基于數據挖掘的電信企業客戶行為分析研究

【摘要】 當今社會已經進入到了大數據環境，各類信息以海量形式存在著，移動互聯網時代的電信運營商不僅擁有用戶語音通信、更擁有互聯網流量使用的豐富數據，在此環境下利用好這些數據進行挖掘使之為企業的營銷、維系服務，是當今技術研究的重要課題之一。大數據展現在企業面前的不僅僅一系列的數字或文字，而是海量的客戶信息，對其加以挖掘與研究能夠了解客戶的需求，客戶的特征、消費偏好等，進而制定有效的營銷、維系和服務策略，本文就此對大數據與客戶關系之間的聯系進行分析。

【關鍵詞】 客戶關系管理 客戶行為 數據挖掘 電信企業

一、數據挖掘與 CRM 的關系

1.1數據挖掘概述

數據挖掘（Data Mining）也稱數據采掘、數據開采等。許多人將“數據挖掘”與“數據庫中的知識發現”視為同義詞，Frawley WJ，Piatetsky-Shapiro G 等人對數據挖掘的定義得到了公眾的認可：數據挖掘即數據庫中的知識發現（KDD），是一個在數據中提取模式的過程，此類模式均是客觀有效的而且容易理解具備使用價值。數據挖掘的主要任務在于運用知識以及知識發現的過程中發現隱含的模式并進行揭示，使之發揮出功效，而數據挖掘的對象不僅僅傳統意義上的數據信息而且包括數據倉庫、文件系統、網頁文件等任何一種數據的集合體。

1.2數據挖掘與 CRM 的關系

綜合Gartner Group的調查顯示：在未來幾年內能夠對企業經營發展產生重大影響的技術主要有數據挖掘、智能化技術等，尤其是當今大數據環境下，如何利用數據進行數據挖掘以為企業的發展提供輔助是當前研究的重點。隨著數據捕獲、傳輸和存儲技術的快速發展，用戶將更多地要采用新技術來挖掘市場價值。數據挖掘技術將在未來的數據計算中扮演越來越重要的色。CRM 是數據挖掘重要的應用領域，包括客戶獲取、客戶保持、客戶價值提升等客戶系管理的各個方面，在通信行業已經獲得最早和最廣泛的應用，并衍生出更多細分的子系統。正是在數據挖掘技術的基礎之上，才能將企業經營目標以及客戶關系管理有效融合以實現企業利益的最大化，當今數據挖掘技術已經成為了諸多行業內的重要發展措施，是不可忽視且具備旺盛生命力的新課題。

二、數據挖掘的主要過程

1、挖掘目標的確立。凡事預則立不預則廢，在進行數據挖掘之前必須要明確需求進而確定挖掘目標。在確定目標過程中，應充分了解企業的經驗目標以及現狀，將營銷目標與挖掘目標進行融合并為數據挖掘目標制定初步的計劃。例如：針對iPhone 高端客戶行為，對其進行客戶畫像和細分，并針對影響其流失的主要原因，進行針對性的挽留產品和服務匹配。

2、數據的準備。根據上一環節確定的挖掘目標進一步確定挖掘的數據源進行預處理。數據源主要包括：企業業務數據庫（增值產品、上網軌跡、客戶咨詢與投訴、基站與故障信息等）、企業客戶數據庫（包括用戶歷史消費信息、繳費情況、業務辦理情況、與異網客服接觸情況等）、企業外部數據庫等，在綜合上述數據庫的基礎之上，首先要檢查查數據的客觀性和完整性；其次，檢查數據的具體情況，進行缺省值與噪音數據的處理，以提升數據的質量；再次，對整理后所得的數據進行再次的整合處理。另外，如果數據量過大，可導致挖掘的工作量龐大，難以處理，可對原數據進行約簡操作，包括數據立力一體的整合、維的縮減、對數據編碼壓縮、概念抽象、抽樣等力一法。并根據數據挖掘的結果建立相應的數據挖掘庫。

3、數據建模。在已經確定挖掘目標的基礎之上，選擇符合需要的挖掘模型和具體的算法（常用的有決策樹、規則推理、模糊集、甚至神經網絡等）并在數據庫中進行相應的運算處理，同時需根據實際情況不斷進行調整。此外，在必要的情況下可以綜合運用多個挖掘模型，再進行對比分析以獲得最佳的效果。

4、模型評估。根據獲取的信息建立對應的模型并加以評估分析。首先，企業營銷人員應根據數據挖掘的結果確定挖掘的目標，從中帥選出需要展示給用戶的信息再通過以圖形或者可視化的形式予以體現，便于用戶閱讀和理解也即提升用戶體驗度。此外要注意，假如得到的反饋與挖掘目標之間存在出入，則說明其中存在問題需要重建模型再加以分析。

