学位论文 > 优秀研究生学位论文题录展示

移动虚拟网络运营商的客户细分模型及方法研究

作　者: 黄剑峰
导　师: 董守斌；林东生
学　校: 华南理工大学
专　业: 计算机技术
关键词: 数据挖掘移动虚拟运营商客户分析客户细分模型 K-means算法 K-medoids算法
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 111次
引　用: 0次
阅　读: 论文下载

内容摘要

随着电信市场竞争的不断加剧,如何针对不同的客户群实施差异化营销和服务,如何对客户进行细分和分类已成为当前移动虚拟网络运营商的迫切需求。因此对移动虚拟网络运营商的客户细分模型以及细分方法进行研究,可以更好地解决移动虚拟网络运营商客户细分这一实际问题,有利于移动虚拟网络运营商了解客户的总体构成、客户群体特征与消费特征,制定相应的营销方针及掌握运营状况。论文讨论了当前移动虚拟网络运营商客户细分的必要性和可行性,陈述相关数据挖掘的理论,构建了面向移动虚拟网络运营的客户细分模型,并使用聚类算法实现对客户的细分。本文的主要内容是数据挖掘技术在移动虚拟网络运营商客户细分领域的应用。首先,介绍移动虚拟网络运营商的产生与影响力,建立客户细分模型的必要性与可行性。接着,介绍数据挖掘的基本概念、基本任务、实施过程、主要算法,重点介绍聚类算法。然后,构建聚类划分法的客户细分模型;结合移动虚拟网络运营商ABC的客户资料与客户行为资料,使用SPSS Clementine数据挖掘软件的K-means算法按照GRISP-DM标准流程规范对客户进行细分。通过Visual Studio开发了K-medoids算法,比较分析了基于两种算法的客户细分结果。

全文目录

摘要  5-6
Abstract  6-10
第一章绪论  10-16
  1.1 概述  10-11
    1.1.1 移动虚拟网络运营商的产生  10-11
    1.1.2 移动虚拟网络运营商的影响力  11
  1.2 国内外发展状况  11-12
  1.3 课题背景  12-14
    1.3.1 建立客户细分模型的必要性  12-14
    1.3.2 本项目目标  14
  1.4 本文主要内容  14-15
  1.5 本章小结  15-16
第二章相关理论及技术  16-36
  2.1 数据挖掘的概念  16-17
  2.2 数据挖掘的基本任务  17-19
    2.2.1 分类  17-18
    2.2.2 回归  18
    2.2.3 时间序列分析  18
    2.2.4 预测  18
    2.2.5 聚类  18-19
    2.2.6 汇总  19
    2.2.7 关联规则  19
    2.2.8 序列发现  19
  2.3 数据挖掘的GRISP-DM 实施过程  19-21
    2.3.1 商业理解（Business Understanding）  20
    2.3.2 数据理解（Data Understanding）  20-21
    2.3.3 数据准备（Data Preparation）  21
    2.3.4 建立模型（Modeling）  21
    2.3.5 模型评估（Evaluation）  21
    2.3.6 部署（Deployment）  21
  2.4 数据挖掘的主要算法  21-34
    2.4.1 统计分析  22
    2.4.2 相似度度量  22
    2.4.3 决策树  22-23
    2.4.4 神经网络  23
    2.4.5 遗传算法  23
    2.4.6 聚类算法  23-34
  2.5 数据挖掘的工具  34-35
    2.5.1 SPSS Clementine 软件简介  34-35
  2.6 本章小结  35-36
第三章客户细分模型的构建  36-50
  3.1 需求分析  36-37
  3.2 数据理解  37-42
    3.2.1 收集原始数据  37
    3.2.2 描述数据  37-41
    3.2.3 探索数据  41-42
    3.2.4 检验数据质量  42
  3.3 数据准备  42-48
    3.3.1 选择数据  42-45
    3.3.2 清洗数据  45
    3.3.3 构造数据  45-48
    3.3.4 整合数据  48
    3.3.5 格式化数据  48
  3.4 算法选择  48-49
  3.5 本章小结  49-50
第四章基于K-means算法的客户细分方法  50-76
  4.1 K-means 实现  50
  4.2 建模准备  50
  4.3 实验环境概述  50-51
    4.3.1 实验数据  50
    4.3.2 开发环境  50-51
  4.4 建立模型  51-66
    4.4.1 构建模型  51-66
    4.4.2 评估模型  66
  4.5 模型评估  66-74
    4.5.1 评价结果  66-71
    4.5.2 模型结果分析  71-73
    4.5.3 重审过程  73-74
    4.5.4 确定下一步  74
  4.6 部署  74-75
    4.6.1 规则部署  74
    4.6.2 规划监控  74-75
    4.6.3 产生最终报告  75
    4.6.4 回顾项目  75
  4.7 本章小结  75-76
第五章基于K-medoids算法的客户细分方法  76-84
  5.1 问题的提出  76-77
  5.2 K-medoids 的实现  77-79
  5.3 基于K-medoids 的客户细分  79-80
    5.3.1 实验环境概述  79-80
    5.3.2 数据结构设计  80
  5.4 实验及结果分析  80-83
    5.4.1 不存在孤立点的情况  80-81
    5.4.2 存在孤立点的情况  81-83
  5.5 本章小结  83-84
结论  84-86
  总结  84-85
  展望和下一步的工作  85
  本章小结  85-86
参考文献  86-88
致谢  88

移动虚拟网络运营商的客户细分模型及方法研究

内容摘要

全文目录

相似论文