楊燁銘

摘要：目前，在我國電信行業(yè)存在大量業(yè)務(wù)數(shù)據(jù)，利用這些數(shù)據(jù)進(jìn)一步拓寬通信業(yè)務(wù)，已經(jīng)成為各個通信單位的當(dāng)務(wù)之急。近幾年迅速崛起的數(shù)據(jù)挖掘技術(shù)可以深入分析客戶信息、客戶價值和行為，從而使?fàn)I銷具有洞察力、精確化，并通過從數(shù)據(jù)中挖掘價值來減少營銷成本、提高營銷效益。本文以通信行業(yè)為例，利用python編程對其數(shù)據(jù)進(jìn)行挖掘，并詳細(xì)介紹了數(shù)據(jù)挖掘過程，從而促進(jìn)通信業(yè)務(wù)發(fā)展，為通信業(yè)提供決策支持服務(wù)。

關(guān)鍵詞：數(shù)據(jù)挖掘；通信業(yè)務(wù)數(shù)據(jù)；python處理

引言

隨著中國通信市場的競爭日趨激烈，通信運營商的經(jīng)營理念已逐步從“技術(shù)質(zhì)量第一”轉(zhuǎn)變?yōu)椤胺?wù)客戶至上”。以前的營銷模式無法滿足客戶的多樣化，層次化和個性化需求。長期以來，通信單元的大量詳細(xì)業(yè)務(wù)數(shù)據(jù)已經(jīng)簡單地應(yīng)用于各種業(yè)務(wù)系統(tǒng)，并且還沒有得到更有效的開發(fā)和利用。

1 數(shù)據(jù)挖掘模型

本文的數(shù)據(jù)挖掘示例使用呼叫行為，數(shù)據(jù)服務(wù)使用等作為客戶分類變量，并將具有相似通信行為的人員分組到一個組中。數(shù)據(jù)挖掘方法論選用CRISP-DM（Cross-Industry Process for Data Mining）過程模型，即交叉行業(yè)數(shù)據(jù)挖掘過程標(biāo)準(zhǔn)。它從數(shù)據(jù)挖掘技術(shù)應(yīng)用的角度劃分挖掘任務(wù)，并將數(shù)據(jù)挖掘技術(shù)與實際應(yīng)用緊密結(jié)合。這里，為了簡化說明，我們不考慮循環(huán)的探索和調(diào)整過程，并直接按順序檢查每個鏈接，通過問卷調(diào)查和訪談實現(xiàn)客戶的消費行為和需求。

1.1 數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)準(zhǔn)備過程如下：

（1）確定項目目標(biāo)，制定挖掘計劃。

（2）分析變量的獲取。

（3）數(shù)據(jù)收集和獲取。

（4）數(shù)據(jù)集成。

根據(jù)CRISP-DM流程，首先是確定項目目標(biāo)。本文定義的客戶細(xì)分的業(yè)務(wù)目標(biāo)是“從客戶行為的角度對某個地方的數(shù)十萬普通客戶進(jìn)行分類，了解不同客戶群體的消費者行為特征，為新業(yè)務(wù)的發(fā)展，現(xiàn)有客戶的保留，以及其他通信公司之間的競爭制定有針對性的策略提供依據(jù)。并實現(xiàn)公司戰(zhàn)略目標(biāo)，穩(wěn)定現(xiàn)有客戶，增加客戶增長?！敝?，應(yīng)充分獲取分析變量，并在確保數(shù)據(jù)的一致性，完整性，有效性和層次結(jié)構(gòu)的基礎(chǔ)上，數(shù)據(jù)指標(biāo)完整，應(yīng)涵蓋所有業(yè)務(wù)分析和數(shù)據(jù)挖掘的需求。本文選擇的數(shù)據(jù)源主要包括客戶文件記錄，客戶營銷記錄，銷售訂單主表。

