《数据挖掘在电信的应用学习教案.pptx》由会员分享，可在线阅读，更多相关《数据挖掘在电信的应用学习教案.pptx（24页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、会计学1数据挖掘在电信数据挖掘在电信(dinxn)的应用的应用第一页，共24页。2.1 1、数据挖掘简介、数据挖掘简介、数据挖掘简介、数据挖掘简介(ji(ji n ji)n ji)2 2、数据挖掘在典型行业应用、数据挖掘在典型行业应用、数据挖掘在典型行业应用、数据挖掘在典型行业应用内容提要(ni rn t yo)第1页/共24页第二页，共24页。3.数据挖掘简介数据挖掘简介(jin ji)第2页/共24页第三页，共24页。4.数据数据(shj)(shj)挖掘挖掘-从大量数据从大量数据(shj)(shj)中中寻找其规律的技术，是统计学、数据寻找其规律的技术，是统计学、数据(shj)(shj)库技
2、术和人工智能技术的综合。库技术和人工智能技术的综合。数据挖掘定义数据挖掘定义(dngy)第3页/共24页第四页，共24页。5.功能(gngnng)描述分析（Descriptive Analysis）预测分析（Predication Analysis）数据挖掘分类(fn li)第4页/共24页第五页，共24页。6.挖掘算法关联(gunlin)分析（Shopping Basket/Affinity Matrix Association)回归分析（Linear/Nonlinear/Logistic Regression）聚集（Clustering）判别（Discriminant Analysis)因
3、子分析法(Factor Analysis)神经元算法(Neuro Analysis)异常检测(Abnormality Detection)序列分析(Sequential Analysis)数据挖掘分类(fn li)第5页/共24页第六页，共24页。1.更好地识别客户和产品(chnpn)，制定有效的CRM战略和产品(chnpn)研发战略l谁是我们(w men)的客户？l谁是让我们(w men)保持盈利的客户？l谁是我们(w men)的损失客户？ll我们(w men)有哪些产品和服务？l什么产品让我们(w men)保持盈利？l什么产品或服务一直在让我们(w men)亏损？数据挖掘的价值(jizh)
4、第6页/共24页第七页，共24页。CRM战略(zhnl)产品(chnpn)研发战略数据挖掘的价值(jizh)第7页/共24页第八页，共24页。2.细分市场和客户(k h)，运用有效营销组合l建立在数据统计上的市场细分和顾客分类l通过消费行为和人口统计特征建立可靠的模型l模型预测功能拟合出最有效的产品组合和营销(yn xio)手段l科学的营销(yn xio)测试工具数据挖掘的价值(jizh)第8页/共24页第九页，共24页。3.提高营销(yn xio)精度，降低营销(yn xio)成本我们应该向所有客户传递促销信息还是专注于某些(mu xi)细分客户群？（假设盈亏平衡点为3）数据挖掘的价值(ji
5、zh)第9页/共24页第十页，共24页。4.改善(gishn)和客户的沟通，提高客户满意度l定制的沟通渠道l定制的沟通信息l可衡量的沟通效果（例如，根据客户在签约商家的消费情况(qngkung)衡量促销广告的有效性）l服务经费的最佳分配方案（最好的服务组合对应获利最丰的客户群体）数据挖掘的价值(jizh)第10页/共24页第十一页，共24页。1.了解(lioji)业务 确定业务目标 情景评估 确定数据库营销目标 制定项目(xingm)计划 收集原始数据(shj)描述数据(shj)数据(shj)探索和检验 自变量选择 自变量数验证 数据处理和维护典型的数据挖掘实施流程2.收集数据3.筛选数据4.
