户关系管理是通过围绕客户细分方式组织企业，培养以客户为中心的经 营行为、实施以客户为中心的业务流程以提高企业的获利能力、收入以及客户满 意度的一项企业策略【l j 。 从起源看，客户关系管理起源于8 0 年代初所提出的接触管理，到9 0 年代初 期则演变成为客户关怀管理。关系营销对客户关系管理的发展有重要影响，其许 多重要思想被客户关系管理所吸收，如b 0 1 t o n 剖析了客户满意与客户关系的互 动关系，论证了客户满意对客户关系的决定性影响【2 】；b o v e 与j o h n s o n 分析了 客户与员工互动关系对客户忠诚的影响【3 】；b e n d a p u d i 等人深入剖析了如何避免 员工离职对客户关系所产生的消极影响等【4 】。可以这样认为，客户关系管理思想 包含了关系营销、关系管理、客户价值、高质量客户服务等管理理念，是适应企 业“以产品为中心”到“以客户为中心”的经营模式战略转移和关系营销的需要 而迅速发展起来的新管理理念，其终极目标是在保证企业经营利益的前提下追求 最大化得客户满意度和客户忠诚度。 伴随现代信息技术的飞速发展，越来越多的国内外企业、大学及研究机构等 把客户关系管理系统作为研究热点。客户关系管理系统是在以客户为中心的销 售、营销、服务和支持应用、自动化的基础上，提高客户满意度和忠诚度，从而 给企业带来长久利益的一种应用和理念。从全球范围看，涉及客户关系管理的研 究十分广泛【引，如p e p p a r d 【6 j 和h a 等人f 7 】研究了客户关系管理总体技术架构，为 客户关系管理系统的设计提供了技术框架；杨鸿刭8 j 研究了基于分析型客户关系 管理的移动数据产品精确营销问题；k a j i l a k u r a 【9 j 研究了基于数据库营销的交叉销 售问题，提出了解决交叉销售问题的流程及算法；v e r h o e f 【1 0 1 研究了交叉销售和 客户满意度对客户价值和客户关系的影响，将客户满意度作为重要因素进行考 虑；v e r h o e f 和d o n k e r s j 研究了客户的潜在价值和现实价值之间的相互关系， 通过定量及定性分析，提出了客户潜在价值的重要性。 客户关系管理系统可以分为运营型、分析型和协作型三类。运营型客户关系 管理系统，即所谓的前台办公应用，主要与企业的业务运营密切相关，包括销售 自动化、营销自动化、服务自动化等。协作型客户关系管理系统，是基于多媒体 联系中心、建立在统一接入平台上的系统，其整合了语音、传真、邮件、即时通 讯及视频等多个沟通渠道，提高了企业与客户的沟通能力。分析型客户关系管理 第l 章绪论 系统，即所谓的后台分析应用，主要以数据仓库为基础，运用数据挖掘、聚类分 析、0 l a p 等手段，实现统一客户视图，用于完成客户关系的深度分析，了解客 户价值、信用风险、购买趋向及生命周期等。 1 2 2 数据挖掘研究现状 随着数据管理技术的发展和数据库管理系统的广泛应用，企业的经营活动日 益依赖各类i t 系统的支持，随之带来的是系统中所积累的数据越来越多，大量 的数据背后隐藏着许多重要的信息。而现有的数据库系统主要是设计用来实现高 效地实现数据的录入、查询和统计等功能，但是不具备发现海量数据中隐含知识 的功能，更无法根据现有的数据有效地预测未来。这些收集于数据库中的数据终 将成为“数据坟墓 【l 2 。 人工智能技术作为计算机领域新的分支，其自1 9 5 6 年诞生以来取得了飞速 发展，并促成了数据库中的知识发现( k d d ) 的产生。k d d 是一门交叉学科，涉及 机器学习、模式识别、统计学、智能数据库、知识获取、数据可视化、高性能计 算、专家系统等多个领域。 在此情况下，数据挖掘技术应运而生。数据挖掘是人们长期对数据库技术进 行研究和开发的结果【1 3 】。简单的说，数据挖掘就是从海量数据中提取或“挖掘 知识。这些知识必须是隐含的、未知的、新颖的、潜在有用的以及最终可理解的 模式。数据挖掘的概念与k d d 十分相近，但严格来说两者还是有一定的区别的。 k d d 强调的是从大规模数据库中挖掘有价值的知识，即从低层数据抽象到高层知 识的整个过程；而数据挖掘则是k d d 中不可或缺的一个重要步骤，侧重于通过算 法的设计和实现达到发现知识的目的。 