数据挖掘在客户生命周期管理中的应用的分析

错误!未找到引用源。。

应用数据挖掘实现客户生命周期管理——以电信行业为例本章以电信行业为例，收集客户数据，选择合适的数据挖掘方法，分析客户的各阶段行为特征，从而制定相对应的具体化服务策略。（一）数据挖掘方法与技术选择在实施任何数据挖掘工作前首先需要明确商业背景以及需要解决的商业问题，明确数据挖掘要研究和解决的主题。电信行业是技术密集性行业,体现一个国家的信息技术化水平。近些年来，我国的经济处于快速增长的状态。时代在改变，人们的想法也在改变，需求也在变化。随着互联网的快速发展，客户对短信等业务的使用大幅度减少，短信、语音业务渐渐被QQ、微信等软件APP替代。因此电信运营商需要改变其网络规模、业务范围等方面，适应时代的发展，提高工作效率，从而创造更大的价值。数据挖掘常用的方法和技术不下几十种，主要有关联规则、数据分类、数据聚类、时间序列模式、意外规则、回归分析、偏差分析等等。与其他的数据挖掘方法相比，决策树在分类方面存在一定的优势。决策树速度快且计算量小，同时决策树模型准确性相对比较高，决策树还可以清晰地显示哪些字段比较重要，分类规则清晰且易理解。在研究客户生命周期的四个阶段中，都能用到决策树这一方法。数据挖掘中决策树方法的开展过程如下：首先界定分析电信行业客户原始数据，确定电信客户的分类，找出电信客户需求信息，如某客户平常更多地使用流量还是语音通话，倾向于哪一阶段价格或者哪一种套餐。然后，明确电信行业的重点客户，只研究那些高价值客户的业务数据，找出忠诚客户。同时对原始电信客户数据做一些分析，找出高价值电信客户的共同点和关键词，确定哪些客户会发展成为潜在客户，剔除一些不守信用客户的数据或者是对电信行业贡献很少的客户对的信息。最后，整合所获得的客户数据，得到最终结果，从而更好的制定的市场服务策略。聚类分析也经常被分析人员使用，它既可以用于数据挖掘过程以获得数据分布的内在规律，也可以是其他数据的预处理步骤。在客户生命周期中，客户的细分则可以使用这项技术。聚类技术能够发现隐藏在客户数据中的有用数据。譬如将客户聚类为低价值的客户、有潜能的客户和产生高价值的客户。对于新客户，可以向新买手机的客户推荐一系列的电信套餐，例如学校套餐，全国套餐和自由组合套餐。这样客户在多种选择下，肯定会选择一种自己合意的套餐。对于稳定的老客户，可对客户的套餐进行升级优惠处理。企业通过争取挽留新老客户，实现最大化利益。为了实现电信客户细分，需要对客户数据进行集成选择。首先根据客户数据源的情况构建事实表，然后再以这些事实表为中心，构建关联的维表。最后，在这些表的基础上运用决策树方法进行客户细分。（二）数据准备在信息时代，企业需要高效处理公司的业务。每个企业都有自己的一套运营系统，也使用许多成熟的数据库应用系统。企业需要将客户的数据收集起来，并且对数据进行分析、归纳、评估，从而能够建立一个可供企业决策的数据模型。通过数据仓库接口，对数据仓库中的客户数据进行联机分析和数据挖掘，管理者根据分析得到的结果，更好地做出市场决策。本文主要分析的数据包括：客户基本资料、客户购买记录、客户通话清单、客户缴费资料。客户基本资料描述客户的基本属性，其主要内容如表4-1所示。表4-1客户基本资料属性编码属性名称属性描述属性类型0客户编号客户的唯一标识Int（20）1客户姓名客户的姓名Char（10）2客户性别Char（4）3出生日期格式：YYYY-MM-DDDate4客户职业Char（40）5客户教育程度客户的最高学历Char（20）6客户地址客户的居住地址Char(40)7客户收入收入水平，是否有房车等Char（40）8证件号码客户身份证号码Char（18）客户购买记录反映了各阶段客户的购买力。其主要内容如表4-2所示。表4-2客户购买记录属性编码属性名称属性描述属性类型0客户编号客户的唯一标识Int（20）1客户购买动机客户在何种需要的驱动下，产生的购买电信产品的欲望。Char（20）2客户购买时间何时购买产品。