6、建模5.模型评估6.模型推广 确定建模算法 测试方法设计 建模 模型评估（算法层）模型评估（业务层）模型推广计划 实施过程监督 最终报告第11页/共24页第十二页，共24页。建 模数据库得分(d fn)数据探索(tn su)和转换模型(mxng)评估注：某些典型的环节被省略或合并数据挖掘流程举例第12页/共24页第十三页，共24页。14.数据挖掘在电信数据挖掘在电信(dinxn)行业应用行业应用第13页/共24页第十四页，共24页。15.人口统计特征性别年龄职业教育程度平均年收入工作单位所在行业建档时间(shjin)户口所在地电信(dinxn)行业客户数据第14页/共24页第十五页，共24页。
7、16.消费行为特征月均基本通话时间(shjin)/费用月均国内通话时间(shjin)/费用月均国际通话时间(shjin)/费用月均国内长途时间(shjin)/费用月均市内通话时间(shjin)/费用呼入/呼出比例工作日呼叫次数/时间(shjin)周末呼叫次数/时间(shjin)繁忙时段呼叫次数/时间(shjin)非繁忙时段呼叫次数/时间(shjin)语音呼叫次数/时间(shjin)非语音呼叫次数/时间(shjin)/费用呼叫转移次数月均IP呼叫次数掉话次数电信(dinxn)行业客户数据第15页/共24页第十六页，共24页。17.心理倾向(qngxing)特征月均主动联系Call Center次
8、数月均投诉次数套餐类型缴费方式半年内缴费延迟次数最近Call Center主动联系内容和响应情况非通话相关的消费嗜好（如旅游等）电信行业客户(k h)数据第16页/共24页第十七页，共24页。18.基于电信行业，我们可以(ky)提供如下建模方案：客户细分模型客户离网预警模型客户综合价值评估模型交叉销售模型欺诈预警模型促销效果模拟综合平台建模方案(fng n)第17页/共24页第十八页，共24页。19.方法：集群分析法（Clustering）判别分析法（Discriminant Analysis)参数分析法（Factor Analysis）决策树分析（Decision Tree）描述性分析（De
9、scription Statitics）目的：客户群像的定量描述了解客户自然分组，并赋予具有实际意义的组名（例如，挑剔型客户-高比例投诉，等待接听组-低比例呼出/呼入等）通过分组，多维度了解客户（宏观和微观层面）识别全新营销机会(j hu)为交叉销售研究提供信息基础抽象切实可行的营销建议是开发其它模型的基础客户(k h)细分模型第18页/共24页第十九页，共24页。20.方法：判别分析法（Discriminant Analysis)决策树分析（Decision Tree）对数回归模型（Logistic Regression）客户存活模型（Life Table 和 Cox Regression）
10、目的：研究离网客户和在网客户特征矩阵的差异性在一定的时间框架内，准确识别即将离网的客户群和客户为制定具有针对性的客户挽留(wnli)计划提供定量信息为合理分配挽留(wnli)计划预算提供定量信息客户(k h)离网预警模型第19页/共24页第二十页，共24页。21.方法：构建客户价值描述参数矩阵客户生命周期分析法（Life Time Value）集群分析法（Clustering）决策树分析（Decision Tree）目的(md)：细分客户价值群（例如，根据ARPU等），并从定量角度，抽象和考察不同客户价值群体的共性特征识别衡量客户综合价值的优化矩阵参数为制定有针对性的市场营销计划提供依据（例如
11、，白金客户，优质客户，一般客户，损失型客户等等），从而可以制定优化的市场策略（例如，降低对损失型客户的服务级别，迫使其离开；对一般客户增加营销和交叉销售力度，将其升级为优质客户等等）和Call Center的服务级别紧密连接客户(k h)综合价值评测模型第20页/共24页第二十一页，共24页。22.方法：消费者集群分析（Clustering）套餐关联性分析（Market Basket Analysis）消费者集群关联性分析（Market Basket Analysis）目的：了解套餐产品关联性，识别(shbi)可能的套餐机会了解消费者集群特征，特别是该集群中最受消费者青睐的产品，然后向没有该产
12、品的消费者推荐该产品了解套餐集群中具有明显特征的消费者群体，然后向该消费者推荐该产品提高交叉销售机会交叉销售(xioshu)模型第21页/共24页第二十二页，共24页。23.方法：判别分析法（Discriminant Analysis）多因变量对数回归（Multinomial Logistic Analysis)目的：了解欺诈行为消费群体的群像特征发现具有潜在欺诈行为的客户减少(jinsho)可能面临的企业损失欺诈预警(y jn)模型TransactionsFraud第22页/共24页第二十三页，共24页。24.方法：回归算法（Regression)上述模型的综合运用目的：定量分析和模拟促销元素（例如，话费价格变化）对消费者行为的影响（例如，ARPU）模型某类套餐的营销效果(xiogu)大大降低营销失误率图形化展示营销效果(xiogu)促销效果模拟综合(zngh)平台第23页/共24页第二十四页，共24页。