数据挖掘技术的深入应用，产生了大量经典的数据挖掘算法。从功能角度看， 常用的数据挖掘方法包括了聚类、分类、预测、关联分析、复杂类型的数据挖掘 ( 如文本挖掘等) 等【l 引。 聚类分析算法最早是由k a u f m a n 等提出的，探讨了聚类分析的单连接方法 【1 5 】；a l f r e d 进一步给出了单连接方法的通用公式【1 6 1 ；a r o n i s 提出了著名的 k m e a n s 算法旧；在这些研究的基础上聚类算法得到了很大发展，被广泛用于各 种类型的细分研究并产生了大量改进算法。 在分类算法中，决策树的应用十分普遍。它起源于概念学习系统( c l s ) ，具 有分类精度和效率较高、结果易于理解、能够导出分类规则等优点，其建模主要 包括了建树和剪枝两个阶段。构造决策树算法有多种，较有代表性的有q u i n l a n 的i d 3 算法【1 8 l 、b r e i m a n 等人的c a r t 算法、l o h 和s h i h 的q u e s t 算法【19 1 、m a g i d s o n 的c h a i d 算法【2 0 】；剪枝算法有b r e i m a n 的复杂一代价剪枝、q u i n l a n 的减少错误 的剪枝和悲观估计剪枝【2 i 】。关于决策树的规则提取研究主要有q u i n l a n 提出的直 接由训练数据推导规则的方法、c 1 a r k 提出的c n 2 规则推导算法1 2 引、s m y t 等提出 北京工业大学管理学硕十学位论文 i t r u l e 算法【2 3 】、m a j o r 和m a n g a n o 提出的规则精炼策吲2 4 1 。经过多年的发展， 决策树方法已经被成功地应用到从电信客户流失预测到评估贷款申请的信用风 险的广阔领域。而除了决策树之外，支持向量机【2 5 】和朴素贝叶斯网络【2 6 】也是主 要的分类算法。 神经网络在数据挖掘任务中具备聚类、分类和预测等多种功能。z u r a d a 等 人验证了神经网络解决大规模或超大规模问题的功效【z 7 j h u g a n 论述了基于人工 神经网络的学习规则，提出高效的网络训练方法例；h a y k i n 等人提出了人工神 经网络的综合模型，解释神经网络的有指导学习和无指导学习机制【2 9 】：v e s a n t o 将s o m ( 自组织映射神经网络) 模型和规则提取、回归分析相结合进行研究1 3 0 】；杨 占华等把s o m 和k m e a n s 的组合聚类算法应用于文档聚类【3 l 】；s h i n 等利用基于 记忆的推理来解决神经网络黑箱问题，提出了基于神经网络与记忆学习的混合数 据挖掘方法【3 引。w e i 等利用神经网络来处理数据挖掘中的数据缺失问题，分两阶 段填充缺失数据【3 3 】。a n b a n a n t h e n 等利用神经网络修剪树解决黑箱问题，在保持 分类精度情况下减少了冗余规则【3 4 1 。神经网络研究是目前数据挖掘研究中的热点 方向之一，广泛用于影像、图像及文字识别及医学诊断等领域。 随着数据挖掘技术的不断成熟和深入应用，一些企业和科研院所开始把数据 挖掘方法和模型固化为通用性的数据挖掘工具。此类工具的特点是提供多种成熟 的数据挖掘算法，并包括了数据的转换和结果的可视化。这类工具并非面向特定 的应用，可以称之为横向的数据挖掘工具。其中较有影响的商业化数据挖掘系统 有：s p s s 公司的c 1 e m e n t i n e 系列( 现已被i b m 公司收购) 、i b m 公司的i n t e l l i g e n t m i n e r 、s a p 公司的b u s i n e s so b j e c t se x p l o r e r 、s y b a s e 公司的w a r e h o u s e s t u d i o 、s a s 公司的e n t e r p r i s em i n e r 、r u l eq u e s tr e s e a r c h 公司的s e e 5 、甲 骨文公司的o r a c l e 系列数据库系统中的0 r a c l ed a t am i n i n g 组件、m i c r os o f t 公司的s q l2 0 0 5 中的b i 组件等1 3 5 j 。 