1.2建立模型

生成最終數(shù)據(jù)集后，就可以構(gòu)建模型以執(zhí)行集群分析。建模階段主要是選擇和應(yīng)用各種建模技術(shù)，同時校準(zhǔn)其參數(shù)以獲得最佳值。在建模過程中，本文采用多種技術(shù)手段并對建模效果進(jìn)行了比較，需要挑選合適的變量參與建模。該模型的建立是一個螺旋式，連續(xù)的優(yōu)化過程。如果結(jié)果不理想，則需要調(diào)整聚類模型以優(yōu)化模型，這稱為聚類優(yōu)化。可以通過調(diào)整聚類數(shù)量和調(diào)整聚類變量的輸入，或者通過多次運行來選擇滿意的結(jié)果來實現(xiàn)聚類優(yōu)化。通?？梢愿鶕?jù)以下原則判斷聚類結(jié)果是否理想：類間特征差異是否明顯；群內(nèi)特征是否相似；集群結(jié)果是否易于管理并具有業(yè)務(wù)指導(dǎo)意義。

2 數(shù)據(jù)挖掘結(jié)果分析

根據(jù)客戶分類的結(jié)果，重新定位客戶，加深對客戶的了解，并在此基礎(chǔ)上制定響應(yīng)策略?？蛻舴诸惸Ｐ妥罱K產(chǎn)生一些客戶分類，根據(jù)這些組的特征可以分為三組。各組的頻繁與不頻繁通信行為比較見表1。

對于每個群體頻繁且不頻繁的通信消費行為，分析每個客戶群并制定相應(yīng)的客戶營銷策略。通過對這類客戶呼叫行為的分析，以第一組客戶為例，可以得到該組客戶的整體行為特征：

① 這些人對關(guān)稅非常敏感，可能對經(jīng)濟(jì)儲蓄產(chǎn)品感興趣。

② 這些人很少被呼叫，他們可以通過單向充電產(chǎn)品增加他們的呼叫需求。

③ 由于交流范圍相對狹窄，并且主要為市內(nèi)通話，容易成為小靈通或大靈通的搶奪對象，因此可以設(shè)計一些市話優(yōu)惠類的產(chǎn)品來保住客戶，防止客戶流失。

為了響應(yīng)這些行為特征，可以開發(fā)相應(yīng)的促銷計劃和銷售渠道：由于這些人可能包括低工資的人，家庭婦女，老人，學(xué)生和社會需求較少的技術(shù)人員。因此可以選擇超市，商場，學(xué)校等地進(jìn)行海報推廣或安排人們發(fā)送傳單，在人群聚集場所進(jìn)行一定的促銷活動，實物獎勵對這群人來說非常有吸引力。除了基本的銷售點，還可以選擇這個客戶群的住宅樓附近的超市，小商店等作為銷售點，效果會更好。

結(jié)論

在數(shù)據(jù)挖掘過程中，不同技術(shù)方案產(chǎn)生的模型結(jié)果差異很大，模型結(jié)果的可理解性也大不相同。此外，對結(jié)果的分析和描述也很關(guān)鍵，不恰當(dāng)?shù)拿枋隹赡軙a(chǎn)生誤導(dǎo)。需要指出的是，不同的業(yè)務(wù)問題和不同的數(shù)據(jù)分布屬性將影響模型建立和調(diào)整的策略。此外，在建模過程中使用各種近似算法來簡化模型的優(yōu)化過程。因此，業(yè)務(wù)專家也需要參與調(diào)整策略，以避免因不當(dāng)優(yōu)化而導(dǎo)致的業(yè)務(wù)信息丟失。

參考文獻(xiàn)

[1]田亞明.大數(shù)據(jù)挖掘在電商市場中分析與決策的應(yīng)用[J].電子技術(shù)與軟件工程.2019（07）

[2]趙烏吉斯古楞.數(shù)據(jù)挖掘的研究熱點和發(fā)展趨勢的淺談[J].電腦知識與技術(shù).2019（08）

[3]梁波.計算機(jī)數(shù)據(jù)挖掘在互聯(lián)網(wǎng)行業(yè)中的應(yīng)用[J].電子技術(shù)與軟件工程.2018（23）