数据挖掘在移动通信业客户关系管理中的应用研究.pdf

数据挖掘在移动通信业客户关系管理中的应用研究摘要：随着移动通信业飞速发展、国内电信业重组和全业务运营时代的到来，国内电信市场竞争格局发生着巨大的变化，客户选择的机会大大增加，迫使各家运营商围绕客户的争夺战愈演愈烈。运营商的经营模式逐渐从“技术驱动”向“市场驱动”、“客户驱动”转化。这就要求运营商采取以客户为中心的策略，根据客户的实际需求提供多样化、层次化、个性化的服务解决方案。移动运营商在长期的业务运营过程中，积累了大量宝贵的数据信息，本文研究利用数据挖掘技术，在客户关系管理过程中有效地提取出有价值的信息，从而提升企业核心竞争力，提升客户满意度、忠诚度。关键词：数据挖掘；通信业；关系管理；客户行为一、数据挖掘在移动通信业客户关系管理中的意义由于移动通信市场庞大，客户在消费上存在较大的差异和层次性，企业必须根据客户特点对客户进行合理细分，并在此基础上对不同细分市场提供有针对性的营销策略，才能在竞争中立于不败之地。与此同时，运营商积累的客户数据量正在以指数速度增长，面对海量客户数据，传统的方法已无法进行有效的客户细分。在客户关系管理的流程中，为了准确、及时地进行经营决策，必须充分获取并利用相关的数据信息对决策过程进行辅助支持。近几年迅速发展起来的数据挖掘技术就是实现这一目标的重要手段。数据挖掘技术的发展实现了数据挖掘在通信企业客户关系管理、客户细分中的实际应用，提高了移动通信企业的核心竞争力。运用数据挖掘技术，可以对现有客户群体进行分析，通过区分客户市场、挖掘客户信息，发现潜在的消费趋势或动向，从而有针对性地设计产品和服务，开展精细化营销，在满足客户需求的同时，提高企业的利润，从而真止为企业高效营销提供支持。二、数据挖掘在移动通信业客户关系管理中的应用现状全球移动通信发展虽然只有短短20余年的时间，但它已经创造了人类历史上的伟大奇迹，截止2015年底，全球移动通信用户达到60亿。国外移动通信企业使用数据挖掘技术成功解决了一系列的商业问题，如美国AT&T公司利用数据挖掘建立详细的客户分类档案，对现有客户提供更好的差异性服务，并建立客户流失预测模型，尽可能准确地预报客户流失的概率和可能性，以便尽早采取相应的措施进行客户挽留，防止现有客户的流失。英国电信公司为在经营过程中获得更高的投资回报，选用SPSS的数据挖掘产品Clementine，通过分析用户数据，建立模型来预测客户使用某种业务的倾向。通过应用该模型使运营商能更好地了解其客户以及他们在电信市场的行为特征。从而为销售入员提供了有可能使用该项业务的潜在客户的清单，同时使直邮活动在这些客户中的回应率提高了一倍。除此之外，世界上一些主要的移动通信企业都已经采用了针对移动通信行业的数据仓库系统，如Sprint公司、法国电信、澳大利亚电信和比利时电信等。我国移动通信客户的发展也很迅速，随着国内电信行业重组、电信体制的激烈变革，竞争急速加剧，使得各电信企业着力于开拓新增市场、发展新客户，而对已有客户的维系和管理似乎重视不够；或者是注意到了又没有好的方法，显得有点无能为力，造成的结果是：新客户发展迅速但存量老客户维系比较困难、客户发展成本较高、增量不增收。一方面企业投入大量时间、人力、财力去发展新客户（而且新客户往往是低端客户），另一方面因客户流失管理的不完善导致现有客户由于不满意而流失，长此以往，在电信企业中出现了“增量不增收”的现象。如何保留住既有客户，以及如何由这些客户获得最大的收益，是国内电信企业面临的重要课题。我国电信运营商在多年的业务支撑系统（BOSS）建设中，积累了大量的原始业务数据。这些数据涉及到通信计费、市场营销、业务收入、销售渠道、网络优化、网络规划等各个方面。如何有效的利用这些已有的数据，实施客户关系管理，己经摆到了国内电信运营商的议事日程上。中国移动过去已经建立起一个有效的信息支撑系统，包括BOSS系统、客服系统、网管系统、结算系统等等，这些系统中存储着大量数据，目前，对这些基础数据的操作仍然是以数据的汇总、统计、展现为主。而客户关系管理数据的研究由于涉及到上千万的客户基础资料、这些客户上亿条的业务工单、百亿条的产品使用清单等超大规模的数据，还涉及各种类型客户的各种复杂原因（如工作变动、住址变迁、价格敏感、弃卡重入网、服务投诉等），如果还是通过做一些传统的、简单的数理统计，对于数据的利用仅限于数据的表层信息，而没有去挖掘数据和数据之间更加深层次的信息，是不可能从如此海量的数据和信息中找到客户关系管理这一复杂问题的规律的。因此，针对现实需求，亟需引入数据挖掘技术，从海量的业务系统数据中，提炼客户行为中最本质的特征和规律。三、研究数据挖掘在移动通信业客户关系管理中的应用领域移动通信企业是典型的数据密集型企业，在营业、计费、网管、客服、结算等数据库系统每天都要生成大量的数据，这