1 2 3 数据挖掘在电信客户关系管理中的应用 随着全球电信市场的逐步放开和信息通信技术的快速发展，电信业的进入门 槛在逐渐减低，在此背景下电信市场竞争愈演愈烈，客户对电信运营商所提供的 产品及服务提出更高要求。日趋激烈的市场竞争环境及个性鲜明的客户需求促使 各电信运营商不得不考虑寻求新的盈利模式，以及如何通过提高服务品质提升自 身的核心竞争力。电信运营商已经意识到只有客户才是电信企业生存和发展的根 本，通信技术必须为市场服务。而保持现有客户、发展新客户和充分发掘现有客 户的价值潜力则是电信企业提高核心竞争力的关键所在，为了达成这些目标，各 大电信企业非常关注如何通过各种方式提高客户的满意度及忠诚度。 在这种背景下，客户关系管理已经成为国内外电信运营商关注的焦点，各运 营商已投入相当资源进行相关研究。对于电信运营商而言，其客户关系管理同样 筇1 章绪论 离不开发展新客户、保持老客户和提升客户价值三个目标p6 。，而这三个目标又可 以具体细化为客户价值评价、客户细分、客户流失预警及挽留、业务捆绑销售分 析、营销响应预测、潜在客户预测等若干个具体商业问题【3 。这些商业问题的有 效分析和解决往往依赖于电信运营商的内外部客户数据和基于数据挖掘技术的 客户知识发现【3 8 】。在这种需求的拉动下，数据挖掘技术在电信客户关系管理中的 应用研究越来越广泛p 引。 从对电信客户价值的研究看，h w a n g 等基于生命周期价值理论建立了韩国无 线通讯公司的客户生命周期价值模型，并以此为依据给出了相应的客户细分策略 【4 0 】；谭耀武结合国内电信行业实际，通过研究数据挖掘粗糙集技术，提出了电信 运营商客户价值评价系统，以提高我国电信运营商的客户关系管理水平【4 l 】；张扬 明、齐佳音等针对移动运营商的客户特点，提出了一套综合评价移动客户价值的 指标体系，并给出了基于数据挖掘技术的客户价值评价方法【4 2 】；胡平等根据电信 运营商的行业特点，构建了电信客户价值的三维评价指标体系并利用a h p 法进行 评价【4 3 1 ，刘志强针对现有以a r p u 为基础计算客户价值的方式的不足，设计了综 合当前价值和潜在价值两方面的个人客户指标体系，以帮助电信运营商细分不同 价值等级的客户m j 。 从对电信客户细分研究看，a b a s c a l 等从定性研究和定量研究相结合的角度 出发，应用基于多因素分析( m a f ) 的多准则聚类技术，对国外某电信公司数据仓 库中的数据进行分析，建立了性能较为优越的电信客户细分模型【4 5 】；陈凤洁等应 用聚类分析技术解决电信行业中的客户细分问题，并结合实际数据建立了相应的 客户细分模型4 6 】；吕巍等分析了中国移动市场现状，结合k m e a n s 聚类算法和客 户行为细分方法，提出基于k m e a n s 算法的中国移动市场动态客户行为细分模 型，并进行了实证研究【4 7 】；牛琨重点研究了聚类分析中的若干关键技术和算法， 同时探讨了它们在电信客户细分领域的应用j 。 1 2 4 目前研究的不足 目前，电信行业的客户关系管理及数据挖掘技术的应用在理论界和企业界都 是研究的热点。这些研究成果或从数据挖掘理论及算法角度进行了深入的探讨， 或从客户关系管理系统的角度研究了分析、设计与实施等关键步骤，或从应用角 度提出了一些相对成熟的数据挖掘工具以及解决具体商业问题的数据挖掘模型 和方法。可以说，这些研究成果极大的推动了数据挖掘在电信运营商客户关系管 理中的应用，但从应用现状来看，还存在一些值得改进的地方： 首先，现有客户关系管理系统架构及管理模型的设计，均建立在电信个人客 户基础上，没有将电信家庭客户考虑进来。其次，现有基于家庭关系的电话识别， 主要识别归属同一运营商的固定电话及移动电话，无法将同一家庭内的所有电话 ( 包括各运营商) 识别出来，而后者才能代表大多数家庭电话业务的现状。再次， 北京t 业大学管理学硕t ：学位论文 现有潜在宽带预测存在