数据挖掘技术在电信行业CRM中应用研究

1、湖南商学院北津学院学年论文第17页 共17页数据挖掘技术在电信行业CRM中应用研究内容摘要本文在介绍数据挖掘技术和客户关系管理概念的基础上，以电信行业为背景，介绍了将数据挖掘技术应用到客户关系管理中的流程和方法。关键词数据据挖掘、客户户关系管理、电电信行业一、数据挖掘方方法和技术在在客户关系管管理中的应用用数据挖掘的任务务主要是关联联分析、聚类类分析、分类类、预测、时时序模式和偏偏差分析等，根根据数据挖掘掘所能够完成成的任务，数数据挖掘的技技术可以应用用到以客户为为中心的企业业决策分析和和管理的各个个不同领域和和阶段。在客客户关系管理理中，它可以以应用到以下下几个方面：客户群体分分类分析、客客

2、户盈利能力力分析、客户户背景分析、客客户满意度分分析、交叉销销售、客户信信用分析、客客户流失分析析、客户的获获得与保持等等。（一）、客户群群体分类分析析客户细分是指将将一个大的消消费群体划分分成一个个细细分群的动作作，同属一个个细分群的消消费者彼此相相似，而隶属属于不同细分分群的消费者者是不同的。细细分可以让一一个用户从比比较高的层次次上来查看整整个数据库中中的数据，细细分也使得人人们可以用不不同的方法对对待处于不同同细分中的客客户。有多种种方式可以在在细分上运用用数据挖掘，通通常用来建立立细分群的数数据挖掘方法法是决策树方方法和聚类方方法。首先，数数据挖掘可以以用来根据客客户的预测行行为来定

3、义客客户细分群。如如决策树的叶叶节点可视为为一个独立的的客户细分群群，每个叶节节点由某些特特定的客户特特征定义，对对所有符合这这些特征的客客户存在一些些预测行为。数数据挖掘可以以把大量的客客户分成不同同的类，在每每一个类里的的客户具有相相似的属性，而而不同类里的的客户的属性性也不同。大大多数公司一一般将客户分分为VIP客客户、主要客客户、普通客客户和小客户户4类。电信客户分类一一般是按照业业务类型进行行分类，主要要分为大客户户和普通客户户。大客户又又主要包括两两类：其一指指客户范围大大，不仅包括括普通的消费费者，还包括括企业的分销销商、经销商商、批发商和和代理商；其其二指客户的的价值大，不不同

4、的客户对对企业的利润润贡献差异很很大，20%的大客户贡贡献了企业880%的利润润，因此，企企业必须要高高度重视高价价值客户以及及具有高价值值潜力的客户户。在大客户户营销战略中中的大客户是是指后者，是是指公司所辖辖地域内使用用产品量大或或单位性质特特殊的客户，主主要包括经济济大客户、重重要客户、集集团客户与战战略客户等。（二）、客户盈盈利能力分析析客户盈利能力分分析是数据挖挖掘的基础。数数据挖掘技术术是通过帮助助你理解和提提高客户盈利利能力来发挥挥作用的，它它可以用来预预测在不同的的市场活动情情况下客户盈盈利能力的变变化，通过分分析已经发生生的事实来发发现信息和预预测未来。数数据挖掘技术术可以从

5、客户户的交易记录录中发现一些些行为模式，并并用这些行为为模式来预测测客户盈利能能力的高低，但但首先必须要要设定一种计计算客户盈利利能力的方法法。数据挖掘掘技术还可以以用来揭示客客户的行为习习惯和预测发发现一些在不不同情况下有有相似行为的的新客户。通通过数据挖掘掘技术可以优优化一个市场场活动以确定定哪些顾客对对提供的产品品和服务感兴兴趣。（三）、交叉销销售现代企业和客户户之间的关系系是经常变动动的，一旦一个人人或一个团体体成为企业的的客户，就要竭力使使这种客户关关系趋于完善善，需要对现有有的客户进行行交叉销售。交叉销售是是建立在双赢赢原则上的，对客户来讲讲，要得到更多多更好满足需需求的服务且且从