格式：YYYY-MM-DDDate3客户购买地点客户在哪个营业网点购买的Char（40）4客户购买方式现金、支付宝转账还是分期付款Char(20)5电信产品价格Float（10）6电信产品效用产品使用的效果情况Char（40）7电信产品类别客户购买的是哪种产品Char（20）客户通话清单反映了客户的通话记录，其主要内容如表4-3所示表4-3客户通话清单属性编码属性名称属性描述属性类型0客户编号客户的唯一标识Int（20）1电信产品种类是属于哪一种套餐种类Char（20）2上网消耗流量Float（10）3短途通话时间Float（8）4长途通话时间Float（8）5短信数量Int（8）客户缴费资料表示了客户的缴费情况，其主要内容如表4-4所示表4-4客户缴费资料属性编码属性名称属性描述属性类型0客户编号客户的唯一标识Int（20）1客户缴费方式现金、支付宝转账还是分期付款Char（20）2实时话费本月消耗的电话费、短信费、流量费之和Float（6）续表4-4属性编码属性名称属性描述属性类型3账户余额目前账户剩余的可用余额Float（8）4欠费金额Float（8）5电信产品类别订购的套餐、流量包等。Char（20）（三）客户行为特征分析与阶段划分电信产品的客户生命周期与一般的产品不同，电信产品存在反复性。客户的生命周期也是有变化的。通过客户入网时长可以分类客户群。分类在数据挖掘中扮演了一个重要的角色，它可以从隐藏的以往的数据中预测到未来的数据趋向。企业利用得到的结果能够更好的开辟市场，确定产品受众。本文选择的数据分类方法是采用决策树进行分类。决策树学习是以实例为基础的归纳学习算法，它着眼于从一组无次序的事例中推导出决策树表示形式的分类规则。决策树分类方法首先要利用训练集建立决策树模型，然后根据这个决策树模型对输入数据进行分类。本文以入网时长在一年之内的客户为例，对其进行数据分析。首先建立工程treeprediction，然后用Input-DataSource工具导入库中的数据集，并把样本数改为“全体数据集”，产生输出数据集SX．model_reg_data。借助数据集划分模块(DataPartitionNode)，把样本集合按以下比例划分为2个子集：训练集(train)为70％；验证集(valida-tion)为30％。在tree中设置相应的标签参数，则可得出最终的预测结果示例如图4.5所示。语音通话时长均值语音通话时长均值入网时长为一年之内的客户漫游语音通话时长均值短信发送次数均值>500<500<25%<300<320>25%>320no,no……yes,yes>300yes,yesyes,no图4.5决策树规则图将从模型的预测结果中获得的两个符号和由历史数据获得的数据，组成一个符号矩阵，可以判断客户生命周期的具体阶段。（见表4-6）表4-6生命周期判定矩阵历史数据预测的未来趋势yes,yesyes,nono,yesno,noyes,yes形成期形成期形成期衰退期yes,no形成期稳定期稳定期衰退期no,yes形成期稳定期稳定期衰退期no,no形成期衰退期衰退期衰退期（四）服务策略的具体化1.基于数据挖掘的考察期服务策略考察阶段数据挖掘的目标是在该阶段收集的大量静态和动态数据中发掘怎么使客户使用企业的电信产品，怎样激发潜在客户的兴趣。一般情况下，客户获取产品的信息，可以通过广告、活动促销、好友推荐等方式。若想要获取大量潜在客户，企业需要让大众了解其电信产品，并且使本身的产品符合客户的需求，基于这个问题可以构建一个数据库。形成结构良好的数据库需要运用数据挖掘的分类和聚类算法，实现同类或相似概念的聚类。例如，收集使用高端电信产品的客户的基本信息，比较这些客户的收入水平、年龄范围或工作职位等类似的信息，分析使用该产品的客户特征。同时也可以使用数据挖掘中的关联规则方法，发现某些特征的客户会喜欢什么样的产品，对于质量、价格或售后服务等因素，哪个更被重视。同时注意这样的客户会带给企业多大的利益。2.基于数据挖掘的形成期服务策略形成期阶段企业的主要任务是激发客户的购买欲望。故该阶段目标是制定如何提高新用户购买行为的决策。该阶段客户应该与企业发生了交易关系，企业便可以获得客户的一系列信息。企业可以发现客户对产品的兴趣程度，来对客户进行提供不同的策略的服务，同时收集客户的个人特征、购买产品信息、购买时间信息等作为该阶段数据挖掘的重要数据。针对本阶段的客户，可使用关联规则挖掘方法。关联规则研究可以找出客户购买的商品之间的关系，如购买了A产品的同时，也购买了B产品。根据客户的交易记录，就可以推测出客户的下一次购买行为，如客户在购买电信产品套餐的同时，可能会购买手机、耳机、充电器等相关联的产品，从而产生交叉销售。结合数据背景，如客户信息、产品信息、实际交易记录等数据，企业可以向客户介绍相关联的产品，如果客户觉得这些产品是相辅的，并且对该家企业原购买的产品质量满意，就会继续购买。3.