5、知識的應用。對數據挖掘出的知識，運用到實際的業務中去，利用結果進行檢測、修正知識。可將知識添加到知識庫里，供用戶直接使用，以避免不必要的重復挖掘，同時需對知識庫進行管理、更新等操作。

三、數據挖掘技術在企業客戶行為分析中的應用

3.1客戶資源的細分

由于市場的有限性，企業的客戶資源亦是有限性的，尤其是電信行業這樣一個充分競爭的飽和的、存量競爭市場，對于電信企業而言必須要根據市場狀況樹立憂患意識，對現有客戶已經市場潛在的客戶進行細分，以便采取針對性的營銷策略，迎合市場，獲取更多的客戶資源。而且在細分客戶資源的的同時，企業不僅能夠清晰的認識到自身存在的問題又能夠對客戶有進一步的認識，在為之提供針對性且個性化服務的同時，使得客戶對企業不斷提升忠誠度。具體劃分依據有以下方面：企業的地理位置、當地人們的經濟水平以及生活習慣、產品的利潤、品牌的熟知度等。如在客戶群體劃分環節上缺乏明確的標準，則可以利用數據挖掘技術中的聚類技術進行劃分，再根據分析結果進行營銷和維系。

3.2客戶盈利能力分析

客戶盈利能力直接跟企業的利潤相關，知道了客戶的盈利能力，企業才有可能采取更有效的營銷策略。不同的客戶盈利能力不一樣，企業可根據己有的歷史數據，采取數據挖掘技術對數據進行分析，如可根據某種客戶盈利能力度量標準將客戶群按不同盈利水平進行劃分，尤其要注重對“黃金客戶”的優質服務以及針對性的營銷方法，使之對企業的服務更加滿意進而提升忠誠度，以保障企業的盈利，降低企業經營風險。此外，根據客戶的職業、性別、學歷層次等進行劃分，利用數據挖掘技術中分類技術對其進行針對性研究并根據其特性既制定針對性的營銷措施又采取交叉營銷，使之成為企業的新客戶乃至忠實客戶，進而提升企業的盈利能力。

3.3客戶的獲取與維持

在企業的經驗發展之中，客戶是企業生存的前提，然而客戶的存活率一般相對較短。隨著時間的流逝，社會競爭的加劇，企業客戶隨時都有可能流失，促使企業必須要不斷的擴展業務以增加和穩定新客戶。這些新客戶既可以是對企業產品感興趣和想要購買服務的客戶也可以是競爭對手，都可以通過企業營銷進行發展并獲取相關的數據。考慮到每個客戶對企業的營銷手段反應不同，有的敏感，有的反應消極；同時，現在企業與客戶的交流渠道多樣化發展，如微信、微博、郵件、電話、網站、廣告、現場推銷等，這樣反饋數據量龐大，營銷者難以把握，可充分利用數據挖掘技術，對于提供反饋信息的客戶加以定性和描述以從整體上進行把握并通過數據挖掘技術，將他們的共同特征、興趣、訴求等進行匯總。此外，根據企業以及市場狀況建立一定的盈利判斷標準，對上述客戶的盈利能力加以分析和預測進而挖掘出具有盈利能力的客戶群，為電信企業的進一步營銷廁策略提供參考。

3.4客戶的欺詐行為的防范

市場經濟是買賣雙方的經濟，任何一方均有可能存在欺詐行為，對于電信企業而言客戶的欺詐行為帶來的潛在危害亦不容忽視。根據企業經常經營發展的實際情況，建立欺詐客戶群并制定相應的防范措施，不僅可以避免企業遭受風險而且能夠保護企業的聲譽，確保經營的正常化。利用數據挖掘技術，收集目前已有的欺詐客戶與群體的信息并建立相關的數據模型，獲取較為全面的信息。對當前客戶進行相關測試以測探出是否存在欺詐傾向，同時還可以利用數據挖掘技術中的孤點分析法進行研究，著重分析出此類客戶與其他客戶之間的區別并制定針對性的防范措施。由于電信行業的特殊性，欺詐客戶相對較少，因此在數據的挖掘和分析環節要注意客觀性和有效性以確保對于營銷策略制定的價值性。

參 考 文 獻

[1] 郭曉科.大數據[M].清華大學出版社，2013-01-01

[2] 朱明.數據挖掘[M].中國科學技術大學出版社，2008-11-01

[3] 王廣宇.客戶關系管理（第2版）[M].清華大學出版社，2010-03-01

收件地址：西安市高新區灃惠南路 15號

郵編：710075

聯系電話：15609298816

作者簡介：

王長安，男，漢族，1977年4月29日出生于陜西蒲城 大學本科學歷，通信工程師，從事過電信計費、電子商務、市場營銷和客戶服務 工作，現在主要研究基于大數據下的存量經營和移動互聯網應用。