6、中受益，对企业来讲讲，也会因销售售额的增长而而获益。数据挖掘可可以帮助企业业分析出最优优的合理的销销售匹配。交叉销售就是指指向现有的客客户提供新的的产品和服务务的营销过程程，那些购买了了某种产品和和服务的客户户很有可能同同时购买你能能提供的某些些他感兴趣的的相关产品和和服务，数据挖掘技技术可以帮助助企业发现这这种行为模式式并从中获利利。交叉销售还还有一种形式式就是“升级销售”，即向客户提提供与他们已已购买的服务务相关的增值值服务。例如，电信公司向向已经使用标标准长途电话话服务的客户户推销优质长长途电话服务务。使用数据挖掘技技术进行交叉叉营销分析一一般是从分析析现有客户的的购买行为数数据开始，将

7、每个单项项产品销售分分析进行叠加加，形成多项产产品的交叉营营销分析。首先收集关关于现有客户户消费习惯的的数据，然后对这些些数据进行挖挖掘，对所有的客客户提供最合合适的产品和和服务。对交叉营销销做分析时，具体的数据据挖掘过程包包括：对个体行为为进行建模；用预测模型型对数据进行行评分； 对得分矩矩阵进行最优优化处理。建模过程时时用数据挖掘掘的一些算法法对数据进行行分析，然后产生一一些数学模型型，这些模型用用来对客户将将来的行为进进行预测分析析。在交叉营销销分析中，需要对每一一种交叉营销销的情况都要要建立一个模模型。在这些交叉叉营销分析模模型建好以后后，每一个模型型都可以用来来分析新的客客户数据以预

8、预测这些客户户将来的行为为。评分过程就就是计算这些些数学模型的的结果，评分过程的的结果就是产产生一个得分分矩阵，矩阵的每一一行代表一位位顾客，每一列代表表一种交叉销销售的情况。最后一步就就是对这个得得分矩阵进行行最优化处理理，即对每一位位顾客选出最最适合的几种种服务方案。使用数据挖挖掘技术建立立预测模型可可以帮助找出出客户最适合合的服务种类类，来进行针对对性的营销活活动。在交叉销售售中通常采用用的数据挖掘掘算法是关联联规则。（四）、客户的的保持随着行业的竞争争越来越激烈烈和获得一个个新客户的开开支越来越大大，保持原有客客户的工作也也越来越有价价值。保留一个客客户的时间越越长，收回你在这这个客户

9、身上上所花的初期期投资和获取取费用的时间间越长，你从客户身身上获得的利利润就越多。随着获得新新客户的费用用与保留客户户的费用比在在逐年升高，这样的效果果也逐年明显显，尤其电信业业在获取新客客户的时候的的费用是非常常高的。但是由于各各种因素的不不确定性和市市场的不断增增长以及一些些竞争对手为为新客户提供供比你更多的的额外优惠条条件，很多客客户为了求得得更低的费用用，不断的从从你这里转向向另一个服务务商。客户从从一个服务商商转向到另一一个服务商的的行为称为客客户转移。为为了分析出是是哪些主要因因素导致客户户转移并可以以有针对性的的挽留那些有有离开倾向的的客户，企业业可以通过使使用数据挖掘掘技术，建

10、立立客户转移倾倾向的预测模模型，挖掘出出具有高风险险转移可能性性并具有较高高商业价值的的客户，在这这些客户转移移到同行业其其它服务商那那里之前，采采取相应的商商业活动措施施来保持住这这些有价值的的客户，这个个过程就叫做做客户的保持持。由于客户保持预预测模型是全全局市场策略略的一部分，如如何使用预测测工具将对实实施预测模型型带来的效益益产生重要的的影响。因此此选择的数据据挖掘技术要要使企业能够够对客户进行行细分并且能能够对客户流流失的原因有有比较清晰的的了解。在这这样的要求下下，分类回归决决策树CARRT和数据挖挖掘技术中的的一些其它决决策树如CHHAID和CC4.5都可可以很好的运运用在这类现

11、现实环境中。从两个方面分析析电信企业客客户保持的重重要性，从电信企业业所处的外部部环境来看，客户保持是是进行市场竞竞争的需要。在社会经济济发展，科技进步的的影响之下，我国的电信信市场逐渐扩扩大，电信业务的的需求量不断断增长。大量新运营营商不断进入入电信市场，更激发了市市场竞争的激激烈程度。随着电信市市场垄断局面面的打破，市场上的厂厂商获利由垄垄断时期的高高额利润降至至市场平均利利润水平。在这种情况况下，客户保持的的重要性就在在竞争中凸现现出来。从电信运营营商的角度来来看，客户保持是是企业生存发发展的需要。通过一组数数据表明：发展一位新新客户的成本本是挽留一个个老客户的44倍；客户忠诚度度下降5