基于数据挖掘的稳定期服务策略稳定期的主要业务活动除了提升客户关系外，还有一点就是维持客户的价值不变。故该阶段目标是进行客户细分，根据客户编号、消费日期、月消费额、消费次数等信息，将客户划分为低价值-低增值，低价值-高增值，高价值-低增值，高价值-高增值四组。预测这些客户产生的价值，同时合理的分配企业的资源和成本，争取为企业得到更多的利益。该阶段用分类方法选出高价值的客户和最有可能流失的客户，不断提升高价值客户的价值能力，避免客户的流失。如对客户的需求和价值进行分类，不同阶层的客户需要的产品是不一样的，如学生需要校园套餐、工作人员需要全国套餐等。对于营业厅附近的客户进行分类，从而针对性的推出一系列套餐活动。通过对客户资源信息的多角度挖掘，了解客户的投诉信息，从而在客户进入衰退期之前捕获信息，及时采取措施挽留客户。4.基于数据挖掘的衰退期服务策略衰退期的目标是企业通过激励客户的兴趣、提出产品和价格的优惠等方法将离开的客户重新吸引回来。该阶段的数据来自于已经离开企业的目标市场的老客户的信息资料，如客户的基本个人资料、购买电信产品的次数等。该阶段可以用分类方法对流失的老客户进行细分，有些是因为本身电信产品质量不好、服务态度不好而流失，这是内部流失。有些则是因为其他电信产品有更高的优惠价格而流失，这是外部流失。还可以通过数据挖掘中的关联方法发现流失客户的特征，在那些具有相似特征的客户还未流失之前，及时采取措施挽留客户。企业需要了解客户需求的变化原因以及确定本企业的产品有哪些不足的地方，以便展开有针对性的挽留，进行一对一营销，节约企业成本，提高赢回效率。同时可以向客户推荐企业最新产品，尽可能吸引客户的注意力，争取再次赢回客户。

结论由于互联网时代的到来，市场发生了极大的变化，企业的竞争模式也发生了转变。本文研究了在大数据时代下，企业如何开展客户生命周期管理，达到长期发展的目标。以客户关系管理理论为基础，本文将客户生命周期依次分为考察期、形成期、稳定期和衰退期，使用数据挖掘方法中的分类、关联等方法，分析了客户生命周期四个阶段的客户行为特点及相对应的服务策略。本文以客户关系管理（CRM）和数据挖掘（DM）为理论基础，以电信行业为例，研究客户生命周期的各个阶段，论述各阶段的客户行为特点及相对应的服务策略。根据电信行业目前的背景，选择合适的数据挖掘方法，做好数据准备，从而基于数据挖掘将服务策略更加具体化。本文第一章主要阐明论文的选题背景，研究现状和研究工作；第二章介绍数据挖掘和客户生命周期理论，阐述数据挖掘分类及主要方法；第三章研究客户生命周期的各个阶段及特征，以及相对应的服务策略；第四章将数据挖掘结合客户生命周期管理，应用于电信行业，详细论述所使用的数据挖掘方法以及具体应用策略。最后，本文结合电信行业产品的特点，整合客户的相关信息，从而帮助企业在数据挖掘的辅助下制定一系列的针对性措施，实现企业利益的最大化。

参考文献1． 方蕾,王金桃.数据挖掘在客户生命周期中的应用研究[J].武汉理工大学学报:信息与管理工程版,2008,30(4):613-615.2． 潘晓靖.大数据时代下房地产行业的客户生命周期管理[J].财经界:学术版,2015(2):125-125.3．陈亚树.从客户关系生命周期角度分析数据挖掘在CRM中的应用[J].黑龙江科技信息,2010(7):82-82.4．辛宇,郑鑫.大数据驱动与客户生命周期——基于汽车行业的分析[J].河南社会科学,2014,22(3):71-77.5．徐忠海,王玲.基于客户关系生命周期的CRM理念[J].科研管理,2003,24(6):94-102.6．朱明．数据挖掘导论[M].合肥：中国科技技术大学出版社，2012：71-78,149.7．蔡皎洁.网络环境下面向客户生命周期的数据挖掘研究[J].中国集体经济,2009(3):168-169.8．张永礼.基于客户生命周期价值的客户分类与数据挖掘[J].网络与信息,2008(6):73-73.9． 齐洁.客户生命周期视角下的数据挖掘在CRM中的应用研究[D].景德镇陶瓷学院,2009.10．徐喆.数据挖掘方法在客户生命周期管理中的应用研究[D].南京邮电大学,200911．郭玉华,陈治亚.基于客户生命周期的铁路大客户细分与发展模型[J].铁道科学与工程学报,2011,08(2):86-91.12．应维云,覃正,李秀.面向客户全生命周期价值的客户行为分析决策支持研究[J].情报杂志,2008(6):20-22.13．NgaiEWT,XiuL,ChauDC