12、%，则企业业利润下降225%；向新新客户推销产产品的成功率率是15%，而向向现有客户推推销产品的成成功率是500%；如果将将每年的客户户关系保持率率增加5个百百分点，可能使利润润增长85%；向新客户进进行推销的花花费是向现有有客户推销花花费的6倍；如果公司对对服务过失给给予快速关注注，70%对服服务不满的客客户还会继续续与其进行商商业合作； 60%的的新客户来自自现有客户的的推荐；一个对服务务不满的客户户会将他的不不满经历告诉诉其他810 个个人，而一位满意意的客户则会会将他的满意意经历告诉223人。以上数据充充分说明，客户是目前前商业活动的的中心，衡量一个企企业是否成功功的标准将不不再仅仅是

13、企企业的投资收收益率和市场场份额， 而是该企企业的客户保保持率，客户份额及及客户资产收收益率等指标标。可见，客户保持的的价值体现在在增加企业的的盈利、降低企业的的成本以及提提高企业的信信誉度、美誉度等方方面。近年来电信体制制的激烈变革革和竞争的加加剧使电信企企业忙于开拓拓市场、发展客户，对客户保持持重视不够。从而导致企企业一方面投投入大量时间间、人力、财力去发展展新客户，另一方面因因客户保持工工作的不完善善导致现有客客户不满意而而发生流失，这种情况对对企业危害极极大。面对当前的的市场状况。电信企业必必须摒弃那种种“狗熊掰棒子子”式的市场开开拓方式，在发展新客客户的同时，着手进行客客户保持的研研

14、究，以有效的客户户关系管理来来提高客户的的保持力，支支持企业经济济效益的不断断增长。（五）、客户的的获取数据挖掘技术可可以帮助企业业完成对潜在在客户的筛选选工作，市场人员把把由数据挖掘掘技术得出的的潜在客户名名单和这些客客户感兴趣的的优惠措施系系统地结合起起来。数据挖掘技技术在发展新新客户策略中中的应用是围围绕数据开展展的，用获得的客客户数据建立立一个预测模模型，然后根据模模型预测获得得最优价值的的潜在客户信信息。客户的获取取包括发现那那些对你的产产品不了解的的顾客，它们可能是是你的产品的的潜在消费者者，也可能是以以前接受你的的竞争对手服服务的顾客，其中有些客客户可能以前前是你的客户户。通过数

15、据挖掘技技术来获取新新客户首先必必须收集一份份潜在客户名名单。在潜在在客户名单上上列出哪些可可能对你的产产品或服务感感兴趣的消费费者的信息。这这些信息应不不仅包括客户户的基本信息息还应包括消消费者消费行行为的大量信信息如个体的的兴趣、消费费习惯、消费费倾向和消费费需求等。通通过各种数据据源来收集这这些信息，如如果没能收集集到足够的数数据，那么就就需要通过一一次小规模的的实验活动来来收集分析用用的数据。在在挑选实验活活动的对象时时，不仅要从从潜在客户名名单中选取一一些客户，还还要随机选取取一些与潜在在客户名单上上顾客属性特特征不同的客客户作为实验验对象。这样样可以为将来来的数据挖掘掘提供足够有有

16、价值的信息息。二、客户数据挖挖掘主题对照数据挖掘研研究的4类问问题：关联、分分类、预测、聚聚类，客户数数据挖掘主题题也可按此44类来划分。（一）、关联问问题横向关联：是挖挖掘表面看似似独立的事件件间的相互关关系，例如“90%的顾顾客在一次购购买活动中购购买商品A的的同时购买商商品B”之类的知识识。比如经典典的“尿布和啤酒酒”的故事，就就是利用这种种方法，发现现二者之间有有很高的相关关系数，引起起重视，然后后深入分析后后才找出内在在原因的。次序关联：这种种分析的侧重重点在于分析析事件的前后后序列关系，发发现诸如“在购买A商商品后，一段段时间里顾客客会接着购买买商品B，而而后购买商品品C”的知识，

17、形形成一个客户户行为的 “ABC”模式。比如如一个顾客在在买了电脑之之后，就很有有可能购买打打印机、扫描描仪等配件。关联问题研究客客户各项属性性特征的相互互关系以及交交叉销售等问问题，同时也研究究客户实体和和其它实体的的关系。电信业比较较典型的关联联问题有交叉叉销售、套餐选择问问题、业务相互影影响等问题。（二）、预测问问题客户预测问题是是预测客户的的行为变化或或消费等属性性变化。客户典型的的行为变化有有流失、 增增加、通话行行为变化、消消费行为变化化、客户信息息变化、和其其它行为变化化。比较典型型的预测问题题有客户流失失/大客户离离网、潜在大大客户预测、客客户级别变动动、客户发展展、市场效果果

18、预测等。（三）、分类问问题分类分析就是通通过分析样本本客户数据库库中的数据，为为每个类别做做出准确的描描述或建立分分析模型或挖挖掘出分类规规则，然后用用这个分类规规则对其它客客户的记录进进行分类。比比如电信公司司根据客户的的消费记录，把把客户分成大大客户和普通通客户，并标标记数据库中中的每个记录录。有了这样样的挖掘结果果，客户服务务部门就知道道一个新的客客户的潜在价价值，在客户户服务投入上上就心中有底底。（四）、聚类问问题聚类是分类的逆逆向方法。聚聚类把没有分分类的记录，在在不知道应分分成几类的情情况下，按照照数据内在的的差异性大小小，合理地划划分成几类，并并确定每个记记录所属类别别。它采用的

19、的分类规则是是按统计学的的聚类分析方方法决定的。客客户聚类问题题是对客户特特征的研究，典典型的聚类问问题有客户特特征分析、消消费模型和异异常客户分析析等。三、数据挖掘技技术对客户管管理管理的影影响和作用在CRM中应用用数据挖掘，第第一步是要理理解数据挖掘掘所要解决的的具体业务问问题；第二步步根据问题准准备相应的数数据，并对数数据进行预处处理；第三步步是选择挖掘掘的模型，比比如是用关联联规则还是聚聚类等等；第第四步是用训训练集数据训训练和评估挖挖掘模型的效效果。一旦评评估可以达到到一定满意程程度，该模型型就得到确定定，演变为一一个固定的业业务应用模型型。这个业务务应用模型就就可以套用于于实际的业

20、务务处理，从而而完成一个闭闭环的挖掘过过程。当业务务发生了变化化或者有新的的需求产生时时，数据挖掘掘就在另外一一个层次上重重复这个循环环过程。循环环过程如图44.1所示。图4.1 数据据挖掘应用循循环过程在CRM中应用用数据挖掘，可可以在以下方方面对CRMM提供支持：（一）、为决策策提供依据企业运营过程中中的各种信息息都是通过数数据反映出来来的，通过对对这些数据的的分析，可以以发现企业运运营过程中的的规律，从而而对企业的生生产活动、市市场活动等提提供科学指导导意义。CRRM目前解决决了企业与外外部市场进行行信息接入的的问题，产生生大量数据通通过报表等统统计方法，只只能得到一般般意义上的信信息反

21、映。而而通过数据挖挖掘技术，可可以发现许多多深层的、手手工无法发现现的规律，帮帮助企业在激激烈的竞争环环境中获胜。（二）、为用户户提供针对性性服务通过数据挖掘技技术，可以根根据客户的消消费行为进行行分类，找出出该类客户的的消费特征，然然后提供更具具个性化的服服务，从而改改进企业的服服务水平，提提高企业的社社会效益和经经济效益。（三）、提高企企业决策的科科学性目前，企业的决决策具有很大大的盲目性，如如果采用数据据挖掘技术，就就可以在自己己的生产过程程中产生的数数据基础上，进进行科学分析析，得出比较较科学的预测测结果，减少少决策失误。通通过数据挖掘掘技术，可以以让企业的决决策回归到自自己的业务中中

22、，得到更实实际的判断。（四）、增值作作用数据挖掘在CRRM中会有很很多种应用，而而且有些应用用可以帮助简简化管理运营营，有的则可可以提供一些些业务关联性性的数据，帮帮助企业更好好地开展业务务，实现增值值。（五）、简化管管理企业运营管理被被人们提到前前所未有的高高度，一个企业即即使建的很好好，技术也很先先进，但是如果管管理不好，优势仍然发发挥不出来。数据挖掘能能帮助简化管管理：1、预测业务量量，安排人工在企业中，业务务量是个重要要的指标，企业要根据据业务量的大大小，安排人员的的数量，但是业务量量是个变化的的指标，以往比较难难以预测。通过数据挖挖掘中的时间间序列分析，可以对业务务量的情况进进行一定

23、程度度的预测，就可以更合合理的安排人人员的数量，在不降低效效率的基础上上，降低企业的的运营成本。2、进行关联分分析，降低运营成成本通过数据挖掘中中关联分析，可以进行业业务的相关性性分析，分析出哪几几种业务具有有比较强的关关联性。这样，在安排人员员时，就可以将两两种或更多的的业务人员进进行一定程度度的合并，减少人员数数量，降低经营成成本。四、数据挖掘技技术在电信客客户关系管理理中的应用（一）、数据挖挖掘技术在电电信CRM中中主要应用领领域电信运营商拥有有许多成熟的的数据库应用用系统，产生生了大量的业业务处理数据据。如果针对对客户关系管管理相关决策策分析的需求求，对这些数数据进行重组组整合，就能能

24、充分利用这这些宝贵的数数据，体现信信息的真正价价值。目前电电信CRM的的数据挖掘应应用主要涉及及以下几个方方面：1、客户消费模模式分析客户消费模式分分析是对客户户历年来长话话、市话、信信息台的大量量详单、数据据以及客户档档案资料等相相关数据进行行关联分析，结结合客户的分分类，可以从从消费能力、消消费习惯、消消费周期等诸诸方面对客户户的话费行为为进行分析和和预测，从而而为运营商的的相关经营决决策提供依据据。2、业务预测分分析通过对历史数据据的分析，找找出影响业务务发展的因素素，然后对这这些因素的未未来发展作出出预计，从而而大致地确定定未来业务量量，作为制订订发展计划的的重要依据。3、客户欠费分分

25、析和动态防防欺诈通过数据挖掘，总总结各种骗费费、欠费行为为的内在规律律，并建立一一套欺诈和欠欠费行为的规规则库。当客客户的话费行行为与该库中中规则吻合时时，系统可以以提示运营商商相关部门采采取措施，从从而降低运营营商的损失风风险。4、客户流失分分析根据已有的客户户流失数据，建建立客户属性性、服务属性性、客户消费费情况等数据据与客户流失失概率相关联联的数学模型型，找出这些些数据之间的的关系，并给给出明确的数数学模型。然然后根据此模模型来监控客客户流失的可可能性，如果果客户流失的的可能性过高高，则通过促促销等手段来来提高客户忠忠诚度，防止止客户流失的的发生。这就就彻底改变了了以往电信运运营商在成功

26、功获得客户以以后无法监控控客户流失的的状况。5、大客户特征征识别大客户群体是电电信企业利润润的主要来源源，也是电信信企业之间相相互争夺的焦焦点。识别出出大客户，制制订针对性的的措施，提高高大客户的忠忠诚度，是电电信企业保持持竞争优势的的关键所在。不不仅能够根据据现有消费量量的多少来判判断用户是否否为大客户，还还应该根据现现有大客户的的资料提取出出大客户的特特征，并发现现潜在的大客客户。6、网络资源的的管理通信网在运行过过程中产生了了大量的运行行数据。对这这些数据进行行挖掘，有利利于尽早发现现潜在的网络络故障，提高高网络的利用用率。（二）、数据挖挖掘的应用实实例客户流失失分析一个完整的数据据挖掘

27、过程可可进一步细分分为业务问题题定义、数据据选择、数据据清洗和预处处理、模型选择与与预建立、模型建立与与调整、模型的评估估与检验、模型解释与与应用。1、业务问题定定义针对客户流失的的不同种类分分别定义业务务问题，进而而区别处理。在在客户流失分分析中有两个个核心变量：财务原因/非财务原因因、主动流失失/被动流失失。客户流失失可以相应分分为四种类型型，其中非财财务原因主动动流失的客户户往往是高价价值的客户，他他们会正常支支付服务费用用，并容易对对市场活动有有所响应，这这种客户是企企业真正需要要保住的客户户。此外在分分析客户流失失时必须区分分集团/个人人客户，以及及不同消费水水平的客户，并并有针对性

28、地地制定不同的的流失标准。例例如，平均月月消费额15500元的客客户连续几个个月消费额降降低到3000元以下，就就可以认为客客户流失发生生了，而这个个流失标准不不适用于原来来平均月消费费额400元元的客户。国国外成熟的应应用中通常根根据相对指标标来判别客户户流失，例如如大众的个人人通信费用约约占总收入的的1%3%，当客户的的个人通信费费用远低于此此比例时，就就认为发生了了客户流失。2、数据选择数据选择包括目目标变量的选选择、输入变变量的选择和和建模数据的的选择。a)目标变量的的选择客户流失分析的的目标变量通通常为客户流流失状态。根根据业务问题题的定义，可可以选择一个个已知量或多多个已知量的的组

29、合作为目目标变量。实实际的客户流流失形式有因因账户取消发发生的流失和和因账户休眠眠发生的流失失两种。对于于因账户取消消发生的流失失，目标变量量可以直接选选取客户的账账户状态（取取消或正常）；对于因账户户休眠发生的的流失，可以以认为持续休休眠超过一定定时间长度的的客户发生了了流失。这时时需要对相关关的具体问题题加以考虑：持续休眠的的时间长度定定义为多少？每月通话金金额低于多少少即认为处于于休眠状态，或或者是综合考考虑通话金额额、通话时长长和通话次数数来划定休眠眠标准？选择择目标变量时时面临的这些些问题需要业业务人员给予予明确的回答答。b)输入变量的的选择输入变量是模型型中的自变量量，在建模过过程

30、中需要寻寻找自变量与与目标变量的的关联。输入入变量分为静静态数据和动动态数据。静静态数据指不不常变化的数数据，包括服服务合同属性性（如服务类类型、 服务务时间、交费费类型）和客客户的基本资资料；动态数数据指频繁或或定期改变的的数据，如月月消费金额、交交费记录、消消费特征。业业务人员在实实际业务活动动中可能会感感觉到输入变变量与目标变变量的内在联联系，只是无无法量化表示示出来，这就就给数据挖掘掘留下了发挥挥的空间。如如果一时无法法确定某种数数据是否与客客户流失概率率有关联，应应该暂时将其其选入模型，并并在后续步骤骤考察各变量量分布情况和和相关性时再再行取舍。c)建模数据的的选择客户流失的方式式有

31、两种。第第一种是客户户的自然消亡亡，例如身故、破产、迁徙、移民而导致致客户不再存存在，或者由于客客户服务的升升级造成特定定服务的目标标客户消失。第二种是客客户的转移流流失，通常指客户户转移到竞争争对手，并使用其服服务。第二种流失失的客户才是是运营商真正正关心的、具有挽留价价值的客户。因此在选择择建模数据时时必须选择第第二种流失客客户数据参与与建模，才能建立有有效的模型。3、数据清洗和和预处理数据清洗和预处处理是建模前前的数据准备备工作，一方面保证证建模数据的的正确性和有有效性， 另一方面面通过对数据据格式和内容容的调整，使数据更符符合建模的需需要。数据整理的的主要工作包包括对数据的的转换和整合

32、合、抽样、随机化、缺失值处理理等。例如按比例例抽取未流失失客户和已流流失客户，将这两类数数据合并，构成建模的的数据源。此外，模型在建立立之后需要大大量的数据来来进行检验，因此通常把把样本数据分分为两部分，2/3的数数据用于建模模，1/3的数数据用于模型型的检验和修修正。4、模型选择与与预建立在模型建立之前前，可以利用数数据挖掘工具具的相关性比比较功能，找出每一个个输入变量和和客户流失概概率的相关性性，删除相关性性较小的变量量，从而可以缩缩短建模时间间，降低模型复复杂度，有时还能使使模型更精确确。现有的数据据挖掘工具提提供了决策树树、神经网络、近邻学习、回归、关联、聚类、贝叶斯判别别等多种建模模方法。可以分别使使用其中的多多种方法预先先建立多个模模型， 然后对这这些模型进行行优劣比较，从而挑选出出最适合客户户流失